Repurposing cardiovascular disease prediction models for cancer

Cette étude démontre que les modèles de prédiction des maladies cardiovasculaires, une fois recalibrés, sont aussi performants que le modèle QCancer pour prédire le risque de cancer sur 10 ans et pourraient donc être utilisés pour orienter la prévention et le dépistage.

L'essentiel

🩺 Le Grand Détournement : Quand les Gardes du Cœur protègent aussi le Corps contre le Cancer

Imaginez que vous avez un système d'alarme très sophistiqué installé dans votre maison. Ce système est conçu pour détecter les risques d'incendie (le feu, c'est-à-dire les maladies cardiaques). Il surveille la température, la fumée et l'humidité pour vous dire : "Attention, il y a 20 % de chances qu'un incendie se déclare chez vous dans les 10 prochaines années."

Jusqu'à présent, ce système ne s'intéressait qu'au feu. Mais les chercheurs de cette étude se sont posé une question ingénieuse : Et si ce même détecteur de fumée pouvait aussi nous prévenir des risques d'inondation (le cancer) ?

1. Le Problème : Deux ennemis, une même maison

Le cancer et les maladies cardiaques sont les deux plus grands tueurs dans le monde. Ils partagent souvent les mêmes "coupables" : le tabac, une mauvaise alimentation, le manque de sport, l'hypertension.

• L'approche actuelle : Pour le cœur, on utilise des calculatrices de risque partout (dans les cabinets de médecins). Pour le cancer, on attend souvent qu'il soit là pour le dépister (comme faire une mammographie ou un test de dépistage du côlon), ou on utilise des outils de prédiction du cancer qui sont peu connus et peu utilisés.
• L'idée de l'étude : Pourquoi ne pas réutiliser les outils de prédiction cardiaque (les "détecteurs de feu") pour prédire le cancer (les "risques d'inondation") ?

2. L'Expérience : Tester les vieilles clés sur de nouvelles portes

Les chercheurs ont pris quatre modèles de prédiction cardiaque très célèbres (QRISK3, PCE, SCORE2, etc.), utilisés par des millions de médecins en Europe et aux États-Unis.
Ils les ont "recalibrés" (comme on ajuste la sensibilité d'une alarme) et les ont testés sur deux immenses bases de données de patients britanniques (plus de 500 000 personnes dans une, et plus de 4 millions dans l'autre).

Le résultat est surprenant :
Ces modèles, conçus pour le cœur, fonctionnent presque aussi bien que les modèles spécialisés dans le cancer pour prédire le risque de développer un cancer dans les 10 prochaines années !

• Pour certains cancers : C'est une victoire totale. Pour les cancers du poumon, du foie, de l'estomac ou des reins, les modèles cardiaques sont excellents.
• Pour le cancer du poumon : Le modèle cardiaque est très bon, mais le modèle spécialisé (QCancer) reste légèrement meilleur, surtout chez les fumeurs. Cependant, chez les non-fumeurs, les deux modèles sont à égalité.
• La précision : Les modèles ne se contentent pas de deviner ; ils sont très précis sur qui risque de tomber malade et quand.

3. Les "Super-Héros" cachés

En regardant de plus près comment ces modèles fonctionnent, les chercheurs ont découvert quels facteurs étaient les plus importants pour prédire le cancer.
Ce n'est pas seulement l'âge qui compte. Les deux autres grands indicateurs sont :

1. Le tabagisme (évidemment).
2. La tension artérielle (la pression du sang).

C'est comme si le détecteur de fumée disait : "Oh, cette maison a une pression de fumée élevée et un système de ventilation défaillant... ça sent le cancer !" Cela prouve que le cœur et le cancer sont liés par les mêmes racines.

4. Pourquoi c'est une révolution ?

Imaginez que vous allez chez votre médecin pour une simple vérification de tension. Aujourd'hui, le médecin vous dit : "Votre cœur est à risque, prenez ce médicament."
Grâce à cette étude, dans le futur, le médecin pourrait dire : "Votre tension et votre mode de vie indiquent aussi un risque élevé de cancer. Nous pouvons donc vous proposer un dépistage précoce ou un changement de régime alimentaire pour éviter les deux maladies en même temps."

