SEATTLE – Un outil de support de décision clinique basé sur l’apprentissage automatique a prédit le risque de fracture de la hanche à partir des dossiers médicaux électroniques en Suède avec une sensibilité significativement plus élevée que le service de liaison de fracture (FLS).
L’outil présente un avantage significatif sur les autres approches pour prédire le risque de fracture car il ne nécessite pas de contact avec les patients, a déclaré Mattias Lorentzon, MD, PhD, médecin en chef de la clinique d’ostéoporose de l’hôpital universitaire de Sahlgrenska, Gothenburg, Suède, lors de la présentation des résultats de l’American Society for Bone and Mineral Research (ASBMR) 2025 Renvoi de la réunion annuelle.
Le modèle d’apprentissage à la machine a prédit le risque de fracture à 2 ans avec une zone sous la courbe (ASC) de 0,88 contre 0,55 pour l’approche FLS couramment utilisée du dépistage des personnes qui ont eu une fracture au cours de la dernière année.
«Cette précision élevée a été largement soutenue sur des périodes de suivi plus longues et après avoir pris en compte le risque concurrent de décès. Et enfin, la mise en œuvre de la mise en œuvre de [machine learning] Potentiel à utiliser pour le dépistage général de la population ou mis en œuvre dans des dossiers de santé électroniques, ce qui permettrait une prédiction automatisée des risques qui améliorerait l’identification des patients à haut risque. Et ce faisant, nous pourrions cibler davantage les patients à haut risque et réduire les taux de fracture de la hanche », a déclaré Lorentzon.
Peut-il être appliqué aux patients du cabinet du médecin?
Claus Glüer, PhD, professeur de physique médicale récemment à la retraite à l’Université Kiel de Kiel, en Allemagne, qui a assisté à la présentation, appelée l’étude «très, très importante» lors de la séance de questions-réponses. Il a approuvé la valeur de l’approche des études de population, mais a interrogé Lorentzon quant à savoir si les facteurs prédictifs seraient applicables à des patients individuels au bureau du médecin. Lorentzon a reconnu la préoccupation et a déclaré que l’une des prochaines étapes de la recherche est de tester l’outil contre la densité minérale osseuse et d’autres facteurs de risque individuels couramment utilisés pour «voir s’il capture avec précision ceux qui bénéficieraient d’un traitement».
Un autre participant a demandé à Lorentzon la nécessité de valider les résultats dans d’autres populations. “Nous espérons dans un avenir proche pour pouvoir gérer notre algorithme et le tester dans l’ensemble de données enregistré danois, qui est très similaire au suédois, nous espérons donc avoir une validation externe bientôt”, a-t-il répondu.
Mais même les meilleures bases de données de population peuvent manquer des données clés telles que les antécédents familiaux des fractures de la hanche, a déclaré Glüer dans une interview. Il a noté qu’il n’est pas clair si la base de données suédoise comprend de telles informations, bien qu’elle «semble être l’une des plus complètes».
Il s’est également interrogé davantage sur l’applicabilité des résultats au bureau du médecin. «Les facteurs de risque les plus puissants que nous rencontrons généralement dans l’ostéoporose, comme les fractures antérieures, certaines maladies comme les parkinson, et cetera. Vous capturez probablement le risque de cette personne en regardant simplement si tous les prédicteurs des candidats sont beaucoup plus simples. être testé », a déclaré Glüer.
Il a approuvé l’approche de l’utilisation dans les décisions politiques. “Vous obtenez l’image globale de toute la population, y compris la prévalence de la maladie et des perspectives pour vraiment calculer le fardeau de la maladie. Et aussi, vous pouvez peut-être estimer ce que vous pourriez faire si vous modifiez votre politique en fournissant un traitement antérieur”, a-t-il ajouté.
Résultats de l’étude
Dans l’étude, les chercheurs ont analysé les données de toutes les personnes vivant en Suède entre 2011 et 2013 qui avaient au moins 50 ans et n’avaient pas été exposées auparavant à la médecine de l’ostéoporose (n = 3 542 647). Tous les participants ont été suivis jusqu’à la fin de 2021.
Ils ont analysé les données du registre national qui comprenaient les fractures, les comorbidités, la chirurgie, les facteurs socioéconomiques, la mortalité et les ordonnances, dont un total de 140 131 variables qui englobaient des diagnostics, des médicaments, des procédures et des données démographiques. Les chercheurs ont divisé la population en découverte (25%), développement (65%) et cohortes de validation (10%). Il y avait 142 327 fractures de la hanche sur une moyenne de 9,04 ans de suivi.
Le modèle d’apprentissage automatique, en utilisant 2500 variables, a prédit un risque de fracture à 1 an avec un ASC de 0,89, un ASC à 2 ans de 0,88, un ASC à 5 ans de 0,83 et une valeur à 10 ans de 0,82. Un modèle simplifié avec 35 variables a également été effectué presque, avec des valeurs AUC correspondantes de 0,88, 0,87, 0,85 et 0,81.
Les variables les plus influentes pour la prédiction étaient l’âge, le sexe, le nombre d’ordonnances, l’état matrimonial, les troubles liés à l’alcool, les médicaments anti-démences et les jours de séjour à l’hôpital au cours des 2 dernières années. Le dépistage basé sur le FLS pour le risque de fracture a donné un ASC à 2 ans de 0,55.
À 2 ans, la méthode d’apprentissage automatique aurait identifié environ sept fois plus d’individus à risque de fracture que l’approche FLS (sensibilité, 0,84; IC à 95%, 0,82-0,85 vs 0,12; IC à 95%, 0,11-0,13), bien qu’avec une spécificité plus faible (0,79; 95% IC, 0,79-0.79 VS 0,98; 95% CI, IC, 0,79-0,79 0,98-0,98).
L’étude a été financée par le Conseil de recherche suédois, les fonds de recherche de l’hôpital universitaire de Sahlgrenska et la Gothenburg Medical Society. Lorentzon a déclaré avoir reçu des frais de conférence ou de consultation d’Amgen, UCB, Janssen, Astellas, Alexion, Consilient Health, Parexel International, Medac, Medison, Pharmacosmos et Gedeon Richter. Glüer a déclaré n’avoir aucune divulgation financière pertinente.
Jim Kling est un écrivain basé à Bellingham, Washington.
