Médecine prédictive
"L'IA permettra de cartographier la santé humaine avec une précision inégalée. En croisant la génétique, les données cliniques et le mode de vie, la médecine prédictive transformera le pronostic en certitude anticipée." Kai-Fu Lee
" Avec l'intelligence artificielle, la médecine prédictive et génomique change radicalement de paradigme : nous ne cherchons plus seulement à soigner l'homme malade, nous cherchons à anticiper la maladie avant même qu'elle ne murmure" Dr Laurent Alexandre
PRÉAMBULE
XGBoost (eXtreme Gradient Boosting) est une bibliothèque logicielle open-source très populaire en apprentissage automatique (machine learning).
Qu'est-ce que c'est ?
- Principe : Il s'agit d'une implémentation optimisée du gradient boosting (amplification de gradient) basée sur des arbres de décision séquentiels.
- Fonctionnement : Chaque nouvel arbre de décision est entraîné spécifiquement pour corriger les erreurs (les résidus) des arbres précédents.
- Régularisation : Il intègre des pénalités pour éviter le surapprentissage (overfitting) et améliorer la généralisation.
Principaux atouts
- Performance et vitesse : Conçu pour être extrêmement rapide, il exploite le calcul parallèle sur processeur (CPU) et sur carte graphique (GPU).
- Gestion des données : Il gère nativement les valeurs manquantes et les structures de données creuses (sparse data).
- Polyvalence : utilisé pour la régression, la classification et le ranking (classement). Très présent sur les plateformes de compétition de data science comme Kaggle.
- Multilangages : disponible en Python, R, C++, Java, Scala, Julia et Perl.
Vous pouvez consulter la documentation officielle sur le site XGBoost
Documentation ou explorer le projet sur https://github.com/dmlc/xgboost.">XGBoost GitHub
L' ARTICLE.
Documentation ou explorer le projet sur https://github.com/dmlc/xgboost.">XGBoost GitHub
L' ARTICLE.
Lv M, Zheng X, Xie H...
Intégration de la pharmacovigilance et de l'apprentissage automatique : détection des signaux hémorragiques et prédiction des risques liés aux anticoagulants oraux chez les patients atteints de cancer
Recherche et pratique en thrombose et hémostase, RPTH
https://www.rpthjournal.org/article/S2475-0379(26)03526-0/fulltext
En libre accès
En libre accès
Arrière-plan
Les anticoagulants oraux (ACO) sont largement employés dans la prévention et le traitement de la thrombose des patients cancéreux, mais les signaux hémorragiques liés aux différents ACO dans cette population n’ont pas été exhaustivement étudiés.
Objectifs
Cette étude visait à comparer les signaux de saignement, à identifier les facteurs de risque et à établir un modèle de prédiction des OAC chez les patients atteints de cancer.
Méthodes
Cette étude s'appuie sur la base de données du système de notification des effets indésirables de la Food and Drug Administration et utilise le rapport des cotes de notification pour évaluer les signaux d'événements hémorragiques associés aux anticoagulants oraux chez les patients atteints de cancer, du premier trimestre 2014 au premier trimestre 2024. De plus, cette étude a utilisé une méthodologie de cohorte rétrospective pour évaluer l'impact des anticoagulants oraux sur le risque hémorragique chez ces patients.
Résultats
Cette étude a analysé 29 897 déclarations d’effets indésirables liés aux anticoagulants oraux (ACO) chez des patients atteints de cancer, dont 4 084 épisodes hémorragiques. Nous avons constaté que ces épisodes survenaient principalement au cours des deux premiers mois de traitement. Comparés à l’apixaban, les quatre autres ACO (warfarine, édoxaban, rivaroxaban et dabigatran) présentaient un risque accru d’hémorragie, notamment gastro-intestinale. Le sexe masculin, les maladies cardiovasculaires, l’infarctus cérébral, l’insuffisance rénale, le cancer gastro-intestinal et un INR élevé sont associés à un risque accru d’hémorragie liée aux ACO chez les patients atteints de cancer. Le modèle XGBoost s’est avéré le plus performant parmi les quatre modèles de prédiction des saignements (aire sous la courbe : 0,788 sur l’ensemble d’entraînement ; 0,783 sur l’ensemble de test).
