L'essentiel de l’actualité en imagerie à l’ACC 2026

Intelligence artificielle en imagerie cardiovasculaire : échocardiographie, ECG et détection précoce des maladies cardiaques

Le congrès de l'ACC 2026, qui s’est tenu à la Nouvelle-Orléans, a mis en avant la place de l'intelligence artificielle (IA) dans l'analyse des données d'imagerie.

Dans la session du dimanche 29 mars « Intelligence artificielle du pixel au pronostic » modérée par le Pr Carolyn S. P. Lam (Singapour) et le Dr Srinath Adusumalli (Wynnewood), le Dr Rohan Khera (New Haven, Yale University) a souligné la place de l’IA dans la détection précoce des maladies cardiovasculaires par l’imagerie.  
Dans différents travaux, son équipe a pu intégrer l'IA dans la détection précoce de pathologies cardiovasculaires telles que la sténose aortique et les cardiomyopathies^1–3 (Figure 1).

Figure 1 : Résumé de l’étude « Severe aortic stenosis detection by deep learning applied to echocardiography »³. Un modèle par « deep learning » a été entraîné pour détecter la sténose aortique sévère à l'aide d'une incidence échocardiographie parasternale grand axe, sans imagerie Doppler. Le modèle a maintenu des performances élevées dans plusieurs cohortes géographiquement et temporellement distinctes.

Dans l'étude PANECHO, il a aussi souligné la place du deep learning pour à la fois l'interprétation complète multi-vues de l'échocardiographie et la rédaction complète d'un compte rendu automatisé⁴. Dans cette étude, un système d'IA capable d'interpréter automatiquement les échocardiographies a maintenu une précision élevée que ce soit à partir d'examens complets ou limités. Ce système d'IA pourrait être utilisé comme une aide dans les laboratoires d'échocardiographie ou comme un outil de dépistage assisté par l'IA dans les contextes de soins de proximité (POCUS).

Par ailleurs, le Dr Rohan Khera a aussi souligné l’importance d’une approche intégrative, combinant des données complémentaires à l’échocardiographie. L’intégration de l’analyse de l’ECG en complément de l’échocardiographie, pourrait avoir un effet synergique dans la stratification du risque du patient. Dans l’étude de la détection de l’amylose, l’analyse combinée par IA de l’ECG et de l’échographie permettrait d’améliorer la détection de la maladie des années précédant la détection par la médecine nucléaire⁵ (Figure 2). 

Figure 2 : Résumé de l’étude « Artificial intelligence-enabled electrocardiography and echocardiography to track preclinical progression of transthyretin amyloid cardiomyopathy » 5. HMH, Houston Methodist Hospitals ; TTE, échographie transthoracique ; YNHHS, Yale-New Haven Health System.

L'interprétation par l'IA des vidéos d'échocardiographie et des ECG peut servir de biomarqueurs numériques de la progression de la maladie lors des stades précliniques précoces et cliniques de l'amylose cardiaque à transthyrétine (ATTR-CM). Cette étude montre que, parmi deux cohortes géographiquement distinctes de personnes adressées pour une scintigraphie cardiaque à la recherche d'une amylose, les « cas » présentent une progression nettement plus rapide de la probabilité définie par l'IA dans les années précédant l'examen scintigraphique, comparativement aux « témoins » ; un résultat cohérent entre les cohortes et les modalités. Ces conclusions suggèrent que l'échocardiographie et l'ECG assistés par l'IA pourraient être capables d'identifier les personnes à risque d'ATTR-CM jusqu'à 3 ans avant le diagnostic clinique via les parcours de soins standards.

Dans la session du dimanche 29 mars, « Du code à la clinique : l’intelligence artificielle transforme l’imagerie cardiaque », modérée par le Dr Damini Dey (Los Angeles) et le Pr Jeffrey Hill (North Brookfield), le Pr Partho P. Sengupta a discuté la place des technologies émergentes prêtes à transformer l'imagerie cardiovasculaire.

Il a tout d’abord distingué dans un 1^er axe l’importance de l’IA en imagerie pour le dépistage cardiovasculaire et l’orientation du patient (Figure 3).⁶

Figure 3 : Ce modèle structurel, guidé par l'IA, organise le continuum de soins des valvulopathies en trois zones interconnectées : la détection précoce à domicile via des objets connectés (zone bleue) ; l'évaluation ambulatoire ciblée par POCUS et biomarqueurs (zone rouge) la prise en charge hospitalière spécialisée avec imagerie avancée et jumeaux numériques (zone verte). L'IA assure le flux de données entre ces étapes, facilitant le dépistage de Niveau 1 et 2 ainsi que l'orientation rapide vers la Heart Team. Ce système permet une coordination continue et une thérapie personnalisée, transformant les pixels de l'imagerie en décisions cliniques concrètes.

