# Des ECG en fausses couleurs améliorent la détection du risque cardiaque par l’IA

> L’ajout d’un code couleur conçu pour l’analyse clinique a fait passer l’AUC de 0,72 à plus de 0,9 et rendu les explications du modèle plus stables dans une cohorte de personnes épileptiques de la UK Biobank.

Oossa · 2026-11-10 · https://oossa.com/fr/pseudo-colour-ecg-images-boost-ai-heart-risk-detection-and-explanations

Les chercheurs ont entraîné deux réseaux résiduels identiques à partir d’images d’un seul battement cardiaque à l’ECG. L’un des réseaux recevait un codage en fausses couleurs qui colorait la zone sous l’intervalle QT à l’aide de teintes choisies selon le nomogramme QT, un outil clinique d’évaluation du risque. Le modèle utilisant uniquement les couleurs a obtenu des scores AUC de 0,903 et 0,914 lors de deux visites de la UK Biobank, contre environ 0,72 pour le modèle en monochrome. Avec huit méthodes d’explication, les images en couleur ont permis de localiser plus clairement et plus régulièrement la zone QT à risque.

## Les faits

- AUC de 0,903 et 0,914 pour le modèle en couleur, contre 0,719 et 0,720 pour le modèle en monochrome
- Étude publiée le 10 novembre 2026

## Pourquoi c'est important

Les cliniciens pourraient s’appuyer sur des explications d’ECG générées par l’IA et cohérentes avec l’électrophysiologie connue, ce qui renforcerait leur confiance dans les évaluations automatisées du risque.

## Sources et références

1. [Clinically Informed Colour Encoding Improves the Localisation and Stability of Explanations in Deep Learning ECG Models: External Validation in a UK Biobank Epilepsy Cohort](https://arxiv.org/abs/2611.09971) – arXiv cs.CV, 2026-11-10

Dernière mise à jour: 2026-11-10