Les avantages concrets :

• Pas de nouveau matériel : On n'a pas besoin de construire de nouveaux logiciels complexes. On utilise ce qui existe déjà dans les ordinateurs des médecins.
• Économique : C'est gratuit à mettre en place.
• Préventif : Cela permet de cibler les personnes à risque avant qu'elles ne tombent malades, plutôt que de les attendre.

En résumé

Cette étude nous apprend que nous n'avons pas besoin d'inventer de nouvelles clés pour ouvrir toutes les portes. Les outils que nous avons déjà pour protéger notre cœur sont si puissants qu'ils peuvent aussi nous aider à prévenir le cancer. C'est une approche "gagnant-gagnant" : en soignant nos habitudes pour le cœur, nous sauvons aussi notre corps du cancer, et nous pouvons le détecter plus tôt grâce à des outils déjà en place.

C'est comme découvrir que votre détecteur de fumée peut aussi vous avertir d'une fuite d'eau : une seule alarme pour protéger toute la maison.

Résumé technique

1. Problématique

Le dépistage populationnel du cancer vise actuellement à détecter la présence d'une maladie à un stade précoce chez des individus asymptomatiques, plutôt qu'à évaluer le risque futur de développer la maladie. Bien que le cancer et les maladies cardiovasculaires (MCV) partagent des facteurs de risque communs (tabagisme, obésité, hypertension, etc.) et des interventions préventives similaires, leurs stratégies de prévention primaire sont historiquement disjointes.

Les modèles de risque MCV (comme QRISK3) sont largement déployés en soins primaires pour guider les traitements préventifs, tandis que les modèles de risque spécifique au cancer (comme QCancer) sont moins utilisés. Les auteurs se sont demandé si les modèles de prédiction MCV, déjà intégrés dans les dossiers médicaux électroniques, pouvaient être « réaffectés » (repurposed) pour prédire le risque de cancer sur 10 ans, offrant ainsi une opportunité d'intégrer la prévention du cancer dans les flux de travail existants de soins primaires.

2. Méthodologie

Données et Cohortes :

• Cohorte principale : UK Biobank (UKB), divisée en un ensemble d'entraînement (20 %) pour le recalibrage et un ensemble de test (80 %) pour l'évaluation.
• Validation externe : Clinical Practice Research Datalink (CPRD) Aurum, une base de données de soins primaires anglaise.
• Critères d'inclusion : Participants âgés de 40 à 84 ans au début de l'étude (1er janvier 2011).
• Événements : Incidence de MCV (composite : coronaropathie, AVC ischémique, mort cardiaque soudaine) et de cancers (tous types sauf cancers cutanés non mélanomes, incluant des types spécifiques comme le cancer du poumon, du foie, du rein, etc.).

Modèles Évalués :
Quatre modèles de risque MCV largement utilisés ont été testés :

1. QRISK3 (le plus utilisé au Royaume-Uni).
2. Pooled Cohort Equations (PCE).
3. SCORE2.
4. SCORE2-OP (pour les personnes âgées).
   Ces modèles ont été comparés au modèle de référence QCancer.

Procédure :

• Recalibrage : Les modèles MCV ont été recalibrés sur 20 % de la cohorte UKB pour ajuster l'intercept et la pente (sans affecter la discrimination) afin de correspondre à l'incidence du cancer plutôt qu'à celle des MCV.
• Évaluation des performances :
  • Discrimination : Mesurée par la statistique C (c-statistic ou AUC).
  • Calibration : Évaluée via l'intercept et la pente de calibration (une pente de 1 et un intercept de 0 indiquent une calibration parfaite).
• Analyse de l'importance des caractéristiques (Feature Importance) : Une analyse de permutation a été réalisée sur QRISK3 pour identifier les variables les plus influentes dans la prédiction du cancer.
• Analyses de sensibilité : Incluant des analyses à 1, 2, 5 et 10 ans, une analyse de repère (landmark analysis) excluant les cancers diagnostiqués dans les 3 premières années (pour éviter les biais de détection de maladies sous-cliniques), et l'imputation des données manquantes dans CPRD.

