Détection des pathologies cardiovasculaires à partir des images ECG par l’intelligence artificielle explicable

Abstract

Les pathologies cardiovasculaires regroupent un ensemble de maladies affectant le coeur et les vaisseaux sanguins, telles que l’infarctus du myocarde, les troubles du rythme cardiaque ou les antécédents d’événements cardiaques. Elles représentent aujourd’hui la première cause de mortalité dans le monde, ce qui rend leur détection rapide et fiable indispensable. Ces dernières années, l’intelligence artificielle (IA), et plus particulièrement le Deep Learning a montré un fort potentiel dans l’analyse automatique des images médicales. Cependant, ces modèles sont souvent perçus comme des "boîtes noires", fournissent une prédiction sans expliquer clairement la manière dont la décision a été prise. Or, dans le domaine médical, il est essentiel que les décisions issues de ces systèmes soient compréhensibles, transparentes et justifiables pour les professionnels de santé. C’est dans cette optique que s’inscrit notre travail, dont l’objectif principal est de développer un système d’intelligence artificielle explicable (XAI) capable d’analyser automatiquement des images ECG, tout en renforçant la confiance du corps médical grâce à une explication claire, visuelle et interprétable des résultats. Pour ce faire, plusieurs architectures de Deep Learning ont été testées : un CNN personnalisé, un modèle hybride CNN combiné avec LSTM, et différentes versions de ResNet (de ResNet18 à ResNet152). Le CNN personnalisé s’est distingué par ses performances, atteignant une précision de 95 %. Pour garantir la transparence du système et faciliter l’interprétation médicale, plusieurs techniques d’explicabilité ont été intégrées, notamment LIME, SHAP et Grad-CAM. Ces méthodes permettent de visualiser les zones de l’image ayant le plus influencé sur la prédiction du modèle, renforçant ainsi la confiance clinique dans l’outil. Ce système a été intégré dans une plateforme web collaborative nommé ‘HeartVision’, qui permet aux médecins de se connecter à leur espace sécurisé, de gérer leurs patients, d’ajouter des consultations avec images ECG, d’obtenir une analyse automatique et de générer des rapports médicaux personnalisables. Ce projet montre qu’il est possible de combiner la performance, la transparence et l’utilité clinique dans un outil intelligent d’aide au diagnostic, répondant aux besoins réels du domaine médical.