Le recueil numérisé de l’activité électrique myocardique autorise son analyse par intelligence artificielle (IA) à partir de trois sources que sont les outils d’intervention en rythmologie, les registres de la mort subite et les dispositifs médicaux connectés. Le traitement des arythmies atriales fait appel à l’IA afin d’identifier les zones de rotors ou de fibrose arythmogène dans le but d’améliorer la qualité de l’ablation de la fibrillation atriale (FA). La création, à partir de données d’imagerie, d’une chambre ventriculaire virtuelle personnalisée, permet à l’IA de guider l’ablation et d’évaluer le pronostic. Lors des morts subites, c’est moins l’analyse des données de l’activité électrique myocardique et de la délivrance du choc électrique salvateur que celle des données de santé de la population dans son ensemble, qui pourraient contribuer à identifier les meilleurs prédicteurs de risque. Les données recueillies lors d’examens électrocardiographiques banaux ou par les objets portables, dont les « montres connectées », permettent grâce à l’IA de prédire la survenue ultérieure ou la récidive de troubles du rythme. L’IA est aussi omniprésente dans l’analyse de l’électrocardiogramme en rythme sinusal permettant d’en tirer des conclusions dépassant largement son utilisation habituelle. L’utilisation de ces données ne va pas sans soulever des problèmes éthiques et juridiques qui sont encore incomplètement réglés. L’appropriation en rythmologie cardiaque de l’outil nouveau qu’est l’IA suggère aux médecins rythmologues d’approfondir leurs connaissances mathématiques et d’intégrer les propositions des apprentissages automatiques et profonds dans leur démarche diagnostique et thérapeutique.

The digital collection of the myocardial electrical activity has allowed its analysis by artificial intelligence (AI) using three sources: interventional arrhythmology, sudden death registries, and connected devices. Atrial arrhythmia management uses AI to identify regions of rotors or arrhythmogenic fibrosis to improve AF ablation. At the ventricular level, personal virtual chamber creation incorporating imaging data allows AI to guide the ablation and identify the prognostic risk. As far as sudden death is concerned, the data collected during the acute event or shock delivery are not as pertinent as the global population's health data in order to predict the best risk predictors. Data from the surface ECG or wearable devices including smart watches using AI allow AF identification or recurrence prediction. AI applied to the surface ECG in sinus rhythm yields a considerable amount of information far beyond its routine use. Using these data paved the way for ethical and legal problems which are currently incompletely solved. The appropriation in cardiac arrhythmology of the new tool of AI suggests a bigger training in mathematics of the arrhythmologists, and to be able to incorporate machine learning in their diagnostic and therapeutic practices.