Un nouvel outil avancé d’intelligence artificielle (IA), développé par des médecins néphrologues du monde entier, représente une avancée significative dans la prévision et l’amélioration potentielle des résultats pour les patients britanniques transplantés rénaux.
Pour les patients atteints d’insuffisance rénale à un stade avancé, une greffe de rein peut changer la vie, offrant la promesse d’une survie améliorée et d’une meilleure qualité de vie par rapport aux autres options de traitement. Mais rien qu'au Royaume-Uni, environ 5 000 personnes sont sur la liste d'attente pour une greffe de rein, avec un temps d'attente moyen de 2 à 3 ans pour un organe provenant d'un donneur décédé.
Une équipe d'experts d'hôpitaux des États-Unis et du Royaume-Uni a créé un nouveau logiciel qui pourrait à terme ouvrir la voie à des politiques actualisées d'allocation des reins, conduisant potentiellement à de meilleurs résultats pour les patients et à une utilisation plus efficace de cette précieuse ressource.
L’outil, intitulé « UK Deceased Donor Kidney Transplant Outcome Prediction » (UK-DTOP), utilise une IA avancée. Il a été développé à partir des données de près de 30 000 cas de transplantation sur 15 ans.
Le Dr Hatem Ali, spécialiste des maladies rénales aux hôpitaux universitaires de Coventry et Warwickshire NHS Trust, dirige une nouvelle étude pour rendre compte des capacités de l'outil dans la revue à comité de lecture Insuffisance rénale.
Il explique comment son équipe de recherche estime que le modèle « promet de changer la donne dans le domaine de la transplantation rénale ».
« Le UK-DTOP laisse espérer une allocation d'organes plus efficace et de meilleurs résultats pour les patients qui en ont besoin », déclare le Dr Ali.
« En exploitant la puissance de l'IA et de l'apprentissage automatique, nous avons créé un système d'aide à la décision plus précis et plus fiable, ce qui pourrait conduire à une meilleure sélection des donneurs, à des stratégies de transplantation et, à terme, à de meilleurs résultats pour les patients transplantés rénaux. »
« En tant qu'auteur de cette étude, je suis enthousiasmé par les impacts potentiels de l'outil UK-DTOP sur la transplantation rénale. Ce modèle basé sur l'IA améliore nos capacités prédictives et aide à affiner notre approche de l'appariement donneur-receveur. »
Une greffe de rein comporte des risques inhérents et, la demande d’organes dépassant de loin l’offre, il est crucial de garantir que chaque rein donné est utilisé de la manière la plus efficace possible.
Cependant, les modèles prédictifs existants, tels que l'indice de risque de donneur de rein (KDRI), largement utilisé, ont montré leurs limites dans la prévision précise des résultats pour les patients, soulignant le besoin urgent d'outils plus sophistiqués pouvant mieux guider la prise de décision clinique.
À l’aide des données de 29 713 cas de transplantation enregistrés dans le registre britannique des transplantations (UKTR) entre 2008 et 2022, l’expert a évalué les performances prédictives de trois techniques avancées d’apprentissage automatique, en tenant compte de divers facteurs liés au donneur, au receveur et à la transplantation. Le UK-DTOP est apparu comme le modèle supérieur avec un pouvoir prédictif de 0,74, surpassant largement le KDRI (0,57) et son homologue britannique, le UK-KDRI (0,62).
« Le UK-DTOP est un outil polyvalent pour évaluer les résultats de la transplantation rénale d'un donneur décédé. Il affine la prise de décision avant la transplantation tout en reconnaissant que la décision finale d'accepter un organe appartient au receveur et à sa tolérance au risque », ajoute le co-auteur, le Dr Miklos Molnar, de la Division de néphrologie et d'hypertension de l'Université de l'Utah.
« Nos résultats plaident en faveur d'une transition vers l'adoption d'outils avancés basés sur les données dans les systèmes de santé du monde entier, révolutionnant potentiellement l'appariement donneur-receveur et l'attribution d'organes, améliorant les taux de réussite des greffes et sauvant des vies. »
Les chercheurs ont également utilisé des techniques d’apprentissage automatique non supervisées pour identifier cinq groupes distincts de patients transplantés rénaux présentant des taux de survie variables. En fin de compte, cette approche pourrait permettre des évaluations des risques plus personnalisées pour éclairer les décisions de procéder ou non à une greffe.
Bien que le UK-DTOP représente une avancée significative, l’équipe reconnaît également que ce système d’aide à la décision présente certaines limites qui pourraient affecter ses prévisions. Ceux-ci incluent la variabilité des données déclarées, l’absence d’informations sur certaines caractéristiques des donneurs et l’absence de certains facteurs susceptibles d’influencer les résultats à long terme, tels que des anticorps spécifiques et certains marqueurs biologiques.
