Predicting cardiovascular risk under intervention: Development and internal validation of the CHARIOT Model in 19 million adults

Le modèle CHARIOT, développé et validé sur 19 millions d'adultes britanniques à partir de dossiers médicaux électroniques, permet de prédire la réduction spécifique du risque cardiovasculaire à 10 ans sous diverses interventions (statines, antihypertenseurs, arrêt du tabac, modifications du mode de vie) pour orienter une prévention personnalisée et actionnable.

L'essentiel

🌟 Le Concept : Un GPS pour la Santé de votre Cœur

Imaginez que votre cœur est une voiture et que vous conduisez sur une route appelée "Vie". Actuellement, les médecins utilisent des cartes routières traditionnelles (comme le modèle QRISK) pour vous dire : "Attention, vous êtes sur une route dangereuse, il y a un risque élevé d'accident dans les 10 prochaines années."

C'est utile, mais cela ne répond pas à la vraie question que tout conducteur se pose : "Si je change de trajectoire, est-ce que je peux éviter l'accident ? Et de combien ?"

Le modèle CHARIOT est comme un GPS intelligent et prédictif. Il ne se contente pas de vous dire où vous êtes, il vous montre le futur de votre trajet si vous prenez une décision spécifique.

• Question classique : "Ai-je un risque de crise cardiaque ?"
• Réponse de CHARIOT : "Oui, vous avez un risque de 19 %. Mais si vous arrêtez de fumer, ce risque tombe à 15 %. Si vous commencez un traitement contre le cholestérol, il tombe à 14 %. Si vous faites les deux, il tombe à 5 %."

🏗️ Comment ça marche ? (La Cuisine du Modèle)

Les chercheurs ont cuisiné ce modèle avec une recette très spéciale, utilisant les données de 19 millions d'adultes britanniques (c'est énorme !).

1. La Base (Le Moteur) : Ils ont d'abord créé un moteur très puissant qui calcule votre risque actuel en regardant votre âge, votre poids, votre tension, si vous fumez, etc. C'est comme mesurer la vitesse actuelle de votre voiture.
2. La Magie (Le Causalité) : C'est ici que CHARIOT est différent. Au lieu de juste regarder les statistiques, il utilise une forme de "magie scientifique" (l'inférence causale) pour simuler des mondes parallèles. Il se demande : "Si cette personne avait arrêté de fumer il y a 5 ans, comment sa route aurait-elle été différente ?"
3. La Mémoire (Le GPS qui se souvient) : Contrairement aux vieux modèles qui oublient tout après la consultation, CHARIOT a une mémoire. Si vous revenez voir votre médecin dans un an, il se souvient de votre point de départ. Il peut dire : "L'an dernier, votre risque était de 19 %. Aujourd'hui, vous avez perdu 5 kg et arrêté de fumer, donc votre risque est maintenant de 12 %."

🎭 Une Histoire Vraie (L'Exemple de la Dame de 70 ans)

Pour illustrer, imaginons une dame de 70 ans, fumeuse, avec une tension un peu haute.

• Sans rien faire : Son risque de problème cardiaque dans 10 ans est de 19 %. C'est comme si elle avait 19 chances sur 100 de faire un accident.
• Avec CHARIOT : Le médecin lui montre l'écran du GPS :
  • *"Si vous commencez un traitement pour le cholestérol, votre risque descend à 14 %."*
  • *"Si vous arrêtez de fumer, il descend aussi à 15 %."*
  • *"Si vous faites les deux et que vous mangez mieux, il tombe à 5 %."*

Cette dame, voyant que ses actions ont un impact réel et mesurable, décide d'arrêter de fumer. Un an plus tard, elle revient. Le modèle se souvient de son départ, calcule ses nouveaux efforts, et lui dit : "Bravo ! Votre risque est maintenant de 12 %. Continuons comme ça."

🛠️ Pourquoi c'est important ?

1. C'est motivant : Les gens changent plus facilement de comportement quand ils voient le bénéfice concret de leurs actions. C'est comme voir le compteur de carburant baisser quand on roule doucement.
2. C'est personnalisé : Ce n'est pas une règle générale pour tout le monde. C'est fait pour vous, avec votre historique.
3. C'est réutilisable : Vous pouvez l'utiliser à chaque visite chez le médecin pour suivre vos progrès, comme un coach sportif numérique.

