L’intelligence artificielle pour prédire le risque de diabète gestationnel

L’intelligence artificielle pour prédire le risque de diabète gestationnel 

Artzi N.S. et al. Prediction of gestational diabetes based on nationwide electronic health records. Nature Med 2020 ; 26 : 71-76.

Le diabète gestationnel (DG) est une intolérance au glucose dont le diagnostic est fait pendant la grossesse.

C’est une complication fréquente puisque survenant chez 3 à 9 % des femmes enceintes, diagnostiquée typiquement entre la 24 et la 28ème semaine de grossesse à l’aide d’une hyperglycémie provoquée orale (HGPO) qu’il est conseillé de faire à toutes les femmes présentant des facteurs de risque de faire un DG. Le DG est associé à des complications à court et à long termes, touchant à la fois la mère et l’enfant. Les enfants nés de mères ayant un diabète gestationnel sont aussi exposés à des complications et ont un risque ultérieur d’obésité et de troubles du métabolisme glucidique. L’identification précoce au cours de la grossesse des femmes à haut risque de DG permettrait de cibler des stratégies d’intervention et de prévention.

Une équipe israélienne a utilisé une approche par intelligence artificielle pour prédire le DG sur des données rétrospectives de 588 622 grossesses menées en Israël pour lesquelles des données de santé électroniques complètes étaient disponibles. La prévalence du DG diagnostiqué grâce à une hyperglycémie provoquée orale à la 28ème semaine de grossesse était de 3.9 %. Avant toute analyse, la population de l’étude a été séparée en trois : une population servant à tester le modèle (451 402 grossesses) et 3 sets de validation : un set de validation de 82 678 grossesses à partir de 2017, un set de validation géographique comprenant 46 000 femmes vivant à Jérusalem et un set de validation mixte combinant les deux précédents (géo-temporel) de 8 540 grossesses. Ils ont d’abord établi un modèle de base, appelé score de risque basal correspondant à la somme de 7 variables binaires recommandées par le NIH comme des facteurs de risque de DG ; la précision la plus élevée obtenue par ce score était de 30 % et l’aire sous la courbe ROC était de 0.68.

 

Afin de savoir si les informations provenant des données numériques de santé de la population israélienne, traitées par intelligence artificielle, pourraient améliorer la prédiction du DG, ils ont compilé 2 355 caractéristiques dont la plupart sont disponibles au début de la grossesse. Ces données ont été utilisées pour construire, au moyen de l’intelligence artificielle, un modèle capable de prédire le DG avec une probabilité importante, même au début de la grossesse, puisque l’aire sous la courbe ROC est de 0.85, donc bien meilleure que la courbe utilisant le score de risque classique avec 7 variables.

Le modèle a ensuite été validé dans le set de validation ultérieur dans le temps et dans le set de validation géographique, permettant de confirmer la performance du modèle en vie réelle. En interrogeant le modèle, ils ont découvert des facteurs de risque non rapportés jusque-là, en particulier l’intérêt des résultats du test de charge en glucose des grossesses préalables. Finalement, ils ont conçu un modèle plus simple basé sur uniquement 9 questions auxquelles la patiente peut répondre et dont la précision est presque aussi bonne qu’avec l’ensemble du modèle (aire sous la courbe ROC = 0.80).

Il est donc possible, avec ces modèles, chez les femmes à haut risque, de prévoir très tôt le risque de DG et éventuellement d’éviter le recours à l’HGPO chez les femmes à faible risque, ce qui permettrait un dépistage beaucoup moins coûteux. Il faudra d’autres études prospectives et d’autres études sur d’autres populations pour évaluer l’utilité clinique en vie réelle de ce modèle.

 

 

 

| Imprimer | E-mail

Sky Poker review bettingy.com/sky-poker read at bettingy.com