Développement et validation d'un nomogramme pour prédire la chirurgie dans la maladie de Crohn nouvellement diagnostiquée : une étude de cohorte rétrospective

La maladie de Crohn (MC), une maladie inflammatoire chronique touchant tout le tractus gastro-intestinal, a une évolution progressive et destructrice et son incidence augmente dans le monde entier.1 Bien que le comportement pathologique le plus courant chez les patients atteints de MC nouvellement diagnostiquée soit inflammatoire (B1 dans la classification de Montréal2), une progression rapide et importante du comportement pathologique sera observée chez environ la moitié des patients dans les 10 ans suivant le diagnostic.3-5 Les données d’une cohorte basée sur la population montrent que près de la moitié des patients ont développé des complications intestinales telles que des rétrécissements et des fistules dans les 20 années suivant le diagnostic.3 Malgré l'application de traitements d'entretien immunosuppresseurs, plus de la moitié des patients souffrent de complications graves et nécessitent une résection intestinale.6,7 Au cours des dernières décennies, avec l’avènement de thérapies biologiques ciblées telles que les antagonistes du facteur de nécrose tumorale, les anticorps monoclonaux anti-intégrines sélectifs dans l’intestin et les inhibiteurs de la signalisation IL-12 et IL-23, la prise en charge médicale de la MC a été révolutionnée.8 Il a été démontré qu’une application plus précoce et plus agressive de produits biologiques ou de nouvelles petites molécules et thérapies combinées induisait une modification profonde de l’évolution naturelle de la maladie et diminuait le besoin d’hospitalisation et de chirurgie chez les patients atteints de MC nouvellement diagnostiquée.9,10 Néanmoins, l’un des défis les plus difficiles de la stratégie de traitement dite descendante est l’identification des patients qui présentent un risque élevé de progression de la maladie et qui nécessitent donc un schéma thérapeutique plus intensif malgré les événements indésirables et les coûts élevés liés au traitement. D’un autre point de vue, l’incapacité à identifier les patients à haut risque retarde également la prescription de traitements plus efficaces et explique une augmentation du risque de progression de la maladie.

De nombreux efforts ont été déployés dans le domaine de la stratification du risque de base pour la MC nouvellement diagnostiquée. Il a été démontré que de nombreuses caractéristiques cliniques sont indépendamment corrélées au pronostic, notamment l’âge au moment du diagnostic, la localisation de la maladie, le comportement lié à la maladie, le tabagisme et les antécédents de traitement médicamenteux.9,11,12 Entre-temps, plusieurs biomarqueurs pronostiques ont été découverts dans des études pilotes, englobant des molécules liées au système immunitaire et des niveaux d'expression génique spécifiques.13,14 Néanmoins, les inconvénients et les coûts élevés ont empêché leur pleine validation et leur application clinique. En conséquence, la sélection thérapeutique est toujours adaptée à chaque patient nouvellement diagnostiqué avec une MC en fonction des facteurs de risque cliniques et des comorbidités du patient8, ce qui est loin d'être un traitement de précision.

À l’ère de l’intelligence artificielle, de nombreux modèles d’apprentissage automatique ont été développés pour innover dans tous les domaines des maladies inflammatoires de l’intestin, tels que le diagnostic, la surveillance, la prédiction et la gestion de l’évolution de la maladie.15 Malheureusement, la majorité des modèles de prédiction d’apprentissage automatique populaires sont essentiellement des boîtes noires, rendant des verdicts accompagnés de quelques justifications, ce qui limite la fiabilité clinique et fait donc obstacle à la mise en œuvre clinique.16 Pour équilibrer efficacité, commodité et interprétabilité, nous avons cherché à construire un modèle de régression statistique de Cox bien interprété ainsi qu'un nomogramme basé sur les caractéristiques cliniques et les indicateurs sérologiques disponibles pour prédire le pronostic à long terme d'une MC nouvellement diagnostiquée.