Spatial and Machine Learning Analysis of Breast and Cervical Cancer Screening Uptake in Ghana: Evidence from the 2022 Ghana Demographic and Health Survey

Dans de nombreuses parties du monde, détecter le cancer tôt fait la différence entre la vie et la mort. Pour les femmes au Ghana, deux types de cancer — le cancer du sein et celui du col de l'utérus — sont des préoccupations majeures de santé. Le moyen le plus efficace pour les détecter précocement est le dépistage : un examen simple où un médecin examine le sein ou teste le col de l'utérus. Cependant, l'accès à ces services n'est pas le même pour tous. Des études antérieures ont montré que la richesse et l'éducation agissent comme des verrous ; les femmes disposant de plus d'argent et d'un niveau d'instruction plus élevé sont beaucoup plus susceptibles de se faire dépister que celles qui en ont moins. Ce schéma est bien connu, mais il a généralement été abordé sous un angle large, en observant des régions entières ou le pays dans son ensemble. Cette approche traite une région comme un bloc de couleur unique, masquant le fait que les conditions peuvent changer radicalement à quelques kilomètres de distance. Elle repose également sur des méthodes statistiques standards qui supposent que les relations sont simples et linéaires, risquant ainsi de manquer les interactions complexes entre différents facteurs.

Une équipe de chercheurs au Ghana a décidé d'examiner la question de plus près. Ils se sont demandé si le modèle de dépistage change selon des poches de terrain spécifiques et restreintes que les cartes régionales standards ne parvient pas à identifier. Ils ont également voulu voir si les outils modernes d'apprentissage informatique pouvaient prédire plus efficacement qui est susceptible d'être dépistée que les méthodes traditionnelles, sans avoir besoin de connaître l'emplacement exact de chaque femme. En combinant des cartes détaillées avec des modèles informatiques avancés, ils visaient à créer une image plus nette des inégalités de santé, une image qui pourrait aider les responsables de la santé à cibler leurs efforts plus précisément.

Les chercheurs se sont tournés vers un ensemble de données massif appelé l'Enquête Démographique et de Santé du Ghana de 2022. Cette enquête a interrogé des milliers de femmes à travers le pays, les questionnant sur leur santé, leur foyer et si elles avaient déjà reçu un examen du sein ou un test du col de l'utérus. L'équipe s'est concentrée sur les femmes âgées de 25 à 49 ans, un groupe le plus exposé à ces cancers. Ils ont lié les réponses de l'enquête aux emplacements géographiques spécifiques où les entretiens ont eu lieu. Bien que les coordonnées exactes aient été légèrement décalées pour protéger la vie privée des participantes, elles étaient suffisamment précises pour montrer des modèles au niveau de petites communautés, appelées grappes, plutôt qu'au niveau de grandes régions administratives.

D'abord, l'équipe a cartographié les données pour voir si le dépistage se produisait de manière aléatoire ou s'il se regroupait. Ils ont trouvé qu'il se regroupait nettement. Les zones où les femmes étaient fréquemment dépistées étaient souvent entourées d'autres zones où le dépistage était également courant. Inversement, les zones à faible taux de dépistage avaient tendance à être voisines d'autres zones à faible taux. Ce regroupement était significatif pour le cancer du sein et du col de l'utérus, mais il était plus marqué pour les examens du sein. En zoomant, ils ont vu des « points chauds » d'activité de dépistage concentrés autour de la capitale, Accra, et de certaines parties des régions centrales et du sud. En revanche, des « points froids » où le dépistage était rare étaient fortement concentrés dans les parties septentrionales du pays. Cela a confirmé que la division entre le nord et le sud est réelle, mais cela a aussi révélé que le problème n'est pas uniforme, même au sein de ces grandes zones ; il existe des poches de besoins spécifiques qu'une moyenne régionale globale masquerait.

Ensuite, les chercheurs ont construit un modèle informatique pour prédire quelles femmes étaient susceptibles d'être dépistées en fonction de leur situation personnelle. Ils ont alimenté le modèle avec des informations sur l'âge, l'éducation, la richesse, le lieu de résidence et la possession d'une assurance maladie. Crucialement, ils n'ont pas indiqué à l'ordinateur la localisation spécifique des femmes. Au lieu de cela, ils ont laissé le modèle apprendre les schémas à partir des détails personnels uniquement. Pour s'assurer que le modèle apprenait réellement et ne se contentait pas de mémoriser les données, ils ont utilisé une méthode de test ingénieuse. Ils ont divisé les données en groupes basés sur les communautés, et non sur les individus. Cela signifiait que lors du test, l'ordinateur devait prédire les habitudes de dépistage de femmes issues de communautés qu'il n'avait jamais vues auparavant. Cela a empêché le modèle d'utiliser des connaissances locales qu'il n'aurait pas dû posséder.

