Élaboration et validation d’un score piloté par apprentissage automatique pour prédire le rendement diagnostique de la biopsie endomyocardique

Pourquoi cela importe pour les personnes atteintes d’insuffisance cardiaque

Lorsque les médecins ne parviennent pas à déterminer la cause d’une insuffisance cardiaque, ils prélèvent parfois de petits fragments de tissu cardiaque par une procédure appelée biopsie. Cet examen peut révéler des maladies cachées nécessitant un traitement spécifique, mais il est invasif, comporte certains risques et fournit souvent une réponse peu claire. Cette étude pose une question simple, centrée sur le patient : peut‑on combiner des informations issues d’examens d’imagerie et d’analyses sanguines en un score intelligent qui indique aux cliniciens à l’avance si une biopsie cardiaque a de fortes chances d’être réellement utile ?

Un examen cardiaque risqué analysé de près

La biopsie endomyocardique, au cours de laquelle un petit instrument est guidé par une veine jusque dans le cœur pour prélever des échantillons de tissu, a longtemps été l’ultime recours quand la cause d’une insuffisance cardiaque demeure inconnue. Pourtant, dans la pratique courante, la plupart de ces biopsies n’identifient pas une maladie spécifique. Dans cette étude, les chercheurs ont examiné 775 personnes atteintes d’insuffisance cardiaque d’étiologie inconnue prises en charge dans un hôpital suédois. Toutes avaient subi une biopsie dans le cadre de leur bilan. Seule une biopsie sur cinq environ (19,9 %) a permis d’obtenir un diagnostic net, le plus souvent une maladie de dépôt protéique appelée amylose cardiaque. Un second groupe indépendant de 171 patients d’un hôpital italien a ensuite été utilisé pour tester la fiabilité des résultats.

Transformer les examens et les analyses sanguines en score prédictif

L’équipe a rassemblé une large gamme d’informations recueillies de façon routinière avant la biopsie : échocardiographie, IRM cardiaque, tension artérielle, fonction rénale, tracés du rythme cardiaque et marqueurs sanguins de souffrance myocardique. Ils ont ensuite comparé plusieurs méthodes d’apprentissage automatique pour déterminer laquelle distinguait le mieux les patients dont la biopsie serait diagnostique de ceux dont la biopsie serait non concluante. Une méthode appelée random forests a donné les meilleurs résultats. À partir de là, les chercheurs ont distillé un score simple de 0 à 100 fondé sur seulement neuf facteurs, accordant un poids particulier aux aspects de type cicatriciel sur l’IRM cardiaque et à deux mesures sanguines : une hormone liée à l’insuffisance cardiaque (NT‑proBNP) et le débit de filtration rénale.

Ce que révèle le scanner cardiaque

Le caractère d’IRM le plus déterminant était le « rehaussement tardif au gadolinium » — des zones lumineuses qui repèrent le tissu cardiaque malade — en particulier lorsqu’il concerne le côté droit du cœur, les parois inférieure et latérale du ventricule gauche, et les cavités cardiaques supérieures. Les personnes présentant ces motifs, associées à des taux élevés de NT‑proBNP et à une fonction rénale diminuée, avaient beaucoup plus de chances d’avoir une biopsie révélatrice d’une maladie spécifique. En revanche, des zones lumineuses limitées à la paroi antérieure étaient liées à une probabilité moindre d’obtenir une biopsie significative. Lors des tests, le score a bien séparé les biopsies à fort rendement des biopsies à faible rendement : la mesure de précision, appelée aire sous la courbe, était d’environ 0,9 tant dans le groupe initial que dans le groupe externe, ce qui est considéré comme excellent.

Aider à décider qui a réellement besoin d’une biopsie

Pour rendre le score utile au chevet, les auteurs ont examiné la performance de différentes valeurs seuils. Un score de 60 ou plus identifiait un groupe restreint de patients chez qui la probabilité d’une biopsie diagnostique était très élevée, avec presque aucune fausse alarme dans les deux hôpitaux. Ce seuil privilégie la stratégie de « confirmation » des patients pour la biopsie lorsque le gain est maximal, ce qui est important car les biopsies sont des procédures invasives. Le score a été particulièrement performant pour repérer l’amylose cardiaque, une affection qui s’accompagne souvent de modifications IRM étendues et d’analyses sanguines fortement anormales. Même en excluant les cas d’amylose, le score apportait toujours un bénéfice net par rapport à la stratégie consistant à biopsier tout le monde ou personne, en particulier pour les patients suspects de maladies cardiaques infiltratives ou inflammatoires.

Ce que cela signifie pour les patients et les médecins

Pour les personnes confrontées à une insuffisance cardiaque énigmatique, ce travail propose un moyen de rendre la décision d’effectuer une biopsie plus fondée sur les preuves et moins tributaire de l’intuition individuelle. En combinant des motifs issus des IRM et des analyses sanguines courantes en une échelle claire de 0 à 100, le score aide à identifier qui est le plus susceptible de bénéficier d’un prélèvement de tissu cardiaque et qui peut probablement être épargné des risques et du stress. Les auteurs insistent sur le fait que le score ne doit pas remplacer le jugement clinique ni les nouveaux tests non invasifs, mais doit plutôt servir d’aide à la décision dans les cas limites. Dans la pratique quotidienne, un tel outil pourrait réduire les procédures inutiles, concentrer les biopsies là où elles sont les plus informatives et, finalement, accélérer le chemin vers le bon diagnostic et le traitement pour les patients atteints d’insuffisance cardiaque inexpliquée.

Citation: Basile, C., Polte, C.L., Gentile, P. et al. Derivation and validation of a machine learning-driven score to predict the diagnostic yield of endomyocardial biopsy. npj Digit. Med. 9, 228 (2026). https://doi.org/10.1038/s41746-026-02421-y

Mots-clés: insuffisance cardiaque, biopsie cardiaque, IRM cardiaque, apprentissage automatique, amylose cardiaque