Un modèle d'apprentissage automatique utilisant l'échocardiographie pour prédire l'insuffisance cardiaque dans différentes catégories d'IMC

Objectif(s) de la recherche et intérêt pour la santé publique

Finalité de l'étude

Objectifs poursuivis

Domaines médicaux investigués

Bénéfices attendus

Ce projet vise à améliorer l’identification et la prédiction du risque d’insuffisance cardiaque chez les patients en surpoids et obèses, une population pour laquelle les outils diagnostiques et pronostiques actuels présentent des limites importantes, conduisant à un sous-diagnostic fréquent. Il répond à un enjeu majeur de santé publique en contribuant à une meilleure prévention des complications cardiovasculaires et à une optimisation de l’allocation des ressources de soins.
L’objectif principal est de développer et d’évaluer un modèle de maching learning (ML) intégrant des données écho cardiographiques et cliniques, pour prédire sur un suivi de 2 à 5 ans, la survenue d’hospitalisation pour insuffisance cardiaque.
Il s’agira d’une étude observationnelle de type cohorte rétrospective, conduite à partir des données extraites des dossiers médicaux des patients ayant eu une échocardiographie transthoracique en ambulatoire ou en hospitalisation au sein de l’institut de Cardiologie des Hospices Civils de Lyon entre 1er juillet 2018 et le 31 décembre 2024, appariées aux données du Système National des Données de Santé (SNDS). Des méthodes d’apprentissage automatique (machine learning, ML) seront utilisées pour développer et valider les modèles prédictifs.
La population d’étude comprendra les patients adultes âgés de 30 ans et plus ayant bénéficié d’une échocardiographie transthoracique en ambulatoire ou en hospitalisation au sein de l’Institut de cardiologie des Hospices Civils de Lyon, dont les données administratives et cliniques auront été extraites du Système d'Information Hospitalier des Hospices Civils de Lyon, et pour lesquels l’appariement avec le SNDS a été réalisé avec succès.