L'IA repère les insuffisants cardiaques menacés de perte d'autonomie

Pour de nombreux patients âgés atteints d'insuffisance cardiaque, quitter vivant l'hôpital ne met pas fin à l'épreuve. À l'université Juntendo, au Japon, une équipe dirigée par la maîtresse de conférences Kanji Yamada voulait savoir lesquels d'entre eux allaient rentrer chez eux avant de perdre peu à peu la capacité de vivre seuls. Elle a suivi 6 382 patients âgés de 65 ans et plus, hospitalisés pour insuffisance cardiaque, ayant bénéficié d'une rééducation et autonomes avant leur admission.

La plupart des outils pronostiques se posent une seule question : le patient va-t-il mourir, ou être réhospitalisé ? L'équipe de Yamada a construit un modèle fondé sur XGBoost, une méthode d'apprentissage automatique qui combine de nombreuses règles de décision, et l'a alimenté avec 77 prédicteurs candidats. Les données les plus déterminantes ont été mesurées par les kinésithérapeutes au moment de la sortie : la vitesse maximale de marche, la batterie courte de tests de performance physique (un ensemble de tests d'équilibre, de marche et de station debout, connu sous le nom de Short Physical Performance Battery), la force de préhension et l'indice de Barthel, une échelle d'évaluation des tâches de la vie quotidienne. La fragilité avant admission, mesurée avec le Kihon Checklist, complète le tableau. Le modèle a été évalué selon une méthode de validation croisée « un site laissé de côté », qui le teste sur des sites dont il n'a pas appris.

Les résultats sont nets sur un point. Sur l'ensemble des patients, 2 076 ont connu un déclin fonctionnel et 928 sont décédés dans l'année, tandis que 3 378 ont conservé leur autonomie. La version du modèle à dix variables « surpassait nettement » les scores fondés sur la fragilité. La vitesse de marche et la fragilité avant admission figurent parmi les prédicteurs les plus influents, devant la fraction d'éjection, qui mesure l'efficacité de la pompe cardiaque. Le modèle répartit également les patients en quatre groupes de risque. Le plus frappant concerne 1 732 patients ayant 89 % de chances de survivre à l'année, mais présentant un taux de déclin fonctionnel de 57 %. Autrement dit, beaucoup de personnes les plus menacées de perdre leur autonomie ne sont pas celles qui risquent le plus de mourir.

« Pouvoir vivre de manière autonome compte pour de nombreux patients autant que la durée de leur vie », affirme Yamada. « Au lieu de nous demander seulement si un patient va survivre, nous devons nous demander s'il pourra conserver, après sa sortie, la vie qui compte pour lui. »

Pour les cliniciens, la promesse concrète est une liste plus courte de patients ayant besoin d'aide. L'équipe propose que l'identification du groupe à faible mortalité mais à fort déclin permette aux équipes de privilégier une rééducation plus intensive, en ambulatoire ou à domicile, après la sortie. Les chercheurs ont également développé un prototype d'application web qui estime le risque individuel à la sortie et simule l'effet d'une vitesse de marche plus rapide sur ce risque. Ses auteurs précisent qu'il reste un prototype et que des études de mise en œuvre sont encore nécessaires pour déterminer si les décisions guidées par le modèle améliorent réellement l'état des patients. Aucun calendrier d'utilisation clinique n'est donné.