Performance de l’ECG 12 dérivations pour prédire le risque de mort subite cardiaque à court et à long terme

Pourquoi c’est important pour les patients cardiaques

La mort subite cardiaque survient sans avertissement et touche souvent des personnes qui savent déjà qu’elles ont une maladie cardiaque. Beaucoup de ces patients passent régulièrement des électrocardiogrammes (ECG), des examens simples qui enregistrent l’activité électrique du cœur. Cette étude pose une question cruciale pour les patients et les médecins : les informations cachées dans des ECG standards à 12 dérivations, combinées à des données cliniques de base, peuvent‑elles indiquer de manière fiable qui est à risque de mourir subitement, que ce soit dans plusieurs années ou dans un avenir proche ?

À la recherche de signaux d’alerte dans des tests cardiaques courants

Des chercheurs en Finlande ont examiné les dossiers médicaux de 17 625 adultes traités dans un hôpital cardiaque unique qui avaient subi une coronarographie, un examen d’imagerie des vaisseaux nourrissant le cœur. Ces patients étaient déjà considérés à haut risque car beaucoup souffraient de maladie coronarienne ou d’un syndrome coronarien aigu tel qu’un infarctus. Sur une période de seize ans, leurs ECG de routine ont été stockés numériquement, produisant environ un demi‑million d’enregistrements — en moyenne 17 ECG par personne. L’équipe disposait également d’informations détaillées sur la santé de chaque patient, les traitements et les causes de décès, et les a suivis pendant une médiane de 7,5 ans.

Apprendre à un ordinateur à lire l’histoire électrique

Plutôt que de demander à des cardiologues d’examiner visuellement les ECG, les chercheurs se sont appuyés sur des nombres extraits automatiquement par un logiciel commercial largement utilisé. Ces paramètres décrivaient de nombreux aspects du comportement électrique du cœur : la durée de chaque onde, son amplitude selon les dérivations, et la présence de rythmes comme la fibrillation auriculaire. En utilisant cet ensemble de paramètres riche et des facteurs cliniques de base tels que l’âge, la fonction de pompage du cœur et des antécédents cardiaques, ils ont entraîné une méthode d’apprentissage automatique avancée appelée gradient boosting pour distinguer les personnes ayant ultérieurement subi une mort subite cardiaque ou un événement proche de ceux qui ne l’ont pas subi. Ils ont construit des modèles séparés pour trois situations : n’utiliser que le premier ECG après la coronarographie pour prédire le risque à long terme ; utiliser le dernier ECG disponible pour estimer le risque à court terme ; et utiliser le dernier ECG plus l’évolution des caractéristiques ECG au fil du temps.

Quelle a été la performance réelle des modèles ?

Sur le papier, les modèles semblaient très performants lorsqu’ils étaient évalués uniquement sur les données de développement, avec des mesures standard d’exactitude suggérant des performances quasi excellentes. Mais lorsque les chercheurs les ont testés de façon plus réaliste, le tableau est devenu plus modeste. En utilisant un seul ECG de référence, la capacité du modèle à séparer les futurs victimes de mort subite cardiaque des autres atteignait une aire sous la courbe (AUC) d’environ 0,68 — mieux que le hasard, mais loin d’être parfaite. Le dernier ECG pris avant la fin du suivi ne faisait pas mieux lorsqu’il était utilisé seul. Lorsque des facteurs cliniques de risque ont été ajoutés, la performance a légèrement augmenté jusqu’à des valeurs d’AUC d’environ 0,70–0,71. Les meilleurs résultats à court terme provenaient de la combinaison du dernier ECG avec l’information sur l’évolution des caractéristiques ECG au fil des années, atteignant une AUC d’environ 0,72 sur l’ensemble de test. Cependant, lorsque l’équipe a effectué une comparaison équitable entre des patients appariés avec et sans mort subite, ces valeurs sont tombées dans la fourchette moyenne des 0,6.

Limites de la prédiction dans le monde réel

Parce que la mort subite cardiaque était relativement rare — même dans ce groupe à haut risque — une autre mesure appelée précision‑rappel a donné une vision plus sobre. La capacité des modèles à identifier correctement les patients qui allaient réellement subir une mort subite cardiaque restait faible, avec une précision moyenne autour de 0,08–0,11. C’était toutefois à peu près le double de ce que l’on attendrait par simple hasard, mais bien en dessous de ce qui serait nécessaire pour décider en toute confiance qui devrait recevoir des traitements préventifs invasifs tels que des défibrillateurs implantables. Fait important, l’étude incluait de nombreux patients présentant des rythmes irréguliers et des maladies concomitantes graves, contrairement à des recherches antérieures plus sélectives. Ce choix a rendu les résultats plus représentatifs de la pratique clinique quotidienne, mais a aussi rendu la prédiction plus difficile.

Ce que cela signifie pour les patients et les médecins

En termes simples, cette large étude montre que des ECG ordinaires à 12 dérivations, même lorsqu’ils sont interprétés par des algorithmes informatiques sophistiqués et combinés à des données cliniques, ne permettent que de manière modeste de prédire qui mourra subitement parmi des patients cardiaques à haut risque. Les signaux électriques du cœur contiennent des indices utiles — surtout lorsqu’ils sont suivis au fil du temps — mais ils ne sont pas suffisamment puissants à eux seuls pour fournir des réponses tranchées sur qui a besoin d’un traitement préventif agressif. Pour l’instant, médecins et patients doivent continuer de s’appuyer sur un tableau plus large qui inclut la fonction cardiaque, les symptômes, les autres maladies et des outils émergents, tandis que la recherche poursuit sa quête de signaux d’alerte plus forts et plus fiables.

Citation: Hernesniemi, J.A., Pukkila, T., Rankinen, J. et al. Performance of the 12-lead ECG in predicting short- and long-term risk of sudden cardiac death. npj Digit. Med. 9, 317 (2026). https://doi.org/10.1038/s41746-026-02456-1

Mots-clés: mort subite cardiaque, électrocardiogramme, apprentissage automatique, prévision du risque, maladie coronarienne