2 minutes de lecture
Vers une meilleure sélection des patients atteints de cardiomyopathie ischémique candidats au défibrillateur grâce à l'IRM cardiaque et à l’IA
ESC 2026
Publié le jeudi 20 août 2026
Bruxelles
Résumé de l’abstract présenté sous forme d’un ePoster par le Dr Alexandre Unger, cardiologue et membre du Collège des Cardiologues en Formation de la SFC, à l’ESC 2026 à Munich.
La mort subite d'origine cardiaque reste une cause majeure de mortalité chez les patients atteints de cardiomyopathie ischémique.(1) En prévention primaire, l'indication d'un défibrillateur automatique implantable (DAI) repose principalement sur la fraction d'éjection ventriculaire gauche (FEVG)(2). Pourtant, ce critère manque de précision : seuls 20 à 30 % des patients implantés bénéficieront effectivement d'une thérapie appropriée du DAI, tandis que certains patients non éligibles restent exposés à un risque élevé de mort subite.(3)
Notre étude avait pour objectif de développer un score pronostique basé sur l'IRM cardiaque et le machine learning afin d'améliorer la prédiction des événements rythmiques majeurs (thérapie appropriée du DAI, tachycardie ventriculaire soutenue ou mort subite).
À partir de 861 patients atteints de cardiomyopathie ischémique, définie par une insuffisance cardiaque chronique avec une FEVG < 50 % d'origine ischémique documentée (antécédent de revascularisation coronaire, sténose coronaire significative ou cicatrice ischémique identifiée en IRM), inclus dans le registre international multicentrique DERIVATE-ICM,(4) nous avons développé un modèle reposant sur seulement six variables facilement accessibles :
- la FEVG,
- la classe NYHA,
- le volume télédiastolique indexé du ventricule gauche,
- la surface de l'oreillette gauche,
- l'étendue de la fibrose myocardique dense et non dense évaluée par le rehaussement tardif au gadolinium (LGE) en IRM
Après un suivi médian de 2,7 ans, 88 patients ont présenté un événement rythmique majeur. Dans la cohorte de validation interne, le score ICM-RiskML a montré une meilleure capacité de discrimination que les critères actuels des recommandations, avec une spécificité de 78 % contre 38 % pour les critères reposant sur la seule FEVG, tout en améliorant la précision globale de la stratification du risque. Il permet notamment de distinguer, parmi les patients ayant une FEVG ≤ 35 % – actuellement considérés comme candidats potentiels au DAI –, ceux réellement à haut risque rythmique de ceux présentant un risque plus faible.
À terme, ce type d'approche pourrait contribuer à réduire les implantations inutiles de DAI tout en améliorant l'identification des patients susceptibles d'en tirer le plus grand bénéfice. Ces résultats suggèrent que l'intégration des données d'IRM cardiaque dans des modèles de machine learning pourrait permettre une sélection plus personnalisée des patients candidats à un DAI prophylactique. Une validation externe est désormais nécessaire avant une utilisation en pratique clinique.
Références
1. Adabag AS, Luepker RV, Roger VL, Gersh BJ. Sudden cardiac death: epidemiology and risk factors. Nat Rev Cardiol. 2010;7:216–225.
2. Zeppenfeld K, Tfelt-Hansen J, de Riva M, et al. 2022 ESC Guidelines for the management of patients with ventricular arrhythmias and the prevention of sudden cardiac death. Eur Heart J. 2022;43:3997–4126.
3. Srivats S, Zghyer F, Shahrori Z, et al. Sudden cardiac arrest: Limitations in risk stratification and treatment, and the potential for digital technologies and artificial intelligence to improve prediction and outcomes. Prog Cardiovasc Dis. 2025;91:144–166.
4. Guaricci AI, Masci PG, Lorenzoni V, Schwitter J, Pontone G. CarDiac MagnEtic Resonance for Primary Prevention Implantable CardioVerter Defibrillator ThErapy international registry: Design and rationale of the DERIVATE study. Int J Cardiol. 2018;261:223–227.
Toute la couverture de l’ESC 2026