Ensuite, il a présenté l’intérêt de l'IA agentique (agentic AI) qui va enrichir les flux de travail ainsi que l'aide à la décision, et amplifier ce que les individus peuvent accomplir ensemble⁷. Contrairement à une IA "passive" qui attend qu'on lui pose une question (comme un dictionnaire), une IA agentique est capable de prendre des initiatives pour atteindre un but.  

Dans un 3^ème axe, est présentée l’importance de l’IA pour appréhender de nouvelles voies pour classer les maladies, grâce à une approche combinée intégrant imagerie, clinique, biochimie et génomique. De plus, la catégorisation des populations par machine learning non supervisée (clustering) semble être prometteuse dans différentes populations⁸.

Enfin, il est rappelé que l’IA n’a pas pour but de remplacer l’imageur⁹. La nouvelle génération d’imageurs doit intégrer l’IA à sa pratique pour augmenter son efficience, permettant ainsi de se recentrer sur le soin du patient. PRIME 2.0 (Proposed Requirements for Cardiovascular Imaging–Related Machine Learning Evaluation) est un document conçu pour normaliser le développement, l'évaluation et les études utilisant des outils d'IA en imagerie cardiovasculaire¹⁰ (Figure 4).

Figure 4. Selon ¹⁰. La croissance rapide de l'IA dans l'imagerie cardiovasculaire souligne la nécessité d'établir des directives structurées pour la présentation des travaux de recherche. Pour répondre à ce besoin, PRIME 2.0 introduit une liste de contrôle élaborée par des experts et spécifique à l'imagerie cardiaque, articulée autour de sept domaines d'étude clés couvrant l'ensemble du cycle de vie de la recherche en IA.

L’intelligence artificielle pour optimiser la prise en charge des valvulopathies : les résultats de l’étude ALERT, présentée à l’ACC

L’étude ALERT, dont l’auteur principal est le Pr Wayne B. Batchelor (Professor of Medicine, Duke University School of Medicine), a été présentée Dimanche 29 mars, dans la session « Featured Clinical research ». D’après les premiers résultats, une notification électronique automatisée basée sur l’intelligence artificielle (IA) accélère l'accès aux soins spécialisés et aux interventions valvulaires.

Messages clés : IA et dépistage des valvulopathies par imagerie cardiovasculaire

L'alerte électronique automatisée améliore significativement le taux de recours aux équipes multidisciplinaires et aux interventions valvulaires (Win Ratio 1,27 ; p=0,007) chez les patients atteints de sténose aortique ou d'insuffisance mitrale significatives diagnostiquées en échocardiographie, réduisant ainsi les délais de prise en charge.

Introduction : diagnostic tardif des valvulopathies, apport de l’IA en échocardiographie

Malgré les recommandations actuelles, moins de 50 % des patients souffrant de rétrécissement aortique (RA) ou d'insuffisance mitrale (IM) sévères reçoivent un traitement dans les 90 jours suivant le diagnostic, avec des disparités marquées selon l’âge, le sexe ou l'origine ethnique. L'étude ALERT a évalué si une notification électronique automatisée, basée sur l'analyse des comptes rendus d'échocardiographie par intelligence artificielle (Natural Language Processing), pouvait optimiser le parcours de soin et l'orientation vers une équipe multidisciplinaire.

Méthodologie et résultats de l’étude ALERT : alerte électronique basée sur l’IA en imagerie

Cette étude prospective, randomisée a été menée dans 5 systèmes de santé américains (35 hôpitaux). Un total de 1 905 patients présentant un RA significatif ou une IM moyenne à sévère ont été inclus. Les cliniciens ont été randomisés (1:1) pour recevoir ou non une alerte électronique en temps réel via la plateforme Tempus Next.

Le critère de jugement principal était un critère composite hiérarchisé associant l’intervention valvulaire (chirurgicale ou percutanée) et une consultation avec l’équipe multidisciplinaire dans les 90 jours.

Résultats clés de l’impact clinique d’une alerte IA sur les interventions valvulaires :

• Critère principal : L'utilisation de l'alerte a montré une supériorité nette avec un Win Ratio global de 1,27 (IC 95 % : 1,05 - 1,54 ; p=0,007).
• Intervention valvulaire : À 90 jours, le taux d'intervention était de 13,4 % dans le groupe « Alerte » contre 9,6 % dans le groupe contrôle (p=0,005).
• Consultation multidisciplinaire : Le recours à l'expertise spécialisée était également plus fréquent dans le groupe « Alerte » (22,7 % vs 17,9 % ; p=0,005) (Figure 5).

Figure 5 : Courbes de Kaplan-Meier montrant (A) le délai avant le critère de jugement principal (intervention valvulaire ou évaluation par l'équipe multidisciplinaire), (B) le délai avant la consultation avec l'équipe multidisciplinaire, et (C) le délai avant l'intervention valvulaire chirurgicale ou percutanée dans les 90 jours au sein de la population.

