Un modèle d'apprentissage automatique développé par les chercheurs de Weill Cornell Medicine peut fournir aux cliniciens un avertissement précoce d'une complication pouvant survenir tard au cours de la grossesse.
La prééclampsie est une maladie d'apparition soudaine qui implique une hypertension artérielle avant l'accouchement. Elle touche environ 2 à 8 % des grossesses dans le monde et peut avoir de graves conséquences tant pour le parent que pour l'enfant. Une nouvelle étude, publiée le 6 mars dans JAMA Network Open, décrit un modèle informatique basé sur l'apprentissage automatique qui fournit des prévisions continuellement mises à jour du risque de prééclampsie sur la base des données des dossiers de santé électroniques enregistrées en fin de grossesse. L'étude a été codirigée par le Dr Fei Wang, doyen associé à l'IA et à la science des données et professeur Frances et John L. Loeb d'informatique médicale au Département des sciences de la santé des populations de Weill Cornell Medicine, et le Dr Zhen Zhao, professeur de pathologie clinique et de médecine de laboratoire à Weill Cornell Medicine et directeur du laboratoire central du NewYork-Presbyterian/Weill Cornell Medical Center. L'expertise clinique en obstétrique a été fournie par le Dr Tracy Grossman, professeur adjoint d'obstétrique clinique et de gynécologie à Weill Cornell Medicine et spécialiste en médecine maternelle et fœtale au NewYork-Presbyterian Brooklyn Methodist Hospital.
Les modèles existants qui évaluent le risque de prééclampsie au cours du premier trimestre sont principalement utilisés comme alertes précoces, permettant aux cliniciens de prescrire de l'aspirine comme médicament préventif au début de la grossesse et d'assurer une surveillance supplémentaire tout au long des grossesses à risque. Bien que ces approches puissent réduire le risque de prééclampsie précoce, leur précision prédictive est limitée pour les cas d'apparition tardive et à terme, qui représentent la majorité des diagnostics de prééclampsie. En conséquence, peu d’outils sont disponibles pour aider à prédire le risque de prééclampsie à court terme au cours du dernier trimestre de la grossesse, lorsque la plupart des cas surviennent. Pour combler cette lacune, les co-premiers auteurs, le Dr Haoyang Li, associé postdoctoral en sciences de la santé des populations, et le Dr Yaxin Li, associé postdoctoral en pathologie et médecine de laboratoire, ont travaillé avec les Drs. Wang, Zhao et Grossman développeront et testeront un outil de modélisation de la prééclampsie utilisant les données anonymisées des dossiers de santé électroniques sur près de 59 000 grossesses dans trois hôpitaux presbytériens de New York. L’équipe a créé le modèle en utilisant les données de 35 895 grossesses de patientes ayant accouché au NewYork-Presbyterian/Weill Cornell Medical Center entre octobre 2020 et mai 2025. Le modèle a prédit le plus précisément la probabilité de prééclampsie autour de 34 semaines, donnant potentiellement aux cliniciens le temps de prendre des mesures préventives.
L’équipe a ensuite validé leur modèle en utilisant les données de 8 664 grossesses au NewYork-Presbyterian Lower Manhattan Hospital et de 14 280 au NewYork-Presbyterian Brooklyn Methodist Hospital. Le modèle a montré que la tension artérielle de la patiente enceinte était le facteur prédictif le plus puissant de la prééclampsie. Cependant, au début du troisième trimestre, des résultats anormaux lors d'analyses sanguines de routine du patient peuvent également suggérer un risque potentiel. Ces résultats de laboratoire peuvent suggérer que des problèmes émergents au niveau du placenta, qui fournit des nutriments et de l'oxygène au fœtus, pourraient contribuer à la prééclampsie à ce stade. Plus tard au cours du troisième trimestre, l'âge de la patiente et le nombre de globules blancs sont devenus des indicateurs plus importants, ce qui suggère que l'inflammation pourrait jouer un rôle à ce stade.
Le modèle peut aider les cliniciens à identifier les patientes au troisième trimestre de la grossesse les plus susceptibles de développer une prééclampsie et leur donner un délai supplémentaire pour prendre des mesures cliniques en temps opportun, notamment une surveillance améliorée, une gestion de la pression artérielle et des décisions concernant le moment de l'accouchement. Contrairement aux approches antérieures qui fournissaient une estimation unique et statique du risque, ce modèle met continuellement à jour le risque de prééclampsie avec les données actuelles du dossier de santé électronique à mesure que la grossesse progresse, alignant ainsi la prédiction sur la prise de décision clinique réelle en fin de grossesse. Des études supplémentaires sont nécessaires pour déterminer si la prééclampsie à différents stades du troisième trimestre a des causes distinctes, comme un dysfonctionnement placentaire ou une inflammation systémique. Mais si ces tendances sont confirmées, elles pourraient aider les cliniciens à développer des interventions plus ciblées sur la prééclampsie qui s’attaquent aux causes profondes.
