Classer un électrocardiogramme d'urgence depuis son image : un ensemble ConvNeXt approche les cardiologues sur 18 519 tracés
Une équipe de l'Institut du cœur de São Paulo entraîne un modèle d'apprentissage profond à classer un électrocardiogramme d'urgence non pas à partir du signal numérique, mais à partir de son image — un tracé papier scanné, un PDF ou une photo de téléphone. Sur 18 519 ECG d'urgence répartis en 12 catégories et étiquetés par 19 cardiologues, leur ensemble de modèles ConvNeXt atteint un F1 macro de 0,807, juste sous les 0,820 des cardiologues annotateurs, et fait mieux qu'un algorithme commercial sur la plupart des catégories. L'intérêt n'est pas un score record : c'est de montrer qu'on peut exploiter la masse d'ECG qui n'existent que sous forme d'image, et que le vrai plafond de performance est l'accord entre lecteurs, pas la taille du jeu d'entraînement.
Le contexte
L'électrocardiogramme est l'examen de première ligne de toute urgence cardiaque : douze dérivations, quelques secondes d'enregistrement, et une décision parfois vitale au bout — un infarctus en cours se traite en minutes. Depuis dix ans, l'apprentissage profond a fait d'énormes progrès sur l'ECG, mais presque toujours à partir du signal numérique : la série temporelle brute des voltages, propre et structurée, telle que la stocke un appareil moderne. Or une grande partie de la réalité clinique ne ressemble pas à ça.
Dans bien des services d'urgence, et plus encore dans les systèmes de santé à ressources limitées, l'ECG circule sous forme d'image : un tracé imprimé sur papier millimétré, un report scanné, un PDF d'archive, ou une simple photo prise au téléphone pour demander un avis à distance. Le signal numérique d'origine est souvent inaccessible — perdu, propriétaire, ou jamais exporté. Tout un pan de modèles entraînés sur le signal devient alors inutilisable. La question posée par ce préprint signé Felipe Meneguitti Dias et ses collègues de l'InCor (Heart Institute, Hospital das Clínicas, faculté de médecine de l'université de São Paulo) est directe : peut-on classer un ECG d'urgence de façon fiable en lisant uniquement son image ?
La méthode
Les auteurs construisent InCor-EMG, un jeu de 18 519 ECG d'urgence adjugés par des experts. Chaque tracé est rattaché à l'une de 12 catégories d'ECG (différents types de rythmes et d'anomalies électriques rencontrés aux urgences), et les étiquettes proviennent d'un panel de 19 cardiologues. Ce point est important : la « vérité terrain » n'est pas une mesure objective mais un consensus d'experts, avec ses zones d'accord franc et ses cas litigieux.
L'entrée du modèle n'est pas le signal mais l'image du tracé. Le système repose sur ConvNeXt, une architecture de réseau de neurones convolutif moderne (une famille de modèles spécialisés dans l'analyse d'images, ici remise au goût du jour pour rivaliser avec les transformeurs visuels). Plutôt qu'un seul réseau, les auteurs utilisent un ensemble : plusieurs modèles dont on agrège les prédictions, technique classique pour gagner en robustesse et lisser les erreurs individuelles.
La métrique principale est le F1-score, qui combine en un seul chiffre la précision (parmi les tracés signalés d'une catégorie, combien le sont à juste titre) et le rappel (parmi les vrais cas d'une catégorie, combien sont retrouvés). Le F1 macro en est la moyenne sur les 12 catégories en les traitant à poids égal — un choix exigeant, car une catégorie rare pèse autant qu'une catégorie fréquente et ne peut donc pas être noyée. Deux comparateurs servent de repère : d'une part les cardiologues qui annotent (le comparateur humain), d'autre part Mortara Veritas, un algorithme commercial d'interprétation automatique d'ECG largement déployé. Enfin, pour tester la solidité, les auteurs évaluent le modèle sur des versions scannées et photographiées des tracés, sur des images publiques hétérogènes issues de la bibliothèque éducative LITFL, et dans une évaluation temporelle (des ECG postérieurs à la période d'entraînement).
Les résultats
Sur l'ensemble de test mis de côté, l'ensemble ConvNeXt obtient un F1 macro de 0,807 (intervalle de confiance à 95 % : 0,788–0,825). Les cardiologues annotateurs, eux, plafonnent à 0,820 (0,805–0,832). Autrement dit, le modèle image arrive à environ un centième et demi de la performance humaine de référence — et les intervalles de confiance se chevauchent largement. Face à Mortara Veritas, l'algorithme commercial, le modèle obtient un meilleur F1 sur la majorité des catégories évaluées.
Le résultat le plus instructif n'est pas le score brut mais une corrélation : la performance par catégorie est davantage liée à l'accord entre lecteurs qu'à la taille de l'échantillon d'entraînement. En clair, le modèle réussit bien là où les cardiologues eux-mêmes s'accordent, et trébuche là où les experts hésitent — pas nécessairement là où les exemples manquent. C'est une façon élégante de montrer que le plafond de ce type de système est fixé par la qualité et la cohérence des étiquettes humaines, pas seulement par les données qu'on lui donne à avaler.
Les évaluations de robustesse vont dans le bon sens : le modèle reste informatif sur des ECG scannés comme photographiés, et les tests sur images publiques hétérogènes et sur une fenêtre temporelle ultérieure restent « de soutien », sans effondrement. La traduction clinique honnête : un F1 macro de 0,807 sur 12 catégories signifie une lecture globalement bonne mais inégale d'une catégorie à l'autre — pour les classes les plus ambiguës ou les plus rares, une part non négligeable des tracés sera mal rangée. Cela suffit à dégrossir, à trier, à signaler ; cela ne remplace pas l'œil d'un cardiologue sur un infarctus du myocarde où chaque minute compte.
Ce qui est bien
Un problème réel et négligé, pris au sérieux. La quasi-totalité de la littérature ECG-IA suppose qu'on dispose du signal numérique propre. Ce travail part du terrain inverse — le tracé n'existe que sous forme d'image — qui est précisément celui des urgences débordées et des systèmes de santé sans infrastructure d'export. C'est un cadrage clinique pertinent, pas une démonstration de laboratoire.
Un double comparateur, humain et commercial. Beaucoup d'articles se contentent d'un score isolé. Ici, la performance est mise en regard des cardiologues annotateurs et d'un algorithme commercial réellement utilisé (Mortara Veritas). Donner les deux repères permet au lecteur de situer le modèle sans avoir à croire l'auteur sur parole.
Une honnêteté sur le vrai goulot d'étranglement. Montrer noir sur blanc que la performance suit l'accord inter-lecteurs plutôt que la taille des données est une contribution méthodologique utile : elle déplace le débat de « plus de données » vers « de meilleures étiquettes », et tempère d'avance les promesses de gains faciles par simple passage à l'échelle.
Ce qui est moins bien
Un seul centre, aucune validation clinique prospective : le mode d'échec du biais de population. Toutes les données d'entraînement et de test viennent d'un unique institut, l'InCor de São Paulo, avec ses appareils, ses formats d'impression et sa population. Un modèle qui lit des images est particulièrement exposé au décalage de domaine : un autre hôpital imprime sur un autre papier, avec une autre grille, d'autres polices, d'autres réglages. Les images publiques LITFL offrent un aperçu de généralisation, mais éducatives et hétérogènes, elles ne valent pas une validation externe multicentrique — et aucune évaluation prospective en condition réelle n'est menée.
Un plafond fixé par les étiquettes elles-mêmes : le mode d'échec de la métrique trompeuse. Le comparateur humain est aussi la source des étiquettes : on mesure donc le modèle contre la cible qui a servi à l'entraîner, une forme de circularité. Le F1 macro de 0,807, rassurant, agrège 12 catégories de fréquences très inégales et peut masquer des trous sur les classes rares ou disputées — celles, justement, où l'accord entre cardiologues est faible et où une erreur peut compter le plus. Le chiffre global ne dit rien des seuils opérationnels par catégorie.
Le risque du raccourci, et une reproductibilité partielle. Un modèle entraîné sur des images peut apprendre des indices de mise en page — type de grille, marque de l'appareil, disposition des dérivations — plutôt que la morphologie électrique du tracé (shortcut learning). Rien ne prouve que ce soit le cas ici, mais l'architecture image y est intrinsèquement exposée, et le préprint ne lève pas complètement le doute. Côté reproductibilité, le jeu InCor-EMG ne peut être diffusé (données de santé soumises à la loi brésilienne LGPD, licence CC BY-NC) : seuls quelques échantillons, le code d'inférence et les prédictions sont partagés sur GitHub. À noter enfin, sans conflit d'intérêts déclaré, un financement industriel parmi les sources (FAPESP, Fundação Zerbini et Foxconn Brazil) — un contexte utile à connaître.
Ce que ça change
Pour la communauté de recherche, le message est double. D'abord, classer l'ECG depuis l'image est une voie crédible, pas un pis-aller : elle ouvre l'exploitation des immenses archives de tracés qui n'existent que sur papier ou en PDF. Ensuite, et c'est plus profond, la performance bute sur l'accord entre experts — investir dans des protocoles d'annotation plus cohérents pourrait rapporter davantage que d'empiler des exemples supplémentaires.
Pour les cliniciens, rien n'est déployable en l'état : modèle mono-centrique, rétrospectif, non validé en prospectif. Mais le scénario visé est juste — un dispositif capable de pré-trier un ECG photographié, là où aucun signal numérique n'est disponible et où l'avis spécialisé est distant, aurait une valeur réelle en garde, en télémédecine ou en zone sous-dotée. À condition de le cantonner au tri et à l'alerte, jamais à la décision autonome sur les urgences vitales. Pour les patients et le public, l'idée à retenir est simple et nuancée : une photo d'ECG pourra de plus en plus être analysée par une machine pour gagner du temps, mais la lecture finale reste l'affaire d'un médecin — un classement automatique n'est ni un diagnostic ni une garantie.
Pour aller plus loin
Le préprint est disponible sur medRxiv (DOI 10.64898/2026.06.18.26355968), et les matériaux de reproductibilité (échantillons, code d'inférence, prédictions) sur le dépôt GitHub des auteurs. Sur l'IA appliquée à l'ECG sous un autre angle, voir notre décryptage de la prédiction de fibrillation atriale sur ECG portable ; sur la lecture d'images cliniques par modèle et la façon d'en rendre compte, celui du format d'explication en radiologie.
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.