Le machine learning identifie trois trajectoires après un infarctus

Au moment d’un infarctus, l’avenir d’un patient peut déjà se diviser en plusieurs trajectoires. Des chercheurs de l’Université de Surrey ont utilisé le machine learning — une méthode d’intelligence artificielle qui détecte des schémas dans les données — pour identifier trois trajectoires de santé distinctes sur cinq ans chez 12 701 participants de UK Biobank ayant survécu à un infarctus.

L’équipe a suivi l’apparition des nouveaux diagnostics et regroupé les patients dont les dossiers de santé présentaient des séquences similaires. 63 % ont développé des affections cardiométaboliques telles que l’hypertension, le diabète de type 2 et la dyslipidémie, ainsi que des complications cardiaques et respiratoires épisodiques. Un deuxième groupe, représentant 23 % des participants considérés comme fumeurs, a connu un déclin touchant les poumons, le système musculosquelettique et d’autres organes. Les 14 % restants ont développé des maladies cardiaques structurelles, des troubles du rythme et des problèmes rénaux.

La différence entre ces trajectoires n’était pas seulement statistique. Le groupe associé au tabagisme affichait un taux de mortalité de 44 %, soit plus de trois fois celui du groupe le plus important. L’analyse génétique a également relié chaque trajectoire à des voies moléculaires distinctes : l’activation immunitaire et le remodelage des tissus dans le groupe le plus important, la signalisation de l’insuline et le transport des lipides dans le groupe présentant des troubles du rythme, et l’inflammation chronique ainsi que la dégénérescence dans le groupe associé au tabagisme.

Les chercheurs affirment que le modèle pourrait prédire la trajectoire la plus probable d’un patient au moment de l’infarctus, à partir de diagnostics préexistants et de données démographiques. Anthony Onoja, l’auteur principal de l’étude, a déclaré que les affections respiratoires, l’âge avancé et des scores de privation plus élevés constituaient des prédicteurs clés du groupe le plus à risque. Les évaluations de risque existantes, notamment le score SMART, restaient le meilleur prédicteur individuel de la mortalité dans l’étude ; les trajectoires apportaient des informations supplémentaires sur les raisons et les endroits où une intervention pourrait être nécessaire.

Qu’est-ce qui change en pratique ? Si cette approche est validée et adoptée, les hôpitaux pourraient repérer plus tôt les survivants les plus à risque et adapter leur suivi aux problèmes les plus susceptibles d’apparaître, plutôt que de s’appuyer sur une seule estimation du risque d’un nouvel événement cardiaque. Pour l’instant, les éléments disponibles proviennent de l’analyse de dossiers de santé, et les chercheurs présentent ces travaux comme une première étape.