Journal de médecine vasculaire et de chirurgie

Abstrait

L'apprentissage automatique des électrocardiogrammes à 12 dérivations a permis d'identifier le risque héréditaire et la vulnérabilité à la fibrillation auriculaire

Avtar Singh

Les modèles d'intelligence artificielle (IA) appliqués aux formes d'onde ECG à 12 dérivations peuvent prédire la fibrillation auriculaire (FA), une arythmie héréditaire et pathologique. Nous avons émis l'hypothèse que l'estimation du risque basée sur l'ECGAI pourrait avoir une base génétique. Nous avons appliqué le modèle ECGAI pour prédire la fibrillation auriculaire dans les ECG de 39 986 participants de la banque biologique britannique sans fibrillation auriculaire. Ensuite, nous avons réalisé une étude d'association pangénomique (GWAS) du risque prédit de fibrillation auriculaire. Trois signaux (P < 5E8) ont été identifiés aux loci de sensibilité à la FA établis marqués par le gène du sarcomère TTN et les gènes des canaux sodiques SCN5A et SCN10A. Nous avons également identifié deux nouveaux loci près des gènes VGLL2 et EXT1. En revanche, l'étude GWAS d'estimation du risque à partir de modèles de variables cliniques a révélé des profils génétiques différents. Le risque de FA prédit par le modèle EKGAI est affecté par le sarcomère, les canaux ioniques et la variation génétique qui suggère des voies ascendantes. Le modèle ECGAI peut identifier les individus à risque de maladie par des voies biologiques spécifiques.