Prédire le risque de progression vers une schizophrénie ou un trouble bipolaire par l’IA ?

Réalisant une étude de cohorte rétroactive, des chercheurs danois ont développé un algorithme utilisant l’intelligence artificielle (IA) capable de prédire le risque de transition vers une schizophrénie ou un trouble bipolaire via les dossiers médicaux de patients suivis en psychiatrie pour de premiers symptômes.

Le diagnostic de schizophrénie et de trouble bipolaire est souvent retardé de plusieurs années, malgré une apparition typique de la maladie à la fin de l’adolescence ou au début de l’âge adulte, ce qui freine la mise en place d’un traitement ciblé. L’objectif de cette étude danoise était de déterminer si des modèles d’apprentissage automatique entraînés à partir de données cliniques de routine issues de dossiers médicaux électroniques (DME) peuvent prédire l’évolution diagnostique vers la schizophrénie ou le trouble bipolaire chez les patients traités en psychiatrie pour d’autres troubles mentaux. Cette étude de cohorte s’appuyait sur les données des DME des services psychiatriques de la région du Danemark-Central. Tous les patients âgés de 15 à 60 ans ayant eu au moins deux contacts (à au moins trois mois d’intervalle) avec les services psychiatriques de la région du Danemark-Central entre le 1er janvier 2013 et le 21 novembre 2016 ont été inclus. L’analyse a été réalisée de décembre 2022 à novembre 2024.

Résultats

L’étude a porté sur 24 449 patients au moment de la prédiction : 32,2 ans [24,2-42,5 ans ; 13 843 femmes [56,6 %]) et 398 922 consultations externes. La transition vers la première apparition de la schizophrénie ou du trouble bipolaire a été prédite par le modèle XGBoost, avec un AUROC de 0,70 (IC à 95 %, 0,70-0,70) sur l’ensemble d’entraînement et de 0,64 (IC à 95 %, 0,63-0,65) sur l’ensemble de test, composé de deux sites hospitaliers retenus.

Avec un taux positif prédit de 4 %, le modèle XGBoost présentait une sensibilité de 9,3 %, une spécificité de 96,3 % et une valeur prédictive positive (VPP) de 13,0 %. La prédiction de la schizophrénie séparément a donné de meilleures performances (AUROC, 0,80 ; IC à 95 %, 0,79-0,81 ; sensibilité, 19,4 % ; spécificité, 96,3 % ; VPP, 10,8 %) que celle du trouble bipolaire (AUROC, 0,62, IC à 95 %, 0,61-0,63 ; sensibilité, 9,9 % ; spécificité, 96,2 % ; VPP, 8,4 %). Les notes cliniques se sont révélées particulièrement instructives pour la prédiction.

Ces résultats suggèrent qu’il est possible de prédire la transition diagnostique vers la schizophrénie et le trouble bipolaire à partir de données cliniques de routine extraites des DMP, la schizophrénie étant nettement plus facile à prédire que le trouble bipolaire.

• Predicting Diagnostic Progression to Schizophrenia or Bipolar Disorder via Machine Learning, Lasse Hansen, MSc, PhD1,2,4; Martin Bernstorff, MD, PhD1,2,4; Kenneth Enevoldsen, MSc, PhD1,4; et al. ; JAMA Psychiatry. Published online February 19, 2025. doi:10.1001/jamapsychiatry.2024.4702.

Prédire le risque de progression vers une schizophrénie ou un trouble bipolaire par l'IA ? - Santé Mentale