Artificial intelligence for Peripheral Arterial Disease

Objectif(s) de la recherche et intérêt pour la santé publique

Finalité de l'étude

Objectifs poursuivis

Domaines médicaux investigués

Bénéfices attendus

L’objectif principal de ce projet de recherche est d’explorer comment les méthodes d'apprentissage automatique et les données massives en santé (incluant consommation de soins et données socio-démographiques) peuvent aider les chirurgiens vasculaires et endovasculaires à choisir un traitement efficace, raisonnable, et équitable pour de meilleurs résultats dans la prise en charge de l’AOMI.
Le SNDS permet d’accéder pour chaque patient à des données socio-démographiques comme l’âge, le sexe, les complémentaires de l’état (CMU, ACE, AME), des indicateurs d’isolements social, leur lieu de résidence qui peut être décrit selon des échelles de défaveur sociale ou de ruralité etc. Ces paramètres sont autant de variables prédictives de variation entre parcours de soins.
L’intégration de données cliniques individuelles en complément des données du SNDS présente un intérêt méthodologique et opérationnel majeur. Elle permettra, d’une part, de comparer les performances prédictives de modèles basés uniquement sur les données médico-administratives à celles de modèles enrichis par des données cliniques détaillées. D’autre part, elle contribuera à rapprocher les analyses des conditions réelles de la prise de décision médicale, en intégrant des variables effectivement utilisées par les cliniciens, notamment les chirurgiens, pour orienter les choix thérapeutiques et les modalités d’intervention.
Les résultats de ce projet fourniront des stratégies et des algorithmes pour la prédiction des complications et décès après revascularisation pour AOMI grâce à l’utilisation secondaire de données de vie réelle. Il s’agira d’outils d’aide à la décision pour les cliniciens (médecins, chirurgiens, anesthésistes) afin d’optimiser les protocoles de traitement de l’AOMI. Ainsi, leurs décisions pourront s’appuyer sur des paramètres médicaux, cliniques et socio-démographiques au regard des parcours de soins des patients.
La population cible est constituée des patients adultes atteints d'AOMI symptomatique des membres inférieurs, ayant subi au moins une revascularisation pour AOMI entre le 1er janvier 2027 et le 31 décembre 2028 au sein des établissements France-PAD. Les analyses prévues sont des analyses de survie, des régressions logistiques et des modèles d’apprentissage automatique faisant intervenir des données longitudinales. En particulier, les modèles d’apprentissage automatique (random forest, xgboost, etc.) seront comparés aux techniques statistiques usuelles en termes de performances (e.g., sensibilité et spécificité) mais également en terme d’équité entre les individus (True Positive Rate Balance, ROC-AUC et PR-AUC par groupe).