Actualités – publiée le 15/10/2019 par Équipe de rédaction Santélog

Diabetes Care

Ce protocole, facile à mettre en œuvre en routine clinique et compatible avec les dossiers médicaux électroniques va permettre d’informer les médecins sur le risque d'insuffisance cardiaque chez leurs patients diabétiques et de favoriser une prévention précoce

Une forme d’intelligence artificielle, l’apprentissage automatique, trouve une nouvelle application avec cette étude du Brigham and Women’s Hospital (BWH, Boston), menée chez les patients diabétiques. La technologie permet d’identifier, avec un degré de précision élevé, les 10 principaux facteurs de prédiction d’insuffisance cardiaque future chez ces patients diabétiques. Présenté dans la revue Diabetes Care, ce protocole, facile à mettre en œuvre en routine clinique et compatible avec les dossiers médicaux électroniques va permettre aux médecins de détecter le risque d’insuffisance cardiaque chez leurs patients diabétiques et de favoriser ainsi une prévention précoce.

L’insuffisance cardiaque est une complication fréquente du diabète de type 2 et peut entraîner la mort ou une invalidité. De récents essais cliniques ont révélé qu’une nouvelle classe de médicaments, les inhibiteurs du SGLT2, pouvait être efficaces pour les patients souffrant d’insuffisance cardiaque. Ces thérapies peuvent également être utilisées chez les patients diabétiques pour prévenir l’insuffisance cardiaque.

Cependant, il s’agit d’identifier avec précision quels patients diabétiques sont les plus à risque d’insuffisance cardiaque. Cette étude d’une équipe du BWH avec des collègues de l’UT Southwestern Medical Center dévoile un nouveau modèle d’apprentissage automatique, capable de prédire avec une grande précision le risque d’insuffisance cardiaque chez ces patients diabétiques.

Un score de risque précieux en routine clinique

Prédire le risque à 5 ans : Médecins généralistes, endocrinologues, néphrologues et cardiologues qui œuvrent autour des patients diabétiques vont trouver un intérêt considérable en ce modèle, explique en substance ml’auteur principal, le Dr Muthiah Vaduganathan, cardiologue au BWH. Car le modèle apporte un score de risque permettant d’identifier précisément les patients exposés à un risque d’insuffisance cardiaque au cours des 5 années à venir.

De plus, il élimine la nécessité de biomarqueurs cliniques cardiovasculaires spécifiques ou d’imagerie avancée, il est facilement intégrable dans la pratique au chevet des patients ou dans les systèmes de dossiers de santé électroniques. En synthèse, il permet d’identifier les patients susceptibles de bénéficier d’interventions thérapeutiques préventives.

Un score de risque appelé WATCH-DM : pour développer le modèle permettant d’aboutir à ce score de risque, ​​l’équipe a exploité les données de 8.756 patients diabétiques participant à l’essai ACCORD (Action to Control Cardiovascular Risk in Diabetes). Ces données comprenaient au total 147 variables, démographiques, cliniques, biologiques, etc. Les chercheurs ont utilisé des méthodes d’apprentissage automatique capables de traiter des données multidimensionnelles pour déterminer les prédicteurs les plus performants de l’insuffisance cardiaque. Sur les 5 années de suivi, 319 patients (3,6%) ont développé une insuffisance cardiaque.

L’équipe a identifié les 10 facteurs prédictifs d’insuffisance cardiaque les plus performants qui composent le score de risque WATCH-DM :

  • le poids corporel ou l’IMC,
  • l’âge,
  • l’hypertension,
  • les niveaux de créatinine,
  • de C-HDL,
  • la glycémie à jeun,
  • la durée du QRS à l’électrocardiogramme,
  • les antécédents d’infarctus du myocarde et de pontage coronarien.

10 variables à réfléchir : Ces 10 variables constituent enfin des messages importants à prendre en compte par les patients lors de l’évaluation de leur risque personnel. L’IMC est l’un des principaux prédicteurs du risque d’insuffisance cardiaque, ce qui renforce l’idée qu’un excès de poids à long terme peut augmenter le risque d’insuffisance cardiaque.

Un score élevé prédit un risque d’insuffisance cardiaque proche de 20% à 5 ans. Alors que cette étude est menée sur un large échantillon et un taux élevé d’insuffisance cardiaque, ses résultats doivent être pris en compte, mais avec quelques réserves cependant, dont l’évolution possible des facteurs prédictifs de l’insuffisance cardiaque depuis la période de l’étude (1999-2009). De plus, le système ne permet pas de prédire une des formes d’insuffisance cardiaque, avec fraction d’éjection préservée.

De futures recherches sont nécessaires pour développer des scores de risque pour toutes les formes d’insuffisance cardiaque chez les patients diabétiques.

Mais la preuve de concept est là, l’intelligence artificielle peut fournir des modèles de prédiction du risque de comorbidités, y compris dans d’autres contextes pathologiques. Une des prochaines étapes sera d’intégrer le score de risque dans les systèmes de dossiers médicaux électroniques afin de faciliter son utilisation pratique.

Source: Diabetes Care Sept 2019 DOI: 10.2337/dc19-0587 Machine Learning to Predict the Risk of Incident Heart Failure Hospitalization Among Patients With Diabetes: The WATCH-DM Risk Score

Plus sur l’IA et la Santé sur Diagnostic Blog