Prédiction du résultat par échocardiographie dans le bloc de branche gauche (EchoLBBB)

Le projet étudie les patients atteints de bloc de branche gauche (LBBB) qui décrit un bloc spécifique dans le système de conduction électrique, où les impulsions électriques doivent suivre un détour, avec pour résultat que différentes parties du muscle cardiaque ne se contractent pas en même temps . Cette condition est appelée dyssynchronie ventriculaire gauche. LBBB peut être trouvé chez des personnes qui sont par ailleurs en parfaite santé et n'ont pas besoin d'avoir de conséquences pratiques. Dans d'autres cas, le LBBB est présent chez des patients atteints de différentes maladies cardiaques, comme après un infarctus du myocarde ou d'autres maladies impliquant le muscle cardiaque. Les patients porteurs de stimulateurs cardiaques implantés ont une défaillance similaire dans le système de conduction. Les deux conditions peuvent augmenter le risque de développement d'insuffisance cardiaque et de décès cardiovasculaire. La dyssynchronie peut être traitée avec un stimulateur cardiaque spécial (thérapie de resynchronisation cardiaque, CRT) en plus d'un traitement médical régulier. La thérapie est bien établie et a montré qu'elle réduisait la morbidité et la mortalité et même qu'elle renversait complètement l'insuffisance cardiaque chez certains patients. Cependant, les patients qui en ont besoin et qui répondent au traitement CRT ne sont toujours pas définis de manière optimale. De nouveaux paramètres échocardiographiques basés sur l'imagerie de contrainte tels que le travail myocardique régional sont capables de quantifier le degré de désynchronisation et de donner de nouvelles informations sur l'interaction du retard d'activation par le LBBB et les conditions de charge et la faiblesse du myocarde due à d'autres maladies. Ces mesures nouvelles et complexes peuvent être intégrées aux informations cliniques par apprentissage automatique (ML) en tant qu'outils prometteurs pour une sélection précise des patients pour la CRT. Le projet vise à trouver des marqueurs échographiques améliorés par sélection basée sur ML pour distinguer les patients qui ont des problèmes associés au bloc de branche de ceux qui restent stables. Cela facilitera à la fois une sélection optimisée des patients pour le traitement CRT et un calendrier de suivi pour ceux qui ont un état stable.