Prédire la mortalité à partir d'un ECG, sans étiquette : ce que mesure vraiment l'« erreur de reconstruction » d'un autoencodeur

Une équipe de la Medical University d'Innsbruck a entraîné un autoencodeur masqué sur 7,2 millions d'électrocardiogrammes brésiliens, sans jamais lui montrer qui allait mourir. L'idée : plus un ECG s'écarte de la « normale » apprise, plus son erreur de reconstruction est grande, et plus le risque de décès serait élevé. Validé sur 1,6 million de patients de trois continents, le score prédit bien la mortalité toutes causes — mais un examen attentif montre que le mot « auto-supervisé » cache une sélection par les étiquettes, et que le chiffre vedette n'isole jamais ce que l'ECG apporte au-delà de l'âge.

Le contexte

Les maladies cardiovasculaires restent la première cause de mortalité dans le monde, plus de 19 millions de décès par an. On aimerait repérer tôt les personnes à haut risque, mais les scores cliniques classiques reposent sur des variables (tension, cholestérol, antécédents) parfois indisponibles, mal mesurées, ou peu discriminantes à l'échelle d'un individu. L'électrocardiogramme (ECG), l'enregistrement de l'activité électrique du cœur par douze dérivations posées sur la peau, est lui quasi universel, peu coûteux et non invasif — un support idéal pour un score de risque automatisable.

Depuis quelques années, des modèles d'IA lisent l'ECG pour prédire un risque. La plupart sont supervisés : on leur donne une cible (par exemple l'âge du patient) et le score de risque devient l'écart entre la prédiction du modèle et la valeur réelle — le fameux « âge ECG » supérieur à l'âge réel. Le problème, soulignent les auteurs, est que ce score dépend du choix de la cible : le modèle peut apprendre des artefacts propres à la cohorte d'entraînement ou à l'issue visée, au lieu du signal cardiaque lui-même. D'où leur pari : construire un score sans étiquette, entièrement intrinsèque à l'ECG. Deux repères de lecture pour la suite. Le hazard ratio (HR) est un multiplicateur de risque : un HR de 1,40 signifie que le risque de décès augmente de 40 % pour chaque cran de score. Le C-index mesure la capacité à classer correctement deux patients selon leur survie ; 1,0 est parfait, 0,5 équivaut au hasard.

La méthode

Le cœur du travail est un autoencodeur masqué (masked autoencoder). Un autoencodeur est un réseau qui compresse une entrée puis tente de la reconstruire à l'identique ; « masqué » signifie qu'on cache une partie du signal et qu'on demande au modèle de la deviner à partir du reste. Cet apprentissage est dit auto-supervisé : aucune étiquette humaine, le modèle apprend uniquement à partir de la structure du signal. L'architecture retenue est un Vision Transformer (ViT), un réseau qui découpe l'entrée en tuiles et pondère leur importance relative par un mécanisme d'attention — ici en version « Tiny », volontairement petite.

Le modèle est pré-entraîné sur 85 % du jeu CODE, soit 7 212 109 ECG issus d'un réseau de télémédecine de l'État du Minas Gerais (Brésil), enregistrés surtout en soins primaires entre 2010 et 2016. Chaque ECG est ramené à 100 Hz, filtré et normalisé dérivation par dérivation, puis découpé en 36 tuiles dont 80 % sont masquées ; le modèle apprend à reconstruire les portions cachées. À l'usage, l'erreur de reconstruction est l'écart moyen entre l'ECG réel et sa reconstruction, moyenné sur cinq passages. La logique est simple : un tracé « normal », proche de ce que le modèle a massivement vu, se reconstruit bien (erreur faible) ; un tracé atypique se reconstruit mal (erreur élevée). Cette erreur devient le score de risque.

Un détail de méthode, décisif pour la lecture critique : bien que l'entraînement soit sans étiquette, le point d'arrêt du modèle (2 600 pas, moins d'une époque) et sa taille ont été choisis parce qu'ils maximisaient la prédiction de mortalité sur la cohorte interne. Autrement dit, les étiquettes de décès sont bien entrées quelque part dans la fabrication du score. Fait contre-intuitif que les auteurs rapportent honnêtement : les modèles plus gros et mieux entraînés reconstruisent mieux l'ECG… mais prédisent moins bien la mortalité. C'est un modèle volontairement « médiocre » en reconstruction qui a été retenu.