Le modèle informatique a obtenu des résultats raisonnables, distinguant correctement les femmes susceptibles d'être dépistées de celles qui ne le seraient pas, avec un AUC de 0,71 à 0,73. Les facteurs les plus importants dictant ces prédictions étaient l'éducation et la richesse. Les femmes ayant un niveau d'éducation élevé et plus d'argent étaient systématiquement prédites comme ayant des taux de dépistage plus élevés. L'âge jouait également un rôle, les femmes plus âgées du groupe étant légèrement plus susceptibles d'être dépistées. Curieusement, la région spécifique où vivait une femme importait peu une fois son niveau d'éducation et sa richesse pris en compte. Cela suggère que la raison pour laquelle certaines régions paraissent différentes sur une carte est largement due au fait que les personnes vivant là ont des niveaux d'éducation et de revenus différents, plutôt qu'à cause d'une qualité unique et inexpliquée propre à la région elle-même.

L'étude a également examiné à quel point l'accès au dépistage est réellement inégal. Lorsqu'ils ont calculé l'écart entre les riches et les pauvres, ils ont découvert un revirement surprenant selon la méthode de mesure utilisée. Pour le cancer du col de l'utérus, l'écart paraissait énorme car très peu de femmes étaient testées au total, ce qui faisait apparaître les riches comme ayant un avantage massif. Cependant, lorsque les chercheurs ont ajusté les calculs pour tenir compte du fait que les chiffres globaux étaient si bas, le tableau a changé. Les chiffres ajustés suggéraient que l'écart pour les examens du sein était en fait plus concentré chez les plus riches que pour les tests du col de l'utérus. En d'autres termes, bien que les deux services soient orientés vers les plus riches, l'inégalité du dépistage du sein est plus étroitement liée aux femmes les plus fortunées que celle du col de l'utérus.

Malgré ces conclusions détaillées, les chercheurs prennent garde à ne pas prétendre avoir résolu le problème ou que leurs cartes sont prêtes à servir de guide final aux responsables de la santé. Le modèle informatique était bon pour prédire en fonction des détails personnels, mais il n'a pas été testé sur de nouvelles zones en dehors des données de l'enquête, il pourrait donc ne pas fonctionner parfaitement s'il était appliqué ailleurs. Les cartes montrant les points chauds et les points froids ont également été traitées comme exploratoires ; elles indiquent des zones de besoin probables, mais n'ont pas été confirmées statistiquement avec le plus haut niveau de certitude car les chercheurs n'ont pas appliqué de correction stricte pour tester autant de petites zones à la fois. De plus, l'étude ne pouvait pas prouver que vivre dans une zone pauvre cause l'absence de dépistage d'une femme ; elle a seulement montré que ces deux choses se produisent simultanément.

La valeur ultime de ce travail réside dans sa capacité à montrer les couches cachées d'un problème de santé publique. En allant au-delà des moyennes régionales globales et en utilisant des outils capables de gérer des schéments complexes, les chercheurs ont démontré que l'histoire du dépistage du cancer au Ghana est plus nuancée qu'une simple division nord-sud. Ils ont démontré que, si la richesse et l'éducation sont les principaux moteurs de qui est dépisté, ces facteurs ne sont pas répartis uniformément sur le territoire. Il existe des communautés spécifiques, même au sein de régions plus aisées, qui sont laissées pour compte, et des poches spécifiques dans les régions plus pauvres qui s'en sortent mieux que prévu. Ce niveau de détail offre une nouvelle façon de penser l'orientation des ressources, suggérant que les planificateurs de santé pourraient devoir examiner la composition spécifique de petites communautés plutôt que la moyenne d'une grande région. L'étude sert de preuve de concept démontrant que la combinaison de la cartographie spatiale avec des outils prédictifs modernes peut révéler les détails de l'inégalité en matière de santé, offrant une vue plus claire, bien qu'imparfaite, des zones où l'aide est nécessaire.