Les modèles d’apprentissage automatique prédisent la progression du handicap dans la sclérose en plaques

25 juillet 2024

Les modèles d’apprentissage automatique peuvent informer de manière fiable les médecins sur la progression du handicap dans la sclérose en plaques, selon une nouvelle étude publiée cette semaine dans la revue en libre accès. PLOS Santé numérique par Edward De Brouwer de la KU Leuven, Belgique, et ses collègues.

La sclérose en plaques (SEP) est une maladie auto-immune chronique et progressive qui entraîne un handicap grave au fil du temps selon un schéma complexe de progression, de guérison et de rechute. La prévalence mondiale a augmenté de plus de 30 % au cours de la dernière décennie. Cependant, il existe peu d’outils permettant de prédire la progression de la SEP et d’aider les médecins et les patients à planifier leur vie et à prendre des décisions en matière de traitement.

Dans la nouvelle étude, De Brouwer et ses collègues ont utilisé les données de 15 240 adultes ayant au moins trois ans d’antécédents de SEP et traités dans 146 centres de SEP dans 40 pays. Les données sur deux ans de progression de la maladie de chaque patient ont été utilisées pour entraîner des modèles d’apprentissage automatique de pointe afin de prédire la probabilité de progression de la maladie au cours des mois et des années suivants. Les modèles ont été formés et validés à l’aide de directives cliniques strictes pour promouvoir l’applicabilité des modèles dans la pratique clinique. Bien que les performances des modèles individuels variaient selon les différents sous-groupes de patients, les modèles présentaient une aire moyenne sous la courbe ROC (ROC-AUC) de 0,71 ± 0,01. L’étude a révélé que les antécédents de progression du handicap sont un meilleur prédicteur de la progression future du handicap que les antécédents de traitement ou de rechute.

Les auteurs concluent que les modèles développés dans l’étude ont le potentiel d’améliorer considérablement la planification pour les personnes atteintes de SEP et pourraient être évalués dans le cadre d’une étude d’impact clinique.

De Brouwer ajoute : « En utilisant les antécédents cliniques de plus de 15 000 personnes atteintes de sclérose en plaques, nous avons formé un modèle d’apprentissage automatique capable de prédire de manière fiable la probabilité de progression du handicap au cours des deux prochaines années. Il est largement applicable. Nos analyses comparatives rigoureuses et notre validation externe soutiennent l’énorme potentiel des modèles d’apprentissage automatique pour aider les patients à planifier leur vie et les médecins à optimiser les stratégies de traitement.