Contexte : du risque cardio-rénal au risque individualisé

La maladie rénale chronique (MRC) est à la fois un marqueur et un amplificateur majeur du risque cardiovasculaire. À l’inverse, insuffisance cardiaque, diabète, hypertension artérielle, athérosclérose et leurs traitements influencent directement la trajectoire rénale. Les recommandations récentes ont considérablement renforcé la prévention cardio-rénale : bloqueurs du système rénine-angiotensine, inhibiteurs de SGLT2, antagonistes non stéroïdiens du récepteur des minéralocorticoïdes chez certains patients diabétiques, agonistes du GLP-1 et traitements hypolipémiants permettent de réduire les événements rénaux et/ou cardiovasculaires [1, 2].

L’enjeu n’est donc plus seulement de disposer de traitements efficaces, mais d’identifier précocement les patients qui en tireront le plus grand bénéfice, de les traiter au bon moment et d’en sécuriser le suivi. C’est précisément là que l’intelligence artificielle (IA) peut être utile. Son apport n’est pas de créer une « nouvelle néphroprotection », mais de rendre la prévention plus anticipatrice, dynamique et personnalisée. Les outils de machine learning peuvent intégrer simultanément données biologiques, prescriptions, comorbidités et trajectoires longitudinales, puis actualiser le risque lorsque de nouvelles données apparaissent. Leur usage doit néanmoins rester supervisé et évalué sur un bénéfice clinique réel [3].

Repérer plus tôt les patients à haut risque

Une grande partie du risque cardio-rénal est déjà contenue dans le dossier patient, mais de façon dispersée : valeurs successives de créatinine et de débit de filtration glomérulaire (DFG), albuminurie, pression artérielle, kaliémie, poids, diabète, insuffisance cardiaque, prescriptions ou hospitalisations. Un algorithme peut agréger ces[...]

Connectez-vous pour consulter l'article dans son intégralité.