La fibrillation auriculaire (ou AFib) est l’un des troubles du rythme cardiaque les plus fréquents. Elle touche des millions de personnes dans le monde. Sa détection précoce est donc essentielle… mais elle reste un défi, surtout lorsque les outils médicaux doivent être précis, rapides et peu coûteux.
C’est à cette problématique que s’attaque Lennert Bontinck, chercheur en intelligence artificielle à l’Université de Gand, partenaire du projet VasculAI. Dans son article scientifique intitulé “CSD-AFNet: Computationally Efficient Atrial Fibrillation Classification from ECGs using 2D Causal Strided Dilated Convolutions”, il présente une innovation majeure : un modèle d’intelligence artificielle ultra-léger capable d’identifier la fibrillation auriculaire à partir d’un simple électrocardiogramme (ECG).
Une IA plus rapide et plus sobre
Les modèles de deep learning appliqués à l’ECG peuvent reconnaître des signaux subtils révélateurs d’arythmie, mais ils demandent souvent beaucoup de puissance de calcul. Or, dans un futur où la santé connectée se joue aussi sur des bracelets intelligents ou des capteurs portables, cette contrainte devient critique.
Le modèle CSD-AFNet propose une solution ingénieuse : il réduit drastiquement la taille et la complexité du réseau de neurones tout en conservant une excellente précision de détection. Il utilise pour cela des techniques de convolution dites “causales et dilatées”, capables de comprendre les variations temporelles du rythme cardiaque sans perdre d’informations essentielles.
Résultat ? Un modèle environ 70 fois plus léger que certaines architectures existantes, tout en maintenant un niveau de performance comparable.
Une avancée pour la médecine préventive
Cette recherche ouvre la voie à une IA médicale plus accessible et économe en énergie, pouvant être intégrée à des dispositifs embarqués. Dans le cadre du projet VasculAI, ces innovations s’inscrivent dans une même ambition : prévenir les maladies cardiovasculaires grâce à l’intelligence artificielle, notamment via des outils non invasifs comme les bracelets électroniques.
En combinant l’expertise technologique de l’Université de Gand et la recherche clinique menée en France et en Wallonie, VasculAI œuvre pour une médecine préventive plus humaine, plus connectée et plus proche du patient.
👉 Pour en savoir plus, consultez la publication complète de Lennert Bontinck :
CSD-AFNet: Computationally Efficient Atrial Fibrillation Classification from ECGs using 2D Causal Strided Dilated Convolutions
Un article publié par Lennert Bontinck, Aranka Steyaert, Hongbing Chen, Tom Dhaene and Dirk Deschrijver