Icônes et innovations marquantes en imagerie : : échocardiographie, médecine nucléaire, scanner et IRM

Dans une session du lundi 30 mars « Icônes et innovations marquantes en imagerie » les leaders de l’ACC et des principales sociétés d’imagerie cardiovasculaire avancée (ASE/ASNC/SCCT/SCMR) ont discuté des avancées majeures dans leurs domaines respectifs depuis l’ACC.2025.

La session était modérée par le Dr Ron Blankstein (Boston) et le Dr Leslee J. Shaw (New York).

Echocardiographie : IA et recommandations récentes

Le Dr David H. Wiener (Philadelphia), président de l’ASE, a présenté les innovations et travaux marquants depuis l’ACC 2025 en échocardiographie.

Dans le domaine de l’IA, il a mis en avant l’étude EchoNet¹² qui a montré la précision d’un modèle de segmentation des cavités cardiaques basé sur le deep learning avec une précision élevée en comparaison avec les mesures manuelles réalisées par des sonographeurs.

Il a aussi souligné que de nombreux software d’IA sont déjà commercialisés (US2AI, Ultromics, Ultrasight); et certains outils révolutionnaires sont encore à l’étude (imagerie échocardiographique portable sous forme de puce¹³) (Figure 6).

Figure 6. Selon¹³. Schémas montrant une vue de l'imageur portable avec les composants clés étiquetés (à gauche) et son principe de fonctionnement (à droite).

Il a aussi été mis en avant en 2025 la mise à jour des recommandations sur le strain par l’ASE et l’EACVI¹⁴ avec des indications croissantes.

Il a aussi souligné sur la nécessité de travailler de manière globale sur la qualité d’un compte rendu d’échocardiographie pour faciliter le recueil informatisé des données intégrant l’IA¹⁵.

Médecine nucléaire

Le Pr Jamiseon M. Bourque (Charlottesville), président de l’ASNC, a présenté les innovations et travaux marquants depuis l’ACC 2025 en médecine nucléaire. Il a tout d’abord souligné la diversité des nouveaux radiotraceurs en PET, SPECT, dans la caractérisation de la cardiopathie ischémique et amyloïde^16,17, et l’expansion de l’imagerie de perfusion en PET.

Il a aussi rappelé la place de l’imagerie de perfusion en PET dans les recommandations AHA/ACC sur la douleur thoracique et AHA/ACC et ESC la maladie coronaire chronique.

Scanner cardiaque

Le Dr Kavitha Chinnaiya (Royal Oak), présidente de la SCCT, a présenté les innovations et travaux marquants depuis l’ACC 2025 en scanner.

Elle a axé sa présentation sur la caractérisation de l’inflammation, notamment grâce à l’évaluation du Fat Attenuation Index (FAI) qui détecte l’inflammation vasculaire par analyse de la graisse périvasculaire et reflète ainsi l’activité de la maladie avant que la sténose ne soit visible. Dans une méta-analyse récente,¹⁸ le FAI est associé aux MACE et permet de distinguer les plaques vulnérables, des plaques stables. 

Ensuite, elle a souligné que l’évaluation du risque de la plaque d’athérome, est plus complexe que l’évaluation isolée quantitative de la sténose, comme cela a été expliqué dans un document récent de guidelines américaines¹⁹.

Enfin, il a été mis en avant la littérature croissante sur l’angioplastie guidée par le TDM²⁰.

Figure 7 : Selon ²⁰ Scanner cardiaque pour la planification d'une intervention coronaire percutanée

IRM cardiaque

Le Pr Vanessa M. Ferreira (Headington, Oxfordshire, United Kingdom) présidente de la SCMR, a présenté les innovations et travaux marquants depuis l’ACC 2025 en IRM.

Elle a mis en avant les résultats de l’étude iMODERN²¹ qui montre que, chez les patients ayant subi un STEMI, une intervention immédiate sur les lésions non coupables, guidée par l'iFR (instantaneous wave free ratio) n'est pas supérieure à une stratégie différée guidée par l'IRM de stress. À trois ans, aucune différence significative n'a été observée sur le critère composite de décès, de réinfarctus ou d'hospitalisation pour insuffisance cardiaque. Bien que l'iFR identifie deux fois plus de lésions ischémiques que l'IRM, les deux approches garantissent des résultats cliniques similaires à long terme.

Elle a aussi discuté des résultats d’une étude sur l’amylose en IRM²² qui étudie la cartographie du volume extracellulaire (ECV) au cours de la prise en charge d’un patient avec amylose et permet de suivre précisément la charge amyloïde dans la cardiomyopathie ATTR. Chez les patients non traités, la charge amyloïde progresse significativement (ECV +6,8 % à 2 ans), tandis que le traitement par patisiran stabilise la maladie chez la majorité des patients. Enfin, une progression de l'ECV de plus de 5 % est indépendamment associée à une augmentation de la mortalité.

Figure 8. Selon²². Cardiomyopathie amyloïde à transthyrétine : histoire naturelle et réponse au traitement évaluées par résonance magnétique cardiovasculaire.