Des modèles d’apprentissage automatique peuvent fournir des informations fiables aux cliniciens concernant la progression de l’incapacité liée à la sclérose en plaques, selon une étude récente publiée dans le journal en libre accès PLOS Digital Health par Edward De Brouwer de l’Université KU Leuven en Belgique et ses collaborateurs.
La sclérose en plaques (SEP) est une maladie auto-immune chronique et progressive qui entraîne, au fil du temps, une incapacité sévère à travers un schéma complexe de progression, de récupération et de rechute. Sa prévalence mondiale a augmenté de plus de 30 % au cours de la dernière décennie. Cependant, il existe peu d’outils capables de prédire la progression de la SEP, ce qui pourrait aider les cliniciens et les patients dans la planification de leur vie et la prise de décisions concernant les traitements.
Dans cette nouvelle recherche, De Brouwer et son équipe ont analysé des données concernant 15 240 adultes ayant au moins trois ans d’historique de SEP, traités dans 146 centres spécialisés à travers 40 pays. Les données sur deux années 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 dans les mois et les années à venir.
Les modèles ont été formés et validés selon des directives cliniques strictes, ce qui favorise leur applicabilité en pratique clinique. Bien que les performances des modèles variaient selon les sous-groupes de patients, la moyenne de l’aire sous la courbe ROC (ROC-AUC) était de 0,71 ± 0,01. L’étude a révélé que l’historique de la progression de l’incapacité était un meilleur indicateur de la progression future que l’historique des traitements ou des rechutes.
Les auteurs concluent que les modèles développés dans cette étude pourraient considérablement améliorer la planification pour les personnes atteintes de SEP et pourraient être évalués dans le cadre d’une étude sur l’impact clinique.
De Brouwer ajoute : “En utilisant l’historique clinique 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 de l’incapacité au cours des deux prochaines années. Le modèle se base uniquement sur des variables cliniques collectées de manière routinière, ce qui le rend largement applicable. Nos tests rigoureux et notre validation externe soutiennent le potentiel considérable des modèles d’apprentissage automatique pour aider les patients à planifier leur vie et les cliniciens à optimiser les stratégies de traitement.”
Référence de l’article :
- De Brouwer E, Becker T, Werthen-Brabants L, Dewulf P, Iliadis D, Dekeyser C, et al. (2024) Prédiction de la progression de l’incapacité dans la sclérose en plaques basée sur l’apprentissage automatique : une étude d’observation internationale et multicentrique. PLOS Digital Health 3(7) : e0000533. DOI : 10.1371/journal.pdig.0000533
