Utilisant des fonctions d’apprentissage machine similaires à celles utilisées par Netflix et Spotify pour personnaliser le contenu, une équipe dirigée par le Dr Luis Eduardo Juarez-Orozco a programmé l’algorithme LogitBoost pour utiliser 85 variables qui calculent le risque sanitaire pour 950 sujets qui avaient subi une multitude de batteries de tests et scans avant de recevoir les méthodes traditionnelles de test.
Après que les patients se sont plaints de douleurs thoraciques, leurs données ont été recueillies et utilisées pour “former” l’algorithme, qui a “appris” les risques sur une période de six ans, au cours de laquelle il a réussi à prévoir à 90 % 24 crises cardiaques et 49 décès, toutes causes confondues.
“Ces progrès vont bien au-delà de ce qui a été fait en médecine, où nous devons être prudents quant à la façon dont nous évaluons les risques et les résultats“, a déclaré Juarez-Orozco, ajoutant : “Nous avons les données mais nous ne les utilisons pas encore à leur plein potentiel”.
Selon le Daily Mail, les médecins utilisent généralement des scores de risque pour prendre des décisions de traitement, mais ces scores n’utilisent qu’une “poignée” de variables chez les patients.
“Les humains ont beaucoup de mal à penser plus loin que trois ou quatre dimensions”, dit Juarez-Orozco. “Dès que nous sautons dans la cinquième dimension, nous sommes perdus.”
“Notre étude montre que les modèles à très haute dimension sont plus utiles que les modèles unidimensionnels pour prédire les résultats chez les individus et pour cela nous avons besoin de l’apprentissage machine.“
L’étude a porté sur 950 patients souffrant de douleurs thoraciques qui ont suivi le protocole habituel du centre pour rechercher une maladie coronarienne.
Une coronarographie par angiographie par tomodensitométrie (angio-scanner) a permis de recueillir 58 données sur les risques potentiels d’une crise cardiaque.
Il s’agissait notamment de la présence de plaque coronaire, d’un rétrécissement des vaisseaux et d’une calcification.
Ceux qui présentaient des scintigraphies évoquant une maladie ont subi une tomographie par émission de positrons (TEP) qui a produit 17 variables sur le débit sanguin.
Dix variables cliniques ont été obtenues à partir des dossiers médicaux, notamment le sexe, l’âge, le tabagisme et le diabète.Les 85 variables ont été saisies dans LogitBoost, qui les a analysées à plusieurs reprises jusqu’à ce qu’il trouve la meilleure structure pour prédire qui aura une crise cardiaque ou qui décédera. –Daily Mail
“L’algorithme apprend progressivement à partir des données et, après de nombreuses séries d’analyses, il détermine les schémas dimensionnels élevés qui devraient être utilisés pour identifier efficacement les patients qui ont l’événement – le résultat est un score de risque individuel,” ajoute Juarez-Orozco. “Les médecins recueillent déjà beaucoup d’informations sur les patients – par exemple, ceux qui souffrent de douleurs thoraciques.”
“Nous avons constaté que l’apprentissage machine peut intégrer ces données et prédire avec précision le risque individuel… Cela devrait nous permettre de personnaliser le traitement et d’obtenir de meilleurs résultats pour les patients.”
L’étude a été présentée à la International Conference on Nuclear Cardiology and Cardiac CT.
Source: Zero Hedge,