Lorsque la cholangite sclérosante primitive (CSP) progresse, les patients peuvent être confrontés à l’éventualité d’une Transplantation hépatique. Pour bénéficier d’une transplantation hépatique à partir d’un foie de donneur décédé, ils doivent d’abord s’inscrire sur la liste de transplantation hépatique, puis recevoir une offre de foie. Dans la plupart des cas, la place sur la liste de transplantation est déterminée par le score MELD-Na (Model for End Stage Liver Disease). Certains patients atteints de CSP constatent que leur état de santé se détériore, mais que leur score MELD ne le reflète pas. Heureusement, le Dr Mamatha Bhat et son équipe de l’University Health Network (UHN) de Toronto s’efforcent de remédier à cette situation.
En 2021, PSC Partners Canada a accordé au Dr Bhat une subvention de deux ans d’un montant total de 60 000 dollars américains pour aider à soutenir le développement d’un algorithme d’apprentissage automatique qui optimise les prédictions de résultats pour les patients atteints de CSP. L’intention est de disposer d’une alternative équitable au score MELD-Na pour les listes d’attente de transplantation hépatique.
D’après le rapport de synthèse du Dr Bhat daté de février 2024, » Au cours de la première année (2022-2023), nous avons réussi à développer cet algorithme, avec un bon degré de précision, en analysant les caractéristiques cliniques spécifiques à la CSP, telles que la cholangite récurrente, la pose d’une endoprothèse biliaire et les MICI concomitantes. Nous avons validé que l’algorithme améliore le score MELD-Na en tant que prédicteur de la mortalité chez les patients CSP en liste d’attente « .
La recherche a pris en compte de nombreux facteurs – sexe, race/ethnie, poids et IMC, ainsi que les taux de globules blancs, de plaquettes et de bilirubine. Les complications liées à la CSP, telles que la fréquence de la cholangite, de la cirrhose superposée, de la dysplasie biliaire et des interventions chirurgicales d’ablation, ont également été prises en compte.
À l’aide des bases de données disponibles, plus de 4 600 patients ont été utilisés comme ensemble de données d’entraînement pour prédire les résultats de la liste d’attente et pour affiner l’algorithme d’apprentissage automatique. Les modèles développés par le Dr Bhat et son équipe ont été comparés aux systèmes actuels de score MELD.
Les recherches de l’équipe ont révélé que » le scoring MELD-Na était le plus grand prédicteur, et l’ajout de variables spécifiques au CSP a contribué de manière significative à la précision des capacités prédictives de l’algorithme « . Cela nous amène à conclure que notre algorithme d’apprentissage automatique fait des prédictions de résultats plus précises pour les patients CSP sur la liste d’attente pour la transplantation que d’autres outils de notation. Notre modèle soutient en outre la conclusion selon laquelle le score MELD seul n’est pas suffisant et que l’incorporation de variables spécifiques à la maladie contient des informations pronostiques précieuses ».
Au cours de la deuxième année, l’équipe a continué à affiner l’algorithme d’apprentissage automatique et à améliorer sa précision de prédiction. Elle a notamment accédé à davantage de données et testé l’algorithme sur une base de données de patients plus importante.
PSC Partners Canada est fier de soutenir le Dr Bhat et son équipe dans leur recherche de nouveaux moyens d’améliorer les résultats des greffes pour les patients atteints de CSP.
Vous pouvez télécharger le rapport complet à l’adresse suivante : Final progress report : Évaluation par apprentissage automatique de la priorisation des listes d’attente de transplantation hépatique pour les patients atteints de CSP.
