Publié le 7 octobre 2025 20:19:00. Une nouvelle approche basée sur l’intelligence artificielle pourrait permettre de détecter précocement les atteintes pulmonaires chez les patients atteints de polyarthrite rhumatoïde, une complication souvent silencieuse et potentiellement mortelle.
- Un outil d’apprentissage automatique développé par des chercheurs chinois permet d’identifier les lésions pulmonaires cachées avec une précision proche de 90 %.
- Un simple test sanguin, combiné à un algorithme d’IA, pourrait identifier les patients à risque de maladie pulmonaire interstitielle (MPI).
- Le biomarqueur KL-6 s’est révélé être le prédicteur le plus puissant de l’atteinte pulmonaire.
La polyarthrite rhumatoïde (PR), maladie auto-immune chronique caractérisée par l’inflammation des articulations, peut également affecter les poumons chez près d’un tiers des patients. Cette complication, appelée maladie pulmonaire interstitielle associée à la PR, progresse souvent sans symptômes apparents et n’est diagnostiquée que lorsque des dommages irréversibles sont déjà présents. La Pulmonary Fibrosis Foundation souligne que les causes exactes de ces maladies pulmonaires interstitielles restent incertaines, mais que le tabagisme et certaines prédispositions génétiques sont des facteurs de risque connus. Certaines recherches suggèrent même que l’inflammation pulmonaire pourrait, dans certains cas, précéder l’apparition de la PR elle-même.
La détection précoce représente un défi majeur dans la prise en charge de cette complication. Pour y répondre, une équipe de chercheurs du cinquième hôpital de Xi’an, dans la province du Shaanxi en Chine, a mis au point un outil d’apprentissage automatique capable de repérer les lésions pulmonaires subtiles chez les patients atteints de PR. Cette innovation pourrait permettre d’intervenir avant que la situation ne devienne critique.
Les résultats de leurs travaux, publiés en août dans la revue BMC Pulmonary Medicine, indiquent qu’une simple analyse sanguine, couplée à un algorithme d’intelligence artificielle, pourrait identifier les patients présentant un risque élevé de développer une maladie pulmonaire interstitielle (MPI), une affection grave et souvent sous-diagnostiquée.
L’étude a porté sur une cohorte de 149 patients atteints de PR, suivis entre 2020 et 2023. Chaque participant a subi une tomodensitométrie (scanner) à haute résolution pour évaluer la présence d’une MPI, et des échantillons de sang ont été prélevés pour mesurer divers marqueurs cliniques et moléculaires, notamment des indicateurs d’inflammation et des biomarqueurs spécifiques associés aux lésions pulmonaires, tels que le KL-6, l’interleukine-6 et le CYFRA21-1.
L’équipe a ensuite comparé l’efficacité de quatre modèles d’apprentissage automatique pour prédire l’atteinte pulmonaire. L’algorithme XGBoost s’est avéré le plus performant, atteignant une précision de près de 90 % dans la distinction entre les patients atteints et non atteints de MPI.
« Le modèle a démontré une sensibilité et une spécificité équilibrées, ce qui signifie qu’il est peu probable qu’il génère un nombre excessif de faux positifs tout en détectant les cas réels. »
Yunqi Bao et collègues, auteurs correspondants
Parmi les nombreuses variables analysées, le KL-6 s’est distingué comme le prédicteur le plus fiable. Les patients atteints de MPI présentaient des taux de KL-6 près de trois fois supérieurs à ceux des patients sans atteinte pulmonaire. Il est à noter que l’augmentation du KL-6 ne semblait pas corrélée aux mesures classiques de l’inflammation systémique, comme la protéine C-réactive, ce qui suggère qu’elle reflète spécifiquement les modifications pulmonaires et non l’activité globale de la maladie rhumatoïde.
Bien que l’âge, les antécédents de tabagisme et la durée de la maladie aient contribué à la capacité prédictive du modèle, aucun de ces facteurs n’a eu autant d’influence que le panel de biomarqueurs. Selon les auteurs, la combinaison de données biologiques et cliniques pourrait permettre d’identifier les patients nécessitant une surveillance plus étroite ou des examens d’imagerie ciblés, tout en évitant d’exposer inutilement les autres aux radiations liées aux tomodensitométries répétées.
Les chercheurs précisent que cet outil ne vise pas à remplacer les scanners, mais plutôt à aider à déterminer qui devrait en bénéficier. Ils envisagent une application future dans laquelle une simple prise de sang, analysée par un modèle d’IA, fournirait un score de risque qui guiderait les médecins dans la prescription des examens appropriés au moment opportun.
Malgré ces résultats encourageants, les auteurs reconnaissent la nécessité de mener des études complémentaires. L’étude actuelle est transversale, fournissant une photographie à un instant donné plutôt qu’un suivi de l’évolution de la maladie au fil du temps, et n’a pas inclus de tests de la fonction pulmonaire pour établir un lien entre les biomarqueurs et la capacité respiratoire.
Ces résultats offrent néanmoins un aperçu prometteur de la manière dont l’IA et la médecine moléculaire pourraient s’associer pour améliorer la prise en charge des patients atteints de PR.
