EchoFocus-CHD est un modèle d'IA multitâche qui détecte automatiquement 12 lésions cardiaques congénitales critiques et 8 non critiques sur l'échocardiographie standard. Sur une cohorte externe, le modèle a correspondu à l'interprétation d'experts, avec la promesse d'étendre l'expertise échocardiographique pédiatrique rare au-delà des centres universitaires. Un exemple concret de là où l'imagerie assistée par l'IA peut rapidement apporter une valeur clinique en médecine de premier recours et dans les hôpitaux plus petits.
Contexte : Le diagnostic tardif ou manqué de la cardiopathie congénitale (CC) contribue à la surmortalité pédiatrique dans le monde entier. L’échocardiographie (écho) est au cœur du diagnostic et du triage des CC, mais l’interprétation par des experts reste une ressource mondiale rare et mal répartie. L’intelligence artificielle (IA) offre le potentiel de démocratiser le diagnostic et d’étendre l’interprétation de niveau expert au-delà des grands centres académiques, mais son application dans les CC reste peu explorée. Méthodes : Nous avons développé EchoFocus-CHD, un modèle alimenté par l’IA pour la détection automatisée de 12 lésions critiques et 8 lésions non critiques de CC, individuellement et sous forme de combinaisons. Le critère de jugement principal était la combinaison des lésions critiques de CC. Le modèle s’appuie sur une architecture multitâche et indépendante de la vue (PanEcho) avec un encodeur à transformateurs afin d’améliorer la focalisation sur les vues échocardiographiques pertinentes. Le modèle a été entraîné (80 %) et testé (20 %) en interne sur la première échocardiographie par patient de l’hôpital pour enfants de Boston (BCH), avec une évaluation complémentaire sur une cohorte de patients référés
