Un outil d’intelligence artificielle (IA) développé par des chercheurs du ACCamargo Cancer Center peut aider à identifier les patients présentant un risque plus élevé de développer une hypocalcémie transitoire – une condition caractérisée par une baisse des taux de calcium dans le sang après une intervention chirurgicale visant à retirer complètement la thyroïde. Le modèle, qui a montré une grande capacité prédictive, a été créé sur la base des données de plus de 7 000 patients suivis pendant dix ans dans l'institution, puis testé sur un nouveau groupe de patients opérés. On espère que la technologie aidera les médecins à décider qui doit recevoir du calcium à titre préventif et qui peut bénéficier d’un traitement inutile.
L'hypocalcémie est l'une des principales complications de la thyroïdectomie totale et peut survenir chez 15 à 40 % des patients, selon le type d'intervention chirurgicale pratiquée. Le problème ne survient pas en raison de l’ablation de la thyroïde elle-même, mais en raison de la manipulation des parathyroïdes, petites glandes chargées de contrôler la quantité de calcium dans le sang. Ce contrôle se fait grâce à la production d’une hormone appelée PTH. Lorsque la fonction parathyroïdienne est temporairement altérée par une intervention chirurgicale, la baisse de la production de cette hormone réduit la capacité de l'organisme à maintenir des niveaux adéquats de calcium. La plupart du temps, cette affection est temporaire, mais elle peut provoquer des symptômes et nécessiter un traitement.
Les symptômes les plus courants sont des crampes et des picotements, mais des nausées et des vomissements et, dans les cas plus graves, des modifications cardiaques peuvent également survenir. « Il s'agit d'une affection potentiellement grave, qui aggrave considérablement l'expérience du patient, augmente la durée du séjour, le besoin de médicaments et les coûts du traitement », explique l'oncologue Genival Barbosa Carvalho, chirurgien de la tête et du cou à l'ACCamargo et l'un des auteurs de l'étude.
Selon Carvalho, actuellement, l'un des principaux moyens d'évaluer le risque d'hypocalcémie est de mesurer la PTH après une intervention chirurgicale. Lorsque le résultat est normal et que le patient ne présente aucun symptôme, le risque de développer une hypocalcémie est faible. La difficulté réside dans les cas où l’hormone semble réduite, mais où le patient ne présente aucun symptôme.
Selon le chercheur, même dans des conditions idéales de collecte et d’analyse, environ 30 % des patients peuvent avoir un faible taux de PTH sans développer de symptômes par la suite. Traiter tout le monde de manière préventive reviendrait donc à donner du calcium et de la vitamine D à des personnes qui n'auraient pas besoin de ces médicaments. D'un autre côté, ne pas traiter ceux qui développeront réellement une hypocalcémie peut entraîner un malaise du patient après sa sortie et devoir recourir à des soins d'urgence.
L'idée de l'outil
C’est précisément pour tenter de contribuer à réduire cette incertitude que les chercheurs d’ACCamargo ont développé l’outil d’intelligence artificielle. Le projet, financé par la FAPESP, a donné lieu à l'étude publiée en mai dans la revue Scientific Reports.
Le modèle a été construit sur la base des informations provenant de 7 066 patients ayant subi une ablation totale de la thyroïde à l'hôpital entre 2014 et 2024. Au lieu de considérer un seul examen pour calculer le risque d'hypocalcémie, l'IA a croisé différentes informations disponibles tout au long du parcours du patient, depuis les caractéristiques personnelles et pathologiques jusqu'aux données chirurgicales et aux résultats obtenus en postopératoire.
« La PTH est un indicateur important, mais cet examen ne capture pas à lui seul toute la complexité du risque. La différence avec l'apprentissage automatique est de pouvoir intégrer ces informations avec plusieurs autres variables et analyser les relations entre elles. Dans notre étude, à mesure que de nouvelles informations étaient incorporées tout au long du parcours du patient, la capacité du modèle à distinguer le risque de développer une hypocalcémie a augmenté », explique Israel Tojal da Silva, informaticien, coordinateur du laboratoire de bioinformatique de l'ACCamargo et auteur principal de l'article.