⚠️ Les Limites (Le Petit Bémol)

Comme tout GPS, il faut faire attention :

• Il est basé sur des données britanniques, donc il faut vérifier s'il fonctionne aussi bien partout ailleurs.
• Il ne peut pas prédire l'avenir à 100 % (la vie est imprévisible !), mais il donne la meilleure estimation possible basée sur la science actuelle.
• Il suppose que si vous arrêtez de fumer, votre tension baisse, etc. C'est une hypothèse logique, mais chaque corps est unique.

🚀 En Résumé

CHARIOT est un outil révolutionnaire qui transforme la prévention des maladies cardiaques. Au lieu de dire "Vous êtes en danger, faites quelque chose", il dit "Voici exactement ce qui se passera si vous faites ceci ou cela". C'est un pas de géant vers une médecine plus personnalisée, où chaque patient devient le capitaine de son propre navire, avec une carte précise pour éviter les tempêtes.

Résumé technique

1. Problématique et Contexte

Les modèles de prédiction du risque cardiovasculaire (CVD) actuels, tels que QRISK2 ou les équations de la cohorte regroupée (PCE), sont largement utilisés pour identifier les patients à haut risque et recommander des interventions (statines, mode de vie). Cependant, ils présentent une limitation fondamentale : ils sont purement associatifs. Ils peuvent indiquer qu'un risque existe, mais ne peuvent pas répondre à la question cruciale : « Que se passerait-il concrètement pour mon risque si je prenais ce médicament ou si je changeais mon mode de vie ? ».

Les approches actuelles tentent parfois d'approximer ces réponses en appliquant des effets moyens de traitement à un score individuel, mais cette méthode échoue à gérer correctement l'utilisation du traitement au sein de la cohorte de développement (problème de « treatment drop-in ») et ne peut pas être étendue aux interventions sur le mode de vie (perte de poids, arrêt du tabac). Il existe donc un besoin urgent d'un outil capable de prédire le risque sous des interventions hypothétiques (prédiction sous intervention) pour soutenir la prise de décision clinique personnalisée et motiver le changement de comportement.

2. Méthodologie

Le modèle CHARIOT (Cardiovascular Health Assessment and Risk Intervention Optimization Tool) a été développé et validé en interne sur une cohorte massive de 19 410 403 adultes britanniques (données du CPRD Aurum, dossiers de soins primaires).

Architecture du Modèle

CHARIOT se compose de deux volets interconnectés, conçus pour être utilisés sur plusieurs visites cliniques :

1. Composante d'estimation du risque initial :

   • Modèle : Un modèle de régression de Cox à risques proportionnels, ajusté séparément pour les hommes et les femmes.
   • Variables : Utilise des prédicteurs similaires à QRISK4 (âge, sexe, ethnie, IMC, pression artérielle systolique, cholestérol non-HDL, antécédents médicaux, etc.). Les variables continues sont modélisées avec des splines cubiques restreintes.
   • Gestion des traitements : Pour estimer le risque de base (« continuer la stratégie actuelle »), le modèle intègre des termes de décalage (offsets) basés sur des effets causaux tirés de la littérature. Cela permet de corriger le biais introduit par les changements de traitement observés durant le suivi (arrêt ou début de statines/antihypertenseurs) sans exclure les patients traités.
   • Données manquantes : Imputation multiple par équations chaînées (MICE).

2. Composante d'intervention (Ajustement basé sur la mémoire) :

   • Principe : Ce module ne réajuste pas le modèle statistique mais applique des rapports de cotes causaux (Odds Ratios) aux risques estimés par la première composante.
   • Mécanisme : Il utilise un graphe acyclique dirigé (DAG) pour décomposer les effets des interventions en effets directs et indirects. Par exemple, l'arrêt du tabac affecte non seulement le risque directement, mais aussi indirectement via l'augmentation potentielle de l'IMC ou la baisse de la pression artérielle.
   • Fonctionnalité « Mémoire » : Le modèle mémorise les valeurs des facteurs de risque modifiables à la visite initiale (Visit 0). Aux visites de suivi, il compare les valeurs actuelles aux valeurs de référence pour estimer le risque actuel et les risques futurs sous différentes hypothèses d'intervention.

