L’intelligence artificielle (IA) promet d’alerter plus tôt sur l’infarctus : entre ECG “augmentés”, troponines analysées par algorithmes et capteurs portables, que dit vraiment la science en 2024–2025 ?
Définition
Détection pré-symptomatique de l’infarctus : repérage d’indices d’ischémie myocardique avant douleur thoracique ou symptômes (minutes à heures), via ECG, biomarqueurs ou capteurs continus analysés par IA.
Pourquoi détecter “avant la douleur” est si difficile
Un infarctus résulte d’une occlusion coronaire : l’ischémie débute avant la nécrose, mais sa fenêtre silencieuse est variable et souvent brève. Les ECG intermittents “manquent” l’événement ; les troponines montent plus tard ; les capteurs au poignet mesurent des proxies (fréquence, variabilité, SpO₂) plutôt que l’ischémie elle-même. D’où l’intérêt d’algorithmes capables d’extraire des signaux faibles, en continu.
Ce que l’IA sait déjà faire (validé en clinique)
1) Mieux trier à l’arrivée : IA-ECG pour STEMI/NSTEMI
Des modèles IA-ECG appliqués à l’ECG 12 dérivations améliorent la détection des infarctus à l’accueil, réduisant le temps vers traitement et repérant des NSTEMI difficiles à lire.
À retenir : cela accélère la prise en charge au premier contact médical — utile, mais pas encore de la détection à domicile “avant symptômes”.
2) Troponines hautement sensibles + IA : vers des décisions plus précoces
Des travaux 2023–2024 montrent que des algorithmes intégrant troponine (valeur continue) + contexte clinique surpassent des règles fixes pour règle-in/règle-out rapides. Cela peut écourter les parcours aux urgences et diminuer les admissions inutiles.
3) Imagerie et cathlab : l’IA affine l’ischémie en temps réel
En imagerie (IRM, TDM coronaires) et au cathlab, l’IA segmente et quantifie l’ischémie, parfois en temps réel, aidant la décision thérapeutique lors d’événements aigus.
Ce qui émerge vraiment pour le “pré-symptomatique”
1) Monitoring continu (patch ECG, montres/anneaux) + IA
Des revues 2024–2025 suggèrent que le monitoring continu accroît la détection d’épisodes ischémiques transitoires et d’arythmies silencieuses ; des algorithmes sur signaux ECG/PPG cherchent des déviations ST, baisses d’HRV ou altérations de perfusion pouvant précéder la douleur. Les preuves sont encore hétérogènes et souvent limitées par le bruit et l’absence d’essais randomisés “à domicile”.
L’écosystème des smartwatches évolue vers le dépistage opportuniste d’insuffisance ventriculaire ou d’alertes d’anomalies physiologiques, avec des réserves réglementaires (bien-être, non diagnostic). Ce n’est pas (encore) une alerte infarctus validée.
2) ECG “augmenté” par IA pour signaux faibles d’ischémie
Les méta-analyses récentes indiquent une haute précision des modèles profonds pour diagnostiquer l’ischémie/infarctus à partir d’ECG propres, mais soulignent des lacunes : peu de données en conditions “réelles” (bruit, mouvement), protocoles non standardisés, biais de sélection.
3) Nouvelles voies : magnetocardiographie et IA, jumeaux numériques
Des équipes explorent la magnetocardiographie (MCG) avec IA pour localiser précocement l’ischémie, et les digital twins pour simuler la perfusion myocardique et tester des scénarios de risque individuels. Prometteur, mais pré-clinique/early clinical.
Que peut espérer un patient en 2025 ?
– À l’hôpital : triage IA-ECG + troponines hautement sensibles → diagnostic plus rapide et plus sûr de l’infarctus.
– À domicile : les capteurs peuvent surveiller en continu et alerter sur des anomalies non spécifiques ; la détection fiable d’un infarctus avant symptômes reste en développement.
– Sécurité/éthique : éviter les faux positifs anxiogènes, protéger les données et garantir l’explicabilité des modèles demeurent des priorités.
Limites actuelles des études
- Peu d’essais randomisés “vie réelle” à domicile.
