Generalizing Major Adverse Cardiovascular Events (MACE) Prediction Across Study Designs Using Ensemble Transfer Learning in 4.2 million US Veterans

Les maladies cardiaques demeurent la principale cause de décès aux États-Unis, coûtant la vie à environ une personne sur quatre. Depuis des décennies, les médecins s'appuient sur des facteurs de risque établis pour prédire qui pourrait subir un événement cardiaque majeur, tel qu'une crise cardiaque, un accident vasculaire cérébral ou un décès d'origine cardiovasculaire. Ces facteurs incluent l'âge, le sexe, l'hypertension artérielle, le diabète et les taux de cholestérol. Bien que ces directives aient sauvé des vies, elles peinent souvent à s'adapter lorsqu'elles sont appliquées à différents groupes de personnes ou lorsque les données sur lesquelles elles sont construites proviennent de différents types d'études médicales. Un modèle entraîné sur un groupe de patients peut échouer lorsqu'il est utilisé sur un autre, simplement parce que la manière dont les données ont été collectées a créé des biais cachés. Le défi de la médecine moderne est de construire des outils de prédiction qui soient non seulement précis, mais aussi assez robustes pour fonctionner à travers des populations diverses et des systèmes de santé changeants.

Pour remédier à cela, une équipe de chercheurs du Laboratoire national de Los Alamos et de divers centres médicaux des Affaires des anciens combattants s'est tournée vers un ensemble de données massif contenant les dossiers médicaux électroniques de 4,2 millions de vétérans américains. Leur objectif était de créer une nouvelle façon de prédire les événements cardiovasculaires indésirables majeurs, ou MACE, qui pourrait apprendre de différentes conceptions d'études et généraliser ses découvertes aux patients du monde réel. Ils ont découvert qu'en combinant deux manières très différentes d'examiner les données des patients — l'une axée sur l'identification des causes biologiques de la maladie et l'autre axée sur le dépistage d'une population large — ils pouvaient construire un outil de prédiction bien plus puissant que l'une ou l'autre de ces méthodes prise isolément.

Les chercheurs ont travaillé avec un ensemble de données couvrant sept ans et demi d'antécédents médicaux pour des millions de patients. Ils devaient prédire qui subirait une crise cardiaque, un accident vasculaire cérébral ou un décès lié au système cardiovasculaire dans le futur. Pour ce faire, ils ont examiné un large éventail d'informations, notamment les résultats de laboratoire, les signes vitaux comme la pression artérielle, les diagnostics, les médicaments et la fréquence des visites chez le médecin. Ils ont organisé ces informations en blocs de temps précédant la date de prédiction, créant ainsi une chronologie détaillée de la santé de chaque patient.

L'équipe a été confrontée à un problème fondamental : les différents types d'études médicales capturent différents aspects de la santé. Un type d'étude, connu sous le nom d'étude cas-témoins rétrospective, est excellent pour identifier les moteurs biologiques d'une maladie. Dans ce modèle, les chercheurs associent des patients ayant subi un événement cardiaque à des patients similaires qui n'en ont pas subi, en contrôlant soigneusement des facteurs tels que l'âge et la fréquence des visites médicales. Cet appariement élimine le "bruit" des modes d'utilisation des soins de santé, permettant aux signaux biologiques de se détacher clairement. Cependant, ces groupes appariés ne ressemblent pas toujours à la population générale rencontrée dans un cabinet médical.

L'autre type d'étude est une cohorte de dépistage prospective, qui observe un groupe large de patients tels qu'ils sont vus lors de soins de routine. Ce modèle reflète le monde réel, incluant le fait que certaines personnes consultent fréquemment tandis que d'autres le font rarement. Bien que cela fournisse une image réaliste de la population, les données sont souvent "bruyantes" car la fréquence des visites est liée à l'état de santé de la personne, ce qui rend difficile la séparation de la maladie elle-même de l'utilisation des soins.