Conclusion
Les événements indésirables hémorragiques liés aux anticoagulants oraux surviennent principalement en début de traitement. L'apixaban présente un risque hémorragique plus faible. Le sexe masculin, les maladies cardiovasculaires, l'infarctus cérébral, l'insuffisance rénale, le cancer gastro-intestinal et un INR élevé peuvent constituer des facteurs de risque potentiels d'événements hémorragiques. Le modèle de prédiction des hémorragies liées aux anticoagulants oraux développé dans cette étude a démontré une performance acceptable lors de la validation interne.
Analyse du délai d'apparition des événements hémorragiques totaux et des événements hémorragiques gastro-intestinaux (HGI) associés à 5 anticoagulants oraux chez les patients atteints de cancer.
Courbes ROC (Receiver Operating Characteristic) des 4 modèles de prédiction des saignements. AUC : aire sous la courbe ; LR : régression logistique ; RF : forêt aléatoire ; SVM : machine à vecteurs de support ; XGB : gradient boosting extrême.
- Pouvoir de discrimination (78,3 %) : Si vous prenez au hasard un élément positif (ex: un vrai malade) et un élément négatif (ex: une personne saine), il y a 78,3 % de chances que votre modèle attribue un score de probabilité plus élevé à l'élément positif qu'à l'élément négatif.
-
Un score AUC (Area Under the Curve) de 0.783 signifie que votre modèle de classification a une bonne performance globale.
Commentaire
Enfin un article utile sur l'IA et la MÉDECINE PRÉDICTIVE, et la MÉDECINE PERSONNALISÉE. Il nous vient de Chine et ce n'est pas terminé? La médecine prédictive accompagnée d'une IA, c'est ce que nous attendons de l'IA en médecine. C'est une avancée remarquable. Cette médecine personnalisée va être de plus en plus précise , elle nous ouvrira l'ère de la médecine de précision. Ce système en médecine vasculaire va se répéter à l'infini.
* Prévoir l'existence d'un cancer en cas de MTEV sans facteur déclenchant à partir de 50 ans.
* Prévoir l'existence d'une thrombophilie constitutionnelle en cas de MTEV sans facteur déclenchant avant 50 ans.
* Prévoir le risque cardiovasculaire en prévention primaire.
* Prévoir le risque d'uns sténose carotidienne à 50%
* Prévoir le risque d'augmentation du diamètre d'un anévrisme de l'aorte abdominale.
* Prévoir les complications du diabète, de l'insuffisance rénale
Enfin un article utile sur l'IA et la MÉDECINE PRÉDICTIVE, et la MÉDECINE PERSONNALISÉE. Il nous vient de Chine et ce n'est pas terminé? La médecine prédictive accompagnée d'une IA, c'est ce que nous attendons de l'IA en médecine. C'est une avancée remarquable. Cette médecine personnalisée va être de plus en plus précise , elle nous ouvrira l'ère de la médecine de précision. Ce système en médecine vasculaire va se répéter à l'infini.
* Prévoir l'existence d'un cancer en cas de MTEV sans facteur déclenchant à partir de 50 ans.
* Prévoir l'existence d'une thrombophilie constitutionnelle en cas de MTEV sans facteur déclenchant avant 50 ans.
* Prévoir le risque cardiovasculaire en prévention primaire.
* Prévoir le risque d'uns sténose carotidienne à 50%
* Prévoir le risque d'augmentation du diamètre d'un anévrisme de l'aorte abdominale.
* Prévoir les complications du diabète, de l'insuffisance rénale
* ETC.
Aujourd'hui, les portes de l'avenir de nombreuses affections sont fermées.
L'étude exposée dans cet article est passionnante et nous amène la médecine de demain, celle qui associe IA et MÉDECINE HUMAINE, résultat une MÉDECINE PROACTIVE, une MÉDECINE AUGMENTÉE qui doit rester HUMANISEE. Une médecine qui doit garder le patient au centre de ses préoccupations et non à l'ombre des algorithmes.
Aujourd'hui, les portes de l'avenir de nombreuses affections sont fermées.
L'étude exposée dans cet article est passionnante et nous amène la médecine de demain, celle qui associe IA et MÉDECINE HUMAINE, résultat une MÉDECINE PROACTIVE, une MÉDECINE AUGMENTÉE qui doit rester HUMANISEE. Une médecine qui doit garder le patient au centre de ses préoccupations et non à l'ombre des algorithmes.