Hypothèses et Validation

• Hypothèses : Le modèle suppose la validité des effets causaux tirés de la littérature (essais randomisés, études de Mendelian randomisation) et leur transférabilité à la population anglaise.
• Validation :
  • Interne : Validation sur 30 % de la cohorte (split-sample) et validation temporelle sur des visites de suivi (1, 3, 5 ans).
  • Métriques : Calibration (courbes de calibration, ICI, E50, E90) et discrimination (Indice C de Harrell).
  • Équité : Évaluation des performances par sous-groupes (sexe, ethnie, région, âge).

3. Résultats Clés

• Performance Prédictive :

  • Le modèle montre une excellente discrimination avec un indice C de 0,874 pour les femmes et 0,859 pour les hommes.
  • La calibration est globalement forte à travers les sexes, les groupes ethniques et les régions anglaises.
  • Une légère sous-estimation du risque est observée chez les individus très jeunes (17-30 ans) en raison de la linéarité imposée par les splines en dessous de 25 ans, mais l'impact absolu est négligeable car le risque est très faible dans ce groupe.

• Exemple Clinique (Étude de cas) :

  • Pour une femme de 70 ans avec un risque de base de 18,97 % :
    • Initiation de statines : réduction du risque à 14,32 %.
    • Arrêt du tabac : réduction à 15,77 %.
    • Réduction de la pression artérielle de 10 mmHg : réduction à 15,26 %.
    • Combinaison d'interventions (perte de poids, baisse du cholestérol et de la tension) : réduction drastique à 5,49 %.
  • Ce scénario illustre la capacité du modèle à quantifier l'impact spécifique de chaque action, permettant au patient et au clinicien de comparer les options.

• Validation Temporelle :

  • Lors de l'application du modèle sur des visites de suivi (1 à 5 ans), une surestimation du risque chez les individus à haut risque a été observée à mesure que l'éloignement de la visite initiale augmentait. Cela est attribué à un biais de sélection (les individus les plus malades quittent la cohorte par décès ou événement CVD).

4. Contributions et Innovations

1. Prédiction sous intervention : CHARIOT est l'un des premiers modèles à intégrer rigoureusement l'inférence causale pour prédire le risque futur sous des interventions hypothétiques, au-delà de la simple prédiction du risque observé.
2. Architecture Multi-visites : Contrairement aux outils statiques, CHARIOT est conçu pour un usage itératif, mémorisant l'état initial du patient pour recalculer les risques à chaque consultation de suivi.
3. Décomposition des effets : Le modèle distingue les effets directs et indirects des interventions (via le DAG), permettant de simuler des combinaisons d'interventions complexes et personnalisées.
4. Accessibilité : Le modèle est rendu disponible sous forme d'application interactive (Rshiny) et de code open-source, favorisant la transparence et l'adoption potentielle dans les systèmes de santé numériques.

5. Signification et Implications Cliniques

CHARIOT représente une avancée majeure vers une médecine préventive personnalisée. En passant d'une communication du risque statique (« Vous êtes à risque ») à une communication dynamique et actionnable (« Si vous faites X, votre risque baissera de Y % »), le modèle s'aligne sur la théorie de l'efficacité de la réponse (response efficacy), un mécanisme psychologique clé pour motiver le changement de comportement.

Bien que le modèle ait été développé sur des données anglaises et nécessite une validation externe pour les autres nations du Royaume-Uni, il offre un cadre robuste pour l'intégration de l'IA causale dans les dossiers de santé électroniques (EHR). Il permet aux cliniciens et aux patients de visualiser concrètement les bénéfices des interventions, transformant la prévention cardiovasculaire en un processus collaboratif et motivant.

Limites à noter : Les effets des interventions sont basés sur des estimations externes (méta-analyses, essais) et non sur des données internes, ce qui introduit une incertitude sur la propagation des erreurs. De plus, le modèle suppose que la réduction d'un facteur de risque (ex: tension artérielle) a le même effet quelle que soit la méthode utilisée pour y parvenir (hypothèse de consistance).