Algorithme de priorisation du diagnostic de la cirrhose du foie basé sur les dossiers de santé électroniques.

Dans cette étude, les chercheurs exploitent les capacités modernes d'apprentissage automatique dans le domaine de l'hépatologie pour développer un modèle capable d'identifier en priorité les individus à haut risque de progression vers la cirrhose du foie à un stade précoce et traitable.

La cirrhose est un état avancé de maladie du foie qui se manifeste généralement lorsque le foie est déjà gravement endommagé, sans beaucoup d'options de traitement et avec un pronostic sombre.

Il existe actuellement 2 moyens de diagnostic, le premier est la biopsie hépatique qui est coûteuse et douloureuse pour les patients, et comporte ses propres risques. Le second est un test d'imagerie désigné, tel que Fibroscan, qui est sûr et indolore mais aussi trop cher pour être faisable en tant qu'outil de dépistage large.

Des scores qui calculent une probabilité plus élevée pour une maladie du foie ont déjà été développés, mais avec une force prédictive inférieure à celle qui convient pour justifier un examen plus approfondi en vue de la détection.

L'étude comprend 4 phases distinctes :

1. Développement d'un modèle. Un modèle d'apprentissage automatique prédisant le délai avant l'événement pour le diagnostic de la cirrhose du foie sera développé sur la base des dossiers de santé électroniques. Les enregistrements sont anonymisés et tout le travail est effectué sur un serveur désigné.

2. Les derniers résultats des tests de laboratoire et les diagnostics des dossiers de santé électroniques anonymisés du district nord de Clalit seront obtenus. Sur ces enregistrements, le modèle formé de la phase 1 s'exécutera pour prédire le délai avant l'événement pour le diagnostic de la cirrhose du foie. Via les prédictions, les individus seront classés par risque.

   Via les enregistrements anonymisés, accessibles uniquement aux cliniciens, 20 personnes les plus à risque seront observées. Cela comprend la mesure des derniers scores FIB-4, la visualisation des diagnostics et des tests antérieurs, ainsi que des informations textuelles des médecins. Ces personnes ne sont pas invitées à une visite et ne sont vues que rétrospectivement à travers leurs dossiers.

3. Sur les résultats de la phase 2, le modèle d'apprentissage automatique de la phase 1 sera révisé. Cela inclut les modifications possibles telles que les révisions des critères d'inclusion/exclusion, la modification des tests de laboratoire fournis en entrée du modèle, etc.
4. Comme dans la phase 2, les dossiers de santé électroniques anonymisés mis à jour du district nord de Clalit Healthcare seront obtenus. Le modèle mis à jour de la phase 3 fonctionnera pour prédire le délai avant l'événement pour le diagnostic de cirrhose du foie. De plus, tous les individus verront leur score FIB-4 calculé. Une liste classée des meilleurs individus avec le risque prédit le plus élevé prévu par le modèle de la phase 3 et des meilleurs individus avec le score FIB-4 le plus élevé sera construite. Environ un quart des individus proviendront du groupe de score FIB-4, âge et sexe correspondant au groupe de prédiction. L'identité de groupe restera inconnue des cliniciens, maintenant une étude en double aveugle. Les personnes seront invitées à la clinique pour des contrôles. À la clinique, les personnes subiront un Fibroscan, des mesures de taille et de poids, répondront au questionnaire du test d'identification des troubles liés à la consommation d'alcool (AUDIT) de l'OMS. De plus, leurs dossiers dans les dossiers de santé électroniques seront ouverts et les diagnostics existants, les tests de laboratoire et les prescriptions de médicaments seront collectés.