- Un modèle d’apprentissage automatique destiné à évaluer le risque de prééclampsie à partir de données recueillies lors des soins routiniers s’est avéré faisable au cours d’une cohorte rétrospective de grossesses tardives.
- Les patientes qui ont développé une prééclampsie étaient plus âgées et plus fréquemment noires.
- La variable prédictive la plus informative du modèle était la pression artérielle.
Un modèle d’apprentissage automatique visant à estimer le risque de prééclampsie à partir de données collectées de manière routinière s’est avéré faisable chez des grossesses en fin de gestation, selon une étude de cohorte rétrospective.
Sur 58 839 grossesses réparties dans trois hôpitaux de New York, la performance prédictive du modèle a atteint son maximum à 34 semaines de gestation, avec des aires sous la courbe caractérisant le fonctionnement du modèle de 0,863 lors de l’entraînement et de 0,808 à 0,834 lors de la validation, selon Zhen Zhao, PhD, de Weill Cornell Medicine, et ses collègues dans JAMA Network Open.
La valeur prédictive positive du modèle était faible lors de la période d’observation initiale, passant d’environ 0,001 à 0,002 à 28 semaines, et atteignant des valeurs maximales à 36 semaines (moyenne de 0,057 dans l’un des hôpitaux et de 0,046 dans l’autre). La valeur prédictive négative est restée élevée à tous les âges gestationnels (≥0,993).
« Notre étude montre que le risque de prééclampsie peut être prédit dynamiquement en utilisant des informations déjà collectées lors des soins prénataux ordinaires », a déclaré Zhao à MedPage Today.
Dans les trois hôpitaux, les patientes ayant développé une prééclampsie étaient plus âgées et plus fréquemment noires.
La prééclampsie est un trouble hypertensif grave de la grossesse et l’une des principales causes de morbidité et mortalité maternelles et périnatales. Elle affecte entre 2 % et 8 % des grossesses dans le monde.
« L’apparition imprévisible et la progression rapide de la prééclampsie posent des défis critiques pour les soins obstétricaux, rendant la prédiction du risque en temps utile un besoin majeur non satisfait », écrivent les auteurs.
Cependant, Zhao a noté que la plupart des outils existants se concentrent sur la prédiction du risque en début de grossesse ou reposent sur des biomarqueurs spécialisés ou des tests d’imagerie. Pour cette étude, les auteurs ont adopté une approche différente en utilisant des données issues des dossiers de santé électroniques recueillies de manière routinière. Les entrées du modèle d’apprentissage automatique comprenaient des caractéristiques démographiques et obstétricales, la