3. Contributions Clés

• Réaffectation de modèles existants : Démonstration que des modèles MCV conçus pour une pathologie peuvent prédire efficacement le risque d'une autre pathologie (cancer) grâce à la superposition des facteurs de risque.
• Infrastructure prête à l'emploi : Contrairement au développement de nouveaux modèles nécessitant de nouvelles données, cette approche utilise des outils déjà intégrés dans les systèmes de santé (dossiers électroniques, programmes de santé comme le NHS Health Check).
• Validation rigoureuse : Évaluation sur deux grandes bases de données britanniques distinctes (UKB et CPRD) avec un recalibrage spécifique et une validation externe robuste.
• Outils accessibles : Mise à disposition des modèles recalibrés via une API et une application web pour une utilisation clinique immédiate.

4. Résultats

Discrimination (c-statistic) :

• MCV : Les modèles MCV ont bien prédit les événements cardiovasculaires (c-statistic entre 0,71 et 0,74).
• Cancer Global : Tous les modèles MCV ont atteint un c-statistic de 0,63 pour prédire n'importe quel cancer, ce qui est comparable au modèle QCancer (médiane de la différence : -0,01).
• Cancers Spécifiques : Les modèles MCV ont montré une discrimination élevée (c-statistic $\ge$ 0,70) pour plusieurs types de cancers : gastro-œsophagien, foie et voies biliaires, larynx, tractus rénal et cancer du poumon.
• Cas du Cancer du Poumon : Le modèle QCancer a eu une meilleure discrimination globale (0,80) que les modèles MCV (0,75), mais chez les non-fumeurs, les performances étaient similaires (environ 0,63-0,64).
• Comorbidités : Les modèles ont également bien prédit le risque combiné de développer à la fois un cancer et une MCV (c-statistic jusqu'à 0,78).

Calibration :

• Après recalibrage, les modèles MCV ont montré une calibration quasi parfaite dans les deux cohortes (intercept médian : 0,01 ; pente médiane : 1,00).
• La performance était cohérente entre UKB et CPRD, indiquant une robustesse face aux variations démographiques et aux différences de collecte de données.

Importance des Facteurs de Risque (QRISK3) :
L'analyse de permutation a révélé que, après l'âge, les trois prédicteurs les plus influents pour le risque de cancer étaient :

1. Le statut tabagique.
2. La pression artérielle systolique.
3. Le rapport cholestérol total / HDL.
   Ces résultats confirment le lien biologique entre les facteurs de risque cardiovasculaires et l'incidence du cancer.

Contrôle Négatif :
Pour l'accident (événement non lié aux facteurs de risque biologiques), les c-statistics étaient proches de 0,5 (0,53-0,55), confirmant que les modèles ne détectent pas de biais de sélection artificiel.

5. Signification et Implications

• Changement de paradigme en prévention : Cette étude suggère que la prévention du cancer peut être intégrée aux routines de soins primaires existantes pour les MCV, sans coût supplémentaire majeur d'infrastructure.
• Dépistage stratifié par le risque : Les modèles recalibrés pourraient permettre de cibler les programmes de dépistage (comme le scanner thoracique à faible dose pour le cancer du poumon) vers des individus à haut risque, plutôt que de se baser uniquement sur l'âge ou le tabagisme. Cela pourrait améliorer le rapport coût-efficacité des tests de détection précoce multi-cancers.
• Motivation clinique : Articuler le risque de cancer aux côtés du risque cardiovasculaire pourrait renforcer l'adhésion des patients aux changements de mode de vie et aux thérapies médicamenteuses préventives.
• Limites : L'étude exclut les cancers à début très précoce (<40 ans) et les cancers à très faible incidence. De plus, certaines variables (comme le tabagisme) étaient partiellement manquantes dans CPRD, bien que l'imputation n'ait pas altéré les résultats.

En conclusion, les auteurs démontrent que les modèles de risque cardiovasculaire, une fois recalibrés, constituent des outils performants et pratiques pour identifier les individus à haut risque de cancer, ouvrant la voie à une approche intégrée de la prévention des maladies chroniques.