Les résultats

La validation est de grande ampleur : environ 1,6 million de participants, six cohortes sur trois continents — CODE-15 % (Brésil, soins primaires, interne), MIMIC-IV-ECG (États-Unis, soins critiques), HEEDB (États-Unis, hospitalier), CHRIS (Italie, population générale), Innsbruck (Autriche, cardiologie) et UK Biobank (Royaume-Uni). Le suivi médian va de 1,4 à 11 ans, et la mortalité à 5 ans de 1,0 % (CHRIS) à 14,0 % (MIMIC-IV-ECG). Pour chaque hausse d'un écart-type de l'erreur de reconstruction, ajusté sur l'âge et le sexe, le risque de décès augmente de façon consistante : HR de 1,39 dans CODE-15 % (C-index 0,810), 1,39 dans MIMIC (0,731), 1,41 dans HEEDB (0,740), 1,23 à Innsbruck (0,741) et 1,25 dans CHRIS (0,896). Tous les intervalles de confiance excluent nettement le hasard.

Le signal est nettement plus fort à court terme. Dans HEEDB, le HR passe de 1,46 à 5 ans à 1,61 à 1 an et 2,00 à 30 jours ; l'aire sous la courbe moyenne (une variante temporelle du C-index) vaut 0,776 à 30 jours mais retombe à 0,667 à 5 ans. Traduction clinique : un patient au 90ᵉ percentile de l'erreur a environ six fois le risque de décès à 30 jours d'un patient au 10ᵉ percentile — chiffre illustratif, extrapolé sur 2,6 écarts-types en supposant une relation log-linéaire. En version binaire (seuil fixé à un écart-type au-dessus de la moyenne brésilienne), les patients « à haut risque » ont un HR de 2,00 dans MIMIC, 1,95 dans HEEDB, 1,53 à Innsbruck, jusqu'à 1,27 dans UK Biobank. Mais la proportion classée à haut risque varie énormément selon la cohorte : de 1,8 % (CHRIS) à 25,3 % (MIMIC) — indice que le seuil ne se transporte pas tel quel d'une population à l'autre.

Ce qui est bien

Code, poids et données ouverts, sans argent d'industriel. Le code et les poids du modèle sont publiés sur GitHub sous licence CC BY 4.0, et les grands jeux de données (CODE, MIMIC-IV-ECG, HEEDB, CHRIS, UK Biobank) sont accessibles sur demande. Le financement est exclusivement interne à la Medical University d'Innsbruck, sans sponsor commercial, et aucun conflit d'intérêts n'est déclaré. Sur un sujet où les scores propriétaires prolifèrent, cette transparence permet à quiconque de rejouer et d'auditer l'analyse.

Une validation externe rare par son échelle et sa franchise. Confronter le même score à six cohortes — soins primaires brésiliens, réanimation américaine, population générale italienne, cardiologie autrichienne — sur 1,6 million de personnes est un effort de généralisation très au-dessus de la moyenne du domaine. Et l'équipe ne masque pas les hétérogénéités gênantes : elle signale par exemple que la mortalité de CHRIS, recueillie via avis de décès et contacts familiaux, sous-estime probablement les décès et atténue le HR.

Une idée élégante, et un résultat contre-intuitif rapporté sans le lisser. Fonder le risque sur la seule « distance à la normale » d'un ECG, sans cible externe, est conceptuellement propre. Surtout, découvrir qu'un modèle qui reconstruit moins bien prédit mieux la mortalité est le genre de résultat gênant qu'on est tenté d'enfouir ; ici il est décrit et discuté, ce qui en dit long sur la maturité de l'analyse — même si, on va le voir, il devrait aussi inquiéter.

Ce qui est moins bien

Le mot « auto-supervisé » masque une fuite par la sélection de modèle. L'argument marketing du papier est un score « sans étiquette ». Mais le point d'arrêt et la taille du modèle ont été choisis sur leur performance de mortalité dans CODE-15 %. Les étiquettes de décès pilotent donc la construction du score, et CODE-15 % n'est plus une validation interne réellement indépendante : ses C-index sont optimistes. C'est une forme de data leakage par la porte de la sélection de modèle — subtile, à peine mentionnée, mais qui affaiblit la promesse centrale. Le résultat contre-intuitif « mauvaise reconstruction = meilleure prédiction » est d'ailleurs un signal d'alarme : il suggère que ce n'est pas la qualité de la modélisation cardiaque qui prédit, mais autre chose que la reconstruction dégradée laisse passer.