- Variabilité des bases ECG, manque de tests sur signaux bruités.
- Généralisation aux populations diverses et intégration réglementaire à parfaire.
À suivre (12–24 mois)
- Essais de monitoring continu pilotés par IA avec endpoints cliniques (douleur, délai de revascularisation, MACE).
- Intégration IA-ECG + biomarqueurs + contexte (comorbidités, médicaments) pour une alerte composite.
- Normalisation reporting (PROBAST-AI, STARD-AI) et interopérabilité.
FAQ
L’IA peut-elle diagnostiquer un infarctus avant la douleur ?
Pas de façon fiable à domicile à ce jour. Les meilleurs résultats concernent le triage à l’hôpital (ECG + troponines) et la réduction des délais de prise en charge. Le pré-symptomatique en ambulatoire est prometteur mais non validé.
Une montre connectée peut-elle me prévenir d’un infarctus ?
Non. Elle peut détecter des signaux non spécifiques (rythme, HRV, SpO₂, “strain”), parfois avant un état infectieux ou une décompensation, mais pas diagnostiquer un infarctus. Certaines fonctions sont classées “bien-être”, sans visée diagnostique.
Les IA sont-elles meilleures que les cardiologues ?
Elles peuvent compléter les cliniciens pour repérer des motifs subtils sur ECG ou imagerie et accélérer les décisions, mais nécessitent validation, supervision et contexte clinique.
Quelles avancées marquantes en 2025 ?
ACC 2025 a mis en avant des IA-ECG améliorant la détection des STEMI/NSTEMI et des flux de travail plus rapides.
Conclusion
L’IA accélère aujourd’hui le diagnostic d’infarctus à l’hôpital (ECG et troponines) et prépare la détection pré-symptomatique via le monitoring continu. Les preuves 2024–2025 sont encourageantes mais encore insuffisantes pour une alerte “anti-infarctus” à domicile. La priorité : essais pragmatiques, interopérabilité et gouvernance des données pour transformer la promesse en bénéfice patient.
Important — Cet article est informatif et ne remplace pas un avis médical. En cas de douleur thoracique, appelez immédiatement les urgences (112/15).
Sources
- Lee M-S, et al. Artificial intelligence applied to electrocardiogram to rule out myocardial infarction. Eur Heart J. 2025. (OUP Academic)
- Doudesis D, et al. Machine learning for diagnosis of myocardial infarction using troponin as continuous. Nat Med. 2023. (Nature)
- Toprak B, et al. Diagnostic accuracy of a machine learning algorithm using POC hs-cTnI. Lancet Digital Health. 2024. (The Lancet)
- ACC. AI-ECG Better Detects Severe Heart Attacks in Emergency Setting (communiqué). 28 oct 2025. (American College of Cardiology)
- Khalifa A, et al. The Digital Revolution in Cardiac Ischemia. Cureus. 2025. (Cureus)
- Gupta V, et al. Multimodal deep learning for AMI. EHJ Digital Health. 2025. (OUP Academic)
- Gragnaniello M, et al. Real-Time MI Detection Approaches. Sensors. 2024. (MDPI)
- Kim A, et al. AI for electrocardiographic diagnosis of ischemia. Anaesthesia. 2025.(ScienceDirect)
- Odeh V-A, et al. Wearables for cardiovascular monitoring. 2024. (PMC)
- AndroidCentral. LVSD screening on Samsung watches (réglementaire). 2025. (Android Central)
- The Verge. Oura Symptom Radar (non diagnostic). 2024. (The Verge)
- Image par OsloMetX
- Voir le dossier complet Médecine & Sciences
- Tous nos articles sur Intelligence artificielle et santé
Articles recommandés dans la même thématique
Alejandro Rojas
Masseur-kinésithérapeuteFondateur du média Première Santé, Alejandro Rojas est masseur-kinésithérapeute diplômé depuis 2005, spécialisé en kinésithérapie respiratoire. Il a exercé en soins intensifs, en pneumologie, en cabinet libéral, et travaille aujourd’hui dans un service de soins palliatifs.