Alexandre Unger

La reconnaissance de patterns pré-établis est le dénominateur de toute démarche diagnostique. Identifier la cause d’une hypertrophie ventriculaire gauche représente un défi diagnostic majeur en cardiologie, où à ce jour seule une approche multimodale incluant les éléments cliniques, électrocardiographiques, l’imagerie, la génétique et parfois l’histologie permettent, après des délais atteignant plusieurs mois, un diagnostic étiologique dans environ 70% des cas. En pratique clinique, ce délai et cette incertitude diagnostique restreignent l’accès aux traitements spécifiques. Dans ce travail, nous nous proposons d’appliquer les processus d’intelligence artificielle aux données cliniques de première ligne (clinique, ECG et échocardiographie) chez des patients présentant une hypertrophie ventriculaire gauche, afin d’obtenir un diagnostic précis et plus rapide par l’intégration de l’ensemble des paramètres. Nous utiliserons ces données pour optimiser la stratification du risque des patients face aux complications cliniques (insuffisance cardiaque et arythmies), et évaluerons l’impact des données intégrées pour identifier la cause de l’hypertrophie chez les patients présentant des comorbidités.