L’insuffisance cardiaque est une maladie aussi courante que lourde de conséquences, puisque plus de 20 % de ceux qui en souffrent décèdent dans l’année qui suit le diagnostic. Grâce à des algorithmes et le DMI du patient , des chercheurs néerlandais ont la possibilité de prédire de façon précoce si un patient donné présente un risque accru d’insuffisance cardiaque.
Grâce à des algorithmes d’apprentissage automatique utilisant les données des dossiers médicaux informatisés (DMI) du patient en médecine générale, des chercheurs sont aujourd’hui en mesure d’identifier plus rapidement les personnes qui présentent un risque accru d’en être victimes… ce qui ouvre évidemment la porte à des interventions de prévention ciblées qui permettront peut-être de prévenir ou à tout le moins de retarder la survenue de dommages sévères. Ces travaux publiés dans le BMJ Open ont été réalisés par l’institut de recherche néerlandais Nivel en collaboration avec la Vrije Universiteit Amsterdam.
Pour leur étude, les auteurs ont utilisé les données médicales de patients souffrant d’une insuffisance cardiaque diagnostiquée par un généraliste. En utilisant un modèle d’apprentissage automatique spécialement développé à cette fin, ils ont pu identifier l’existence d’un risque accru chez ces sujets un an avant la date du diagnostic – un gain de temps non négligeable, puisque cette information permet d’initier plus rapidement l’étape suivante du parcours de prise en charge, à savoir le dépistage précoce.
Les chercheurs se sont servis dans ce cadre de données en provenance du système de collecte de données de première ligne du Nivel (Nivel Zorgregistraties Eerste Lijn), où sont rassemblées les informations médicales consignées en routine dans leurs dossiers-patients par quelque 370 cabinets de médecine générale. Cette source présentait le double avantage d’offrir une masse conséquente de données (ce qui était évidemment capital pour une mise en application pertinente du système d’apprentissage automatique) et d’éviter de surcharger inutilement les généralistes et leurs patients. Puisque les données étaient déjà disponibles et prêtes à l’emploi, les chercheurs n’ont en effet pas eu besoin de solliciter activement ces derniers pour prédire un éventuel risque accru d’insuffisance cardiaque. Ce second point conservera d’ailleurs toute sa pertinence dans le futur, puisque les personnes à haut risque pourront être identifiées sans devoir être contactées au préalable. Nous n’en sommes toutefois pas encore là, car le modèle devra encore faire l’objet d’une validation plus poussée.
Trois algorithmes
L’étude a examiné la possibilité de prédire le risque d’insuffisance cardiaque un an avant le diagnostic à l’aide des données présentes dans le dossier électronique de patients âgés de plus de 70 ans, récoltées au cours de la période de 2012 à 2019 (informations relatives aux consultations et aux traitements médicamenteux, données démographiques et résultats de laboratoire). L’ordre des informations du dossier-patient a également été pris en compte. Trois algorithmes d’apprentissage automatique ont été utilisés pour l’analyse : un modèle de régression logistique, un modèle de forêt d’arbres décisionnels et un modèle XGBoost. L’incidence des patients souffrant d’insuffisance cardiaque était similaire dans l’étude et dans la pratique clinique, ce qui accroît la probabilité que les résultats soient transposables à la réalité du terrain.