Les chercheurs ont réalisé que l'utilisation d'une seule de ces approches était limitante. Au lieu de cela, ils ont développé un cadre appelé apprentissage par transfert d'ensemble (ensemble transfer learning). Ils ont d'abord entraîné plusieurs modèles d'apprentissage automatique différents sur les données cas-témoins rétrospectives pour apprendre les véritables moteurs biologiques des maladies cardiaques. Ensuite, ils ont pris ces modèles et les ont "affinés" à l'aide des données de dépistage prospectif. Ce processus a permis aux modèles de s'ajuster aux schémas réels d'utilisation des soins de santé tout en conservant les connaissances biologiques fondamentales qu'ils avaient acquises. C'est similaire à la façon dont un musicien pourrait pratiquer un morceau dans un studio calme pour maîtriser les notes, puis le jouer dans une salle de concert bruyante, en ajustant son volume et son rythme en fonction de la pièce sans perdre la musique elle-même.

Les résultats ont été significatifs. Lorsque les chercheurs ont testé leurs nouveaux modèles combinés sur une cohorte prospective de vétérans de 2017, les modèles ont atteint un haut niveau de précision, distinguant mieux ceux qui subiraient un événement cardiaque de ceux qui n'en subiraient pas, surpassant les méthodes standards précédentes. Les modèles étaient particulièrement performants pour identifier les patients à haut risque, un groupe que les outils antérieurs manquaient souvent. De plus, les modèles sont restés précis à travers différents groupes démographiques, incluant les hommes et les femmes, ainsi que les personnes de différentes races et ethnies.

Une découverte clé de l'étude a été que les moteurs biologiques des maladies cardiaques identifiés dans les groupes rétrospectifs soigneusement appariés étaient cohérents avec ceux trouvés dans les groupes prospectifs plus larges. Cela suggère que les mécanismes fondamentaux de la maladie sont stables et peuvent être appris d'un type d'étude et appliqués avec succès à un autre. L'étude a également souligné que les modèles non linéaires, capables de capturer des interactions complexes entre les variables, étaient plus performants que les modèles linéaires traditionnels. Ces modèles avancés étaient capables de comprendre qu'une combinaison de facteurs, tels qu'une hypertension artérielle et un historique de douleurs thoraciques, créait un risque supérieur à la somme des parties individuelles.

Les chercheurs ont également examiné la gestion des données manquantes par les modèles. Dans les dossiers médicaux électroniques, il est courant que certains tests soient manquants. L'étude a révélé que l'absence d'un résultat de test était souvent informative ; par exemple, si un patient n'avait pas eu de contrôle de la pression artérielle depuis longtemps, cela pouvait indiquer un manque d'engagement envers le système de santé, ce qui constitue en soi un facteur de risque. Les nouveaux modèles ont été capables d'utiliser ces schémas d'absence de données pour améliorer leurs prédictions, alors que les anciens modèles les traitaient souvent comme une simple erreur à ignorer.

Ce travail démontre qu'il est possible de construire des outils de prédiction clinique qui soient à la fois fondés sur la biologie et pratiquement utiles. En reconnaissant que les différents types d'études offrent des forces distinctes, les chercheurs ont créé un système qui tire parti de la précision des études appariées et du réalisme du dépistage large. Les modèles qui en résultent ne sont pas seulement plus précis ; ils sont aussi plus adaptables. À mesure que les systèmes de santé évoluent, que de nouveaux traitements sont introduits et que les populations de patients changent, ces modèles peuvent être mis à jour avec un effort relativement faible, garantissant qu'ils restent pertinents.

L'étude a été menée à l'aide de données provenant du Département des Affaires des anciens combattants des États-Unis, qui a fourni un dossier longitudinal riche de millions de patients. Bien que la population spécifique de vétérans soit principalement masculine et âgée, la méthodologie développée ici offre une stratégie générale pour améliorer la prédiction des risques dans n'importe quel grand système de santé. Les chercheurs suggèrent que cette approche pourrait être appliquée à d'autres maladies chroniques et problèmes médicaux complexes, offrant une voie vers une médecine plus fiable et personnalisée. En combinant le meilleur de différents types d'études, l'équipe a montré que l'apprentissage automatique peut aller au-delà de la simple reconnaissance de formes pour créer des outils qui comprennent véritablement la complexité de la santé humaine.