La variabilité de la fréquence cardiaque est un indicateur de la santé cardiaque. Les travaux de recherche de Mohammad Moshawrab s’y consacrant ont reçu le prix du meilleur article lors de la 19ème International Conference on Mobile Systemes and Persuasive Computing (MobiSPC) qui s’est déroulée du 9 au 11 août dernier, à Niagara Falls, au Canada. Comme les autres articles acceptés par MobiSPC 2022, « Cardiovascular Events Prediction using Artificial Intelligence Models and Heart Rate Variability » est publié par Elsevier Science dans la série en ligne Procedia Computer Science en libre accès.
Mohammad Moshawrab est doctorant en ingénierie à l’Université du Québec à Rimouski (UQAR) qui accueille chaque année environ 6 700 étudiants, dont près de 600 étudiants étrangers provenant de plus de 45 pays.
Le doctorat en ingénierie qu’il y poursuit vise à former des spécialistes capables de concevoir et à accomplir de façon autonome un programme de recherche faisant progresser l’état des connaissances dans l’ingénierie des systèmes physiques et des procédés industriels.
Les travaux de recherche qui lui ont permis de recevoir ce prix, menés avec son directeur de thèse, le professeur en informatique Mehdi Adda, et ses collègues Abdenour Bouzouane de l’Université du Québec à Chicoutimi, Hussein Ibrahim de l’Institut technologique de maintenance industrielle et Ali Raad de l’Université islamique du Liban, portent sur l’utilisation de l’IA pour prédire les maladies cardiovasculaires.
Mohammad Moshawrab explique :
« Nous expliquons le processus technique suivi pour prétraiter les données et construire quatre modèles d’apprentissage automatique. En comparant les résultats obtenus, nous montrons que l’intelligence artificielle est une voie prometteuse pour prédire les maladies cardiaques ».
L’IA pour prédire les maladies cardiovasculaires et sauver des vies
La variabilité de la fréquence cardiaque (VRC) correspond à la variation de temps entre deux battements du cœur sur une période de temps donné. Une VRC diminuée est associée à un risque accru de maladies cardiovasculaires et elle pourrait avoir une valeur prédictive pour l’espérance de vie et la santé.
En 2019, les maladies cardiovasculaires représentaient plus de 32 % du taux mondial de mortalité. Selon l’OMS, le nombre de décès liés à ces maladies est passé de 12,1 millions en 1990 à 18,6 millions en 2019.
La VRC est aussi dénommée variation battement-à-battement de la fréquence cardiaque ou de la durée du RR intervalle de crête, où R est une onde du complexe QRS extraite d’un signal ECG cardiaque.
L’équipe de chercheurs a créé et formé quatre modèles avec « PhsyioNet Smart Health pour évaluer le risque d’événements via la base de données ECG » afin d’analyser les caractéristiques de la VRC et prédire l’apparition de maladies cardiaques et d’événements cérébrovasculaires.
Les données de « PhsyioNet Smart Health pour évaluer le risque d’événements via la base de données ECG »
Les données de cet ensemble ont été collectées pour mesurer l’efficacité de la classification des patients hypertendus présentant un risque plus élevé d’événements cardiaques et cérébrovasculaires caractéristiques de variabilité des taux. Il se compose de 139 enregistrements Holter électrocardiographiques (ECG) de 24 heures.
Chaque enregistrement contient trois signaux ECG échantillonnés à une vitesse de 128 échantillons par seconde avec une précision de 8 bits.
La cohorte était composée de 49 femmes et 90 hommes âgés de 55 ans et plus, ayant fait l’objet d’un suivi de 12 mois pour consigner l’apparition d’événements cardiovasculaires et cérébrovasculaires graves tels que : revascularisation coronaire, syndromes coronariens aigus mortels ou non, événements syncopaux, infarctus du myocarde, accidents vasculaires cérébraux mortels ou non, et accidents ischémiques transitoires. Au cours de la période de suivi, 17 patients ont présenté un événement cardiovasculaire, notamment 11 infarctus du myocarde, 3 accidents vasculaires cérébraux et 3 événements syncopaux.
Les résultats de l’étude
Les résultats obtenus confirment la confiance dans l’utilisation de l’IA en cardiologie, les modèles basés sur les machines à vecteur de support, les réseaux de neurones profonds et XGBoost ont atteint une précision de 91,80 %, 90,19 % et 89,10 %, respectivement.
De plus, l’adaptation de ces modèles pour fonctionner en temps réel aidera certainement à mettre en place une surveillance personnalisée et continue pour suivre la santé cardiaque des patients ou celle de personnes travaillant dans des environnements stressants ou pendant de très longues durées.
Source de l’article :
« Cardiovascular Events Prediction using Artificial Intelligence Models and Heart Rate Variability »
https://doi.org/10.1016/j.procs.2022.07.030 Procedia Computer Science
- Mohamm Moshawrab, Département de Mathématiques, Informatique et Génie, Université du Québec à Rimouski
- Mehdi Adda, Département de Mathématiques, Informatique et Génie, Université du Québec à Rimouski
- Abdenour Bouzouane, Département D’informatique et de Mathématique, Université du Quebec à Chicoutimi
- Hussein Ibrahim, Institut Technologique de Maintenance Industrielle, Québec
- Ali Raad, Dean of the Faculty of Science and Arts, Islamic University of Lebanon
