Modélisation cognitive et prédictive du comportement dynamique de

N° d’ordre 02 ISAL 0001 Année 2002
Thèse
MODELISATION COGNITIVE ET
PREDICTIVE DU COMPORTEMENT
DYNAMIQUE DE L’ACTIVITE ELECTRIQUE
DU CŒUR PAR APPROCHES NEURONALES
Présentée devant
L’institut national des sciences appliquées de Lyon
Pour obtenir
Le grade de docteur
Formation doctorale : Images et Systèmes
École doctorale : Electronique, Electrotechnique, Automatique (EEA)
Par
Rajai Mourid El Dajani
Titulaire du DEA Génie Biologique et Médical
Soutenue le 07 janvier 2002 devant la Commission d’examen
Jury MM. P. Chevalier Professeur (Université Lyon 1)
Rapporteur J. Duchêne Professeur (Université de technologie de
Troyes)
Co-Directeur M. Miquel Maître de Conférences (INSA, Lyon)
Directeur P. Rubel Professeur (INSA, Lyon)
Rapporteur N. Vincent Professeur (Université de Tours)
D.A. Zighed Professeur (Université de Lyon 2)
Laboratoire de recherche : Laboratoire d'Ingénierie des Systèmes d'Information (LISI INSA, Lyon) &
INSERM ERM107

Modélisation cognitive et prédictive du comportement dynamique de
l’activité électrique du cœur par approches neuronales
Résumé
L’objectif général de notre sujet de thèse est de développer, de mettre en œuvre et d’évaluer de nouvelles
méthodes d’analyse de la dynamique de la phase de repolarisation ventriculaire mesurée sur
l’électrocardiogramme par l’intervalle QT. Dans ce cadre, nous avons mis au point une méthodologie
originale à base de réseaux de neurones artificiels (RNA) pour réaliser des modèles prédictifs du
comportement dynamique très basse fréquence de l’intervalle QT d’un patient donné en fonction des
variations instantanées de sa fréquence cardiaque mesurée par l’intervalle RR. La fonction à modéliser est du
type :
),,...,,(
11 MiMiiii
RRRRRRRRfQT
−+−−
=, où M est la durée de la mémoire de RR.
Les réseaux multi-couches se sont avérés ainsi capables de modéliser la relation non-linéaire QT=f(RR) en
régime transitoire et permettent d’envisager l’extraction de nouvelles informations sur la dynamique du
système cœur en ambulatoire, et d’éviter ainsi des explorations invasives.
Les différences entre le QT prédit et le QT mesuré peuvent être utilisées pour déclencher une alarme en cas
de franchissement d’un seuil.
Mots-Clés: Electrocardiologie quantitative, ECG, systèmes Holter, repolarisation ventriculaire, dynamique
du QT, variabilité de la fréquence cardiaque, traitement du signal, réseaux de neurones, modèles
dynamiques, prédiction
Artificial neural networks for modeling and predicting the dynamical
behavior of the ventricular repolarisation phase
Abstract
Within the framework of quantitative ambulatory electrocardiology (ECG) and the space-time analysis of
the repolarisation phase, our work is to establish an artificial neural networks (ANN) architecture to predict
the dynamic changes of the ventricular repolarisation phase in function of instantaneous changes of the heart
rate. The ventricular repolarisation and the heart rate are measured on the ECG respectively by the QT and
the RR intervals. The networks will learn the following non-linear patient specific relationship:
),,...,,(
11 MiMiiii
RRRRRRRRfQT
−+−−
= where M is a time delay.
Our results indicate that Multi-Layer Perceptrons are able to approach the non-linear aspects of the QT-RR
relationship, and can model both the dynamic behavior (response to a step impulse) and the steady state
dynamic behavior QT=f(RR) (response to different, fixed RR intervals).
Keywords: Quantitative Electrocardiology, ECG, ambulatory Holter, ventricular repolarisation, QT
dynamicity, heart rate variability, signal processing, neural networks, dynamical models, prediction.

Introduction
5
Introduction
Depuis la nuit des temps, l’Homme cherche à prédire et à lire dans le futur. Les
marabouts prévoyaient la colère des dieux qui se manifestait par une éclipse ou par une saison
de sécheresse, les oracles grecs étaient consultés sur le futur, Nostradamus et ses prophéties
restent d’actualité, madame Soleil connaissait l’avenir et ses disciples continuent à se
manifester dans toute la presse de tous les pays du monde.
Prédire nécessite la connaissance du passé, l’identification d’un mode de
fonctionnement (ou d’une «loi») et la déduction de conséquences, selon le principe que des
causes semblables produisent des effets semblables. La prédiction est aussi simple que cela,
en théorie. Prédire pour mieux anticiper, c’est tout l’enjeu.
Aujourd’hui, les techniques liées à la prédiction constituent un outil d’aide à la
décision de première importance. En effet, la gestion d’un stock, d’une entreprise, d’un
portefeuille financier ou de tout autre système dynamique repose en partie sur la faculté du
décideur à faire des projections pertinentes de la situation présente.
Les maladies cardiovasculaires et le cancer sont les deux principales causes de
mortalité en France, en Europe et aux Etats Unis. En raison du vieillissement progressif de
nos populations, le nombre des patients cardiaques va croissant. Dans cette pathologie, la
mortalité et la morbidité ont diminué sensiblement ces dernières années en France et dans
certains pays européens, principalement grâce à l’amélioration de la prise en charge
thérapeutique. Pour augmenter davantage cette tendance et améliorer la qualité de vie des
patients, le principal défi est maintenant d’identifier et de détecter le plus précocement
possible les patients à risque d'accidents cardiaques.
Afin d'atteindre cet objectif, l'exploration du champ électrique cardiaque par
l'électrocardiogramme (ECG) reste une méthode de choix. Elle est en effet non invasive et de
faible coût et elle devient, grâce aux potentialités offertes par les nouvelles méthodes de
traitement du signal et l’Electrocardiologie Quantitative, une méthode d’investigation
privilégiée pour détecter de façon précoce le risque d'arythmies (50 000 morts subites par an
en France) et les troubles ischémiques (40 000 décès par infarctus par an en France). La
performance diagnostique sera encore accrue si l'on analyse les ECG successifs d'un même

