2 minutes de lecture
Interprétation mécanistique in silico des prédicteurs échocardiographiques du remodelage inverse après resynchronisation cardiaque
ESC 2026
Publié le vendredi 28 août 2026
Interne en cardiologie - Rennes
Résumé de l’abstract présenté par le Dr Louis Gegout, interne en cardiologie au CHU de Rennes et membre du Collège des Cardiologues en Formation de la SFC, à l’ESC 2026 à Munich. Co-auteurs : , J. Saleh, J. Beaumont, A. Hernandez, V. Le Rolle, E. Donal — Université de Rennes, CHU Rennes, Inserm, LTSI – UMR 1099, Rennes.
Contexte et objectif
Près d'un tiers des patients éligibles à la resynchronisation cardiaque (CRT) ne présente pas de remodelage inverse. Plusieurs marqueurs échocardiographiques prédisent la réponse, mais leurs déterminants physiopathologiques restent mal compris. Ce travail visait à identifier ces prédicteurs par machine learning, puis à les interpréter à l'aide d'un modèle cardiovasculaire in silico.
Méthodes
Nous avons inclus 152 patients éligibles à la CRT ayant bénéficié d'une échocardiographie avec speckle-tracking avant implantation. La réponse était définie par une réduction d'au moins 15 % du volume télésystolique du ventricule gauche à 6 mois. Les variables cliniques et échocardiographiques (septal flash, durée du QRS, flux transmitral, délai de pré-éjection aortique, intégrales des courbes de strain) ont été analysées par random forest afin d'identifier les marqueurs les plus prédictifs. Une analyse de sensibilité d'un modèle in silico intégrant activation électrique, mécanique atriale et ventriculaire ainsi que circulations systémique et pulmonaire a ensuite précisé les déterminants physiologiques des prédicteurs retenus.
Résultats
106 patients (70 %) étaient répondeurs. Le random forest discriminait bien la réponse (AUC 0,83 ± 0,07). Les prédicteurs les plus influents étaient le rapport E/A, le septal flash, la vitesse de l'onde E, la durée de la diastole, le délai de pré-éjection aortique et les intégrales de strain. Dans le modèle, le rapport E/A, prédicteur le plus fort, dépendait surtout de la compliance de l'oreillette gauche et de la relaxation du ventricule gauche. Le délai de pré-éjection aortique était gouverné par les résistances vasculaires systémiques, l'élastance aortique et la contractilité ventriculaire gauche.
Figure 1 : Jeu de données cliniques et sélection des prédicteurs par machine learning (à gauche). Analyse de sensibilité (au centre). Modèle cardiovasculaire in silico (à droite).
Figure 2 : Paramètres in silico les plus influents sur les principaux prédicteurs : (i) rapport E/A et (ii) délai de pré-éjection aortique.
Conclusion
La fonction diastolique et les conditions de charge apparaissent comme des déterminants centraux du remodelage inverse après CRT, au-delà de la seule dyssynchronie électrique, tandis que le délai de pré-éjection aortique reflète l'interaction entre post-charge et contractilité. Cette approche associant machine learning et modélisation in silico plaide pour un phénotypage échocardiographique guidé par la physiologie afin d'affiner la sélection des patients.