La plus grande précision de la technologie a été obtenue lorsque le système a analysé les informations collectées au cours de la période postopératoire. Après avoir créé le modèle avec l'historique des anciens dossiers médicaux (données rétrospectives), les chercheurs ont testé l'outil en pratique auprès de 149 nouveaux patients opérés à l'ACCamargo même. Parmi eux, 31 ont développé une hypocalcémie transitoire. Dans cette étape de validation avec des cas réels, l’intelligence artificielle a démontré une grande capacité à distinguer qui courait plus ou moins de risque de présenter la complication.
Parmi les informations qui ont le plus contribué à la prédiction de l’hypocalcémie figurait un faible taux de PTH, un facteur de risque déjà connu des médecins. Mais l’outil a également identifié d’autres éléments, comme la réalisation d’une dissection bilatérale du cou (ablation des ganglions lymphatiques du cou) et la durée de l’intervention chirurgicale. La durée de l'intervention et la charge de travail du chirurgien semblaient également associées à un risque.
Les chercheurs soulignent cependant que cela ne signifie pas que ces facteurs sont à l'origine de l'hypocalcémie, car ils peuvent refléter d'autres caractéristiques, comme la plus grande complexité de certaines procédures.
Une autre différence est que le système utilise une intelligence artificielle dite explicable. Cela signifie qu'en plus d'indiquer si le patient présente un risque plus ou moins grand de développer une hypocalcémie, l'outil montre quelles informations ont contribué à ce résultat. « Il y a l'idée que l'IA fonctionne comme une boîte noire, parce que nous ne savons pas toujours comment elle est arrivée à un certain résultat. Dans ce cas, nous avons pu montrer quels facteurs pesaient le plus dans l'évaluation des risques du patient », explique Tojal.
En pratique clinique, l’outil n’a pas vocation à remplacer les examens ou à définir seul un traitement. Il fonctionnerait principalement comme une aide à la décision médicale pour les cas de patients pour lesquels il existe un doute. « Une fois l'opération terminée, nous avons trois scénarios. Il y a le patient avec un examen et des symptômes modifiés, qui doit sans aucun doute être traité. À l'autre extrême, il y a celui avec un examen normal et aucun symptôme, qui n'a rien à faire. Le problème est le groupe intermédiaire : le patient va bien, ne ressent rien, mais l'examen est modifié. Ensuite, vous ne savez pas s'il faut donner le médicament ou non. C'est dans ce groupe que l'outil peut aider à indiquer qui est le plus à risque et a besoin d'un traitement et qui peuvent être épargnés », explique Carvalho.
Le système a désormais été transformé en une plateforme Web sur laquelle les médecins saisissent les informations sur les patients et reçoivent une estimation du risque individualisée. Le modèle est testé sur des patients d'ACCamargo lui-même. « En étant capables d'anticiper le risque de complication, nous pouvons mieux planifier les soins de chaque patient, en orientant les interventions vers ceux qui en ont réellement besoin. Cela peut améliorer l'expérience du patient et contribuer à un rétablissement plus sûr et plus efficace », explique Tojal.
La prochaine étape consiste à tester le système dans d’autres hôpitaux. Bien que la base de données utilisée dans le développement rassemble déjà des milliers de patients, ils ont tous été traités dans le même établissement, ce qui limite la possibilité de généraliser les résultats. Le logiciel a fait l'objet d'une demande de brevet et, selon Carvalho, l'intention est de le rendre disponible gratuitement aux institutions intéressées une fois cette étape franchie. « L'idée est maintenant de le rendre disponible et de le valider dans une autre série », conclut le chercheur.
(Avec informations de l'Agence Fapesp)
