L'IA surpasse les modèles traditionnels dans la prédiction du risque de maladie cardiovasculaire chez les adultes chinois
Un modèle d'apprentissage profond basé sur les transformers prédit le risque cardiovasculaire à 10 ans avec une plus grande précision que les modèles de Cox et les scores de risque établis chez les adultes chinois.
Résumé
Des chercheurs ont développé China-AIHeart, un modèle d'intelligence artificielle sexe-spécifique basé sur une architecture de deep learning par transformeur, destiné à prédire le risque cardiovasculaire à 10 ans chez les adultes chinois. Entraîné sur près de 157 000 participants et validé dans deux cohortes indépendantes, le modèle surpasse les approches statistiques traditionnelles ainsi que les calculateurs de risque existants, notamment China-PAR, PREVENT-ASCVD et SCORE2 Asia-Pacific. Il a atteint des statistiques C supérieures à 0,76 aussi bien chez les hommes que chez les femmes, avec une excellente calibration et un bénéfice clinique net démontré. Le modèle existe en deux versions — une version complète à 22 prédicteurs et une version simplifiée à 15 prédicteurs —, ce qui le rend utilisable en pratique clinique réelle. Cette avancée pourrait améliorer de manière significative la stratification du risque cardiovasculaire pour l'une des populations les plus importantes au monde.
Résumé détaillé
Les maladies cardiovasculaires demeurent la première cause de décès dans le monde, et une prédiction précise du risque est essentielle pour une intervention précoce. Dans les populations chinoises, les calculateurs de risque occidentaux largement utilisés affichent souvent de mauvaises performances en raison de différences génétiques, de modes de vie et de profils pathologiques. Les modèles statistiques traditionnels tels que le modèle de Cox à risques proportionnels présentent également des limites structurelles lorsqu'il s'agit de traiter des interactions complexes et non linéaires entre facteurs de risque.
Des chercheurs de l'Université Jiao Tong de Shanghai et d'institutions partenaires à travers la Chine ont développé China-AIHeart, un modèle d'apprentissage profond basé sur l'architecture transformer, conçu spécifiquement pour la prédiction du risque cardiovasculaire (RCV) à 10 ans chez les adultes chinois. La cohorte de dérivation comprenait 156 790 participants issus de la China Cardiometabolic Disease and Cancer Cohort, tous indemnes de maladies cardiovasculaires au départ, avec un âge moyen d'environ 57 ans. Des modèles distincts ont été construits pour les hommes et les femmes, en utilisant respectivement 22 ou 15 prédicteurs cliniques.
China-AIHeart a démontré une forte capacité discriminante, avec des statistiques C de 0,767 chez les hommes et de 0,780 chez les femmes — nettement supérieures à celles des modèles de Cox utilisant des prédicteurs identiques (amélioration d'environ 0,027 à 0,031). Les indices de reclassification nette étaient substantiels, à 0,478 chez les hommes et 0,560 chez les femmes, indiquant que le modèle d'IA a correctement réattribué une proportion significative de patients à des catégories de risque plus précises. La validation externe dans les cohortes du Xinjiang et CHARLS a confirmé une généralisabilité robuste à l'ensemble des populations chinoises diversifiées.
Pour les cliniciens, cela signifie qu'un outil pratique basé sur l'IA pourrait prochainement contribuer à identifier les patients à haut risque susceptibles de passer inaperçus avec les systèmes de scoring conventionnels. La version simplifiée à 15 prédicteurs est particulièrement adaptée aux contextes de soins primaires où les examens approfondis ne sont pas disponibles.
Les réserves à formuler incluent le fait que ce résumé repose uniquement sur l'abstract, ce qui limite l'évaluation des détails relatifs aux prédicteurs, au traitement des données manquantes et à la durée du suivi. Par ailleurs, les résultats s'appliquent spécifiquement aux adultes chinois et pourraient ne pas se généraliser à d'autres populations ethniques sans validation supplémentaire.
Principales conclusions
- China-AIHeart achieved C-statistics of 0.767 (men) and 0.780 (women), outperforming all tested traditional risk scores.
- The AI model improved reclassification by 0.478 in men and 0.560 in women over Cox models with identical predictors.
- External validation in two independent Chinese cohorts confirmed robust performance, including a simplified 15-predictor version.
- Sex-specific models were developed separately for men and women, improving accuracy and clinical relevance.
- A simplified 15-predictor version maintained strong performance, making the tool viable for routine clinical settings.
Méthodologie
L'étude a utilisé une cohorte de dérivation composée de 156 790 adultes chinois issus de la China Cardiometabolic Disease and Cancer Cohort, avec une validation externe dans la cohorte du Xinjiang et la cohorte CHARLS. Des modèles de prédiction du délai avant événement basés sur les Transformers ont été construits avec 22 et 15 prédicteurs, puis comparés à des modèles de Cox et à des scores de risque établis, notamment China-PAR, PREVENT-ASCVD et SCORE2 Asia-Pacific. Les performances ont été évaluées à l'aide de la C-statistique, du chi-deux de calibration, du score de Brier et de l'indice de reclassification nette.
Limites de l'étude
Ce résumé est basé uniquement sur le résumé de l'article ; les détails concernant la sélection des prédicteurs, la gestion des données manquantes, la durée de suivi et la mise en œuvre des modèles ne sont donc pas disponibles. Les modèles ont été validés exclusivement dans des populations chinoises et pourraient ne pas être généralisables à d'autres groupes ethniques sans études complémentaires. En tant qu'étude rétrospective de développement et de validation, des essais prospectifs évaluant l'impact clinique restent nécessaires.
Ce résumé vous a plu ?
Recevez les dernières recherches sur la longévité dans votre boîte de réception chaque semaine.
Saisissez votre e-mail pour vous abonner :