La métrique vedette n'isole jamais l'apport propre de l'ECG, et il n'y a pas de vrai comparateur. Tous les C-index rapportés (0,73 à 0,90) proviennent de modèles qui incluent déjà l'âge et le sexe. Or l'âge est à lui seul un prédicteur massif de mortalité — le C-index de 0,896 dans CHRIS est presque certainement porté par l'âge, pas par l'ECG. Le papier ne fournit ni gain de C-index, ni indice de reclassement, du score par rapport à l'âge et au sexe seuls : on ne sait donc pas ce que l'erreur de reconstruction ajoute réellement. S'y ajoute l'absence de comparateur : aucune confrontation directe avec un score AI-ECG supervisé existant ni avec un score de risque clinique établi. Un HR élevé « en plus de l'âge » n'est pas une preuve d'utilité tant que ce test n'est pas fait.

Un raccourci probable : le score capte l'état aigu, pas seulement le risque intrinsèque. L'erreur de reconstruction pourrait être surtout un marqueur de « patient malade maintenant » — bruit, artefact, arythmie, stimulateur, ECG de réanimation — plutôt qu'un risque cardiaque de fond. Trois indices convergent : le signal est le plus fort à 30 jours et s'affaiblit à 5 ans ; c'est en réanimation (MIMIC) que le taux de patients étiquetés à haut risque explose à 25 % ; et le modèle, sous-entraîné, produit des reconstructions quasi nulles sur la dérivation III — un artefact d'apprentissage, pas de la physiologie. Ce shortcut learning possible, combiné à un seuil non transportable (1,8 % contre 25,3 % de patients « à haut risque » selon la cohorte), à la nature rétrospective de l'étude, à l'absence de mortalité de cause spécifique (tout est « toutes causes ») et au statut de préprint non relu, impose la prudence.

Ce que ça change

Pour la communauté de recherche, l'étude est à la fois une bonne idée et un cas d'école méthodologique. Les scores de risque auto-supervisés sont une piste attractive — ils échappent au biais du choix de cible — mais leur évaluation doit franchir deux barres que ce travail ne franchit pas encore : isoler le gain au-delà de l'âge et du sexe (gain de C-index, reclassement), et démontrer que le signal n'est pas un simple proxy de gravité aiguë. Le vrai chantier est là : validation prospective, endpoints de cause spécifique, et sélection de modèle qui ne s'appuie pas sur les étiquettes de sortie.

Pour les cliniciens, rien ne change aujourd'hui, et c'est l'information utile : il s'agit d'un prototype de recherche, sans validation prospective, sans comparaison à un score existant, avec un seuil qui se recalibre d'une population à l'autre. Aucune décision de soin ne doit en découler. Le mérite du score est heuristique — il pourrait, à terme, signaler des ECG « atypiques » méritant un second regard — pas décisionnel.

Pour les patients et le grand public, l'histoire est un bon antidote aux titres du type « une IA lit votre ECG et prédit votre décès ». La question à poser n'est pas « quel est son taux de réussite ? » mais « bat-elle un simple calcul d'âge, et a-t-elle été testée en conditions réelles, en prospectif ? ». Ici, la réponse honnête est : on ne le sait pas encore. C'est précisément ce que l'article, à son crédit, ne cache pas — et ce que son emballage « auto-supervisé » tend malgré tout à faire oublier.

Pour aller plus loin

Le préprint est disponible sur medRxiv (2026.07.10.26357749), déposé en juillet 2026 par Angus Nicolson, Samuel Pröll, Riccardo Lunelli, Hagen Blankenburg, Peter Pramstaller, Christian Fuchsberger, Axel Bauer et Clemens Dlaska (Medical University Innsbruck ; Eurac Research, Bolzano) ; il n'a pas encore été relu par les pairs. Le code et les poids sont sur GitHub. Sur l'IA appliquée à l'ECG et les scores pronostiques, voir nos décryptages sur un autre apprentissage auto-supervisé sur l'ECG 12 dérivations, sur la prédiction de mortalité en réanimation sur MIMIC-IV et l'importance de la calibration, et sur la prédiction de fibrillation atriale à partir d'un ECG portable.

Transparence éditoriale : version française rédigée et signée par la rédaction de Tatakoto à partir de la lecture du préprint. Traductions anglaise, espagnole et chinoise produites avec assistance IA et relues.