Introduction
6
patient en terme d'évolution par rapport à des ECG anciens, qualifiés d'ECG de référence, et si
l’on intègre à la fois l’analyse de signaux et la prise en compte de l'historique clinique du
patient.
La plupart des électrocardiographes modernes aujourd’hui disponibles sur le marché
incluent un module d’interprétation automatique de l’ECG standard à 12 dérivations, et les
plus performants atteignent une précision diagnostique de l’ordre de 80%, comparable à celle
des cardiologues. Cependant, la performance du cardiologue reste supérieure à celle de
l’ordinateur lorsqu’il peut disposer d’un ECG de référence et s’il connaît le contexte clinique
du patient, et le « rôle médical » de l’électrocardiographe interpréteur reste confiné à celui
d’un deuxième avis ou d’un outil de dépistage ou d’épidémiologie. Or, si on est arrivé
aujourd’hui à « imiter » le cardiologue, on est encore très loin d’avoir réussi à extraire la
totalité de l’information véhiculée par le signal électrique cardiaque. Par ailleurs, bien que
l’on ait mis en évidence différents marqueurs du risque de mort subite tels que la présence de
micropotentiels ou d’anomalies de la repolarisation (dispersion et dynamique du QT, …), on
est encore très loin d’avoir mis au point des stratégies décisionnelles permettant d’identifier
avec suffisamment de précision tous les patients à risque de mort subite susceptibles de
bénéficier de thérapies pointues telles que la pose d’un défibrillateur implantable. Le
problème est extrêmement complexe, et ne peut être résolu par des techniques
d’épidémiologie classique à cause du nombre de descripteurs mis en jeu et de l’importance
des aspects dynamiques et de leur corrélation avec le système neurovégétatif.
La valeur diagnostique, pronostique, et d’indication thérapeutique de l’intervalle QT et
de sa dynamique est de plus en plus étudiée, et potentiellement démontrée. Or, s’il est admis
depuis fort longtemps que les variations de QT sont dépendantes de la fréquence, le modèle
de variation qui est sous-jacent demeure toujours inconnu et inexpliqué.
Notre objectif est de chercher à modéliser et à expliquer la signification physiologique
des rapports entre la variabilité de la fréquence cardiaque (appréciée par la mesure de la
variabilité de l'intervalle RR) et la dynamique de la repolarisation ventriculaire représentée
par l’intervalle QT. La première explore le système nerveux autonome seul, et non le cœur, à
travers le marqueur que constitue l’automatisme sinusal auriculaire modulé par le système
neurovégétatif. La dynamique de l’intervalle QT, quant à elle, permet d’explorer à la fois le
fonctionnement des cellules cardiaques ventriculaires et l’impact du système nerveux
autonome sur l’étage ventriculaire. L’information est particulièrement complexe, et c’est cette
complexité qu’il importe d’explorer. Grâce aux enregistrements ambulatoires de type

Introduction
7
HOLTER nous pouvons étudier actuellement de façon fine les rapports entre les deux
paramètres QT et RR précités.
Le travail de thèse effectué et présenté ci-après pour objectif la conception de modèles
de prédiction dynamique des variations de l’intervalle QT des enregistrements ECG de longue
durée par des approches neuronales.
Les travaux de recherche méthodologique effectués ces dernières années pour
modéliser le comportement dynamique de l’intervalle QT en fonction de la fréquence
cardiaque ont permis de mettre en évidence la pertinence et la supériorité des méthodes
d’identification à l’aide de réseaux de neurones, par rapport aux méthodes classiques (modèle
auto-régressif de type ARMA, etc…). Actuellement, nous utilisons des réseaux en couches
basés sur l'algorithme de rétro-propagation du gradient ; cette approche a été utilisée pour
traiter des séquences d'enregistrement de 10 et 20 minutes d'une vingtaine de patients.
Afin d'élaborer des modèles neuronaux prédictifs robustes et fiables, plusieurs
problèmes méthodologiques doivent être abordés, comme la recherche d’un paramétrage
optimal (nombre d’itérations, …) et l’analyse de la performance des modèles élaborés sur de
larges ensembles de données réelles et artificielles.
Nous mettrons en place des modèles neuronaux et nous testerons leur capacité à
modéliser la réponse du système cœur aux variations de la fréquence cardiaque en régime
transitoire afin de détecter en temps réel les éventuels dysfonctionnements de la réponse
ventriculaire du patient sous surveillance en quantifiant les différences entre le QT mesuré et
le QT prédit.
Nous présenterons une première approche pour étudier l’universalité du modèle de
variation QT = f(RR) et de sa dépendance aux pathologies, à l’âge, au sexe.
Nous essayerons aussi de donner des éléments de réponse quant à l’existence
potentielle d’un modèle QT=f(RR) universel, ou au contraire clinico et/ou sujet -dépendant.
Ce mémoire comprend quatre chapitres :
• Le chapitre I présente une introduction au fonctionnement du cœur ainsi que les
méthodes d’acquisition de l’électrocardiogramme.
• Au cours du deuxième chapitre nous présentons les mécanismes de la réponse
ventriculaire ainsi que l’influence de la fréquence cardiaque et le système nerveux
central SNC sur la durée de l’intervalle QT.