À l’aide de l’apprentissage automatique et des données cliniques des dossiers de santé électroniques, des chercheurs de l’Icahn School of Medicine de Mount Sinai à New York ont construit un en silicone, ou dérivé d’un ordinateur, marqueur de maladie coronarienne (CAD) pour mieux mesurer les caractérisations cliniquement importantes de la maladie.
Les conclusions, publiées en ligne le 20 décembre dans Le Lancet [https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(22)02079-7/fulltext], peut conduire à un diagnostic plus ciblé et à une meilleure gestion de la coronaropathie, le type de maladie cardiaque le plus courant et l’une des principales causes de décès dans le monde. L’étude est la première recherche connue pour cartographier les caractéristiques de la CAO sur un spectre. Des études antérieures se sont concentrées uniquement sur le fait qu’un patient soit ou non atteint de coronaropathie.
CAD et d’autres conditions courantes existent sur un éventail de maladies; la combinaison de facteurs de risque et de processus pathologiques de chaque individu détermine où ils se situent sur le spectre. Cependant, la plupart de ces études divisent ce spectre de la maladie en classes rigides de cas (le patient a la maladie) ou de contrôle (le patient n’a pas la maladie). Cela peut entraîner des diagnostics manqués, une gestion inappropriée et de moins bons résultats cliniques, selon les chercheurs.
Les informations obtenues à partir de cette mise en scène non invasive de la maladie pourraient habiliter les cliniciens en évaluant plus précisément l’état du patient et, par conséquent, éclairer l’élaboration de plans de traitement plus ciblés. »
Ron Do, PhD, auteur principal de l’étude et professeur Charles Bronfman en médecine personnalisée à l’école de médecine Icahn du mont Sinaï
« Notre modèle délimite les populations de patients atteints de coronaropathie sur un spectre de maladies ; cela pourrait fournir plus d’informations sur la progression de la maladie et sur la manière dont les personnes touchées réagiront au traitement. Avoir la capacité de révéler des gradations distinctes de risque de maladie, d’athérosclérose et de survie, par exemple, qui pourrait autrement être manqué avec un cadre binaire conventionnel, est critique. »
Dans l’étude rétrospective, les chercheurs ont formé le modèle d’apprentissage automatique, nommé en silicone score pour la maladie coronarienne ou ISCAD, pour mesurer avec précision la CAD sur un spectre en utilisant plus de 80 000 dossiers de santé électroniques de deux grandes biobanques basées sur le système de santé, le BioMoi Biobanque du Mount Sinai Health System et de la UK Biobank.
Le modèle, que les chercheurs ont qualifié de « marqueur numérique », intégrait des centaines de caractéristiques cliniques différentes du dossier de santé électronique, y compris les signes vitaux, les résultats des tests de laboratoire, les médicaments, les symptômes et les diagnostics, et le comparait à la fois à un score clinique existant pour CAD, qui n’utilise qu’un petit nombre de caractéristiques prédéterminées, et un score génétique pour CAD.
Les 95 935 participants comprenaient des participants d’ethnies africaine, hispanique/latino, asiatique et européenne, ainsi qu’une grande partie de femmes. La plupart des études cliniques et d’apprentissage automatique sur la CAO se sont concentrées sur l’ethnie européenne blanche.
Les enquêteurs ont découvert que les probabilités du modèle suivaient avec précision le degré de rétrécissement des artères coronaires (sténose coronarienne), la mortalité et les complications telles que la crise cardiaque.
« Des modèles d’apprentissage automatique comme celui-ci pourraient également bénéficier à l’industrie des soins de santé dans son ensemble en concevant des essais cliniques basés sur une stratification appropriée des patients. Cela peut également conduire à des stratégies thérapeutiques individualisées plus efficaces basées sur les données », déclare l’auteur principal Iain S. Forrest, PhD, un boursier postdoctoral dans le laboratoire du Dr Do et un étudiant en médecine / doctorat dans le programme de formation des scientifiques médicaux à Icahn Mount Sinai. « Malgré ces progrès, il est important de se rappeler que le diagnostic et la gestion des maladies coronariennes basés sur les médecins et les procédures ne sont pas remplacés par l’intelligence artificielle, mais plutôt potentiellement soutenus par l’ISCAD en tant qu’autre outil puissant dans la boîte à outils du clinicien. »
Ensuite, les chercheurs envisagent de mener une étude prospective à grande échelle pour valider davantage l’utilité clinique et l’actionnabilité de l’ISCAD, y compris dans d’autres populations. Ils prévoient également d’évaluer une version plus portable du modèle qui peut être utilisée universellement dans les systèmes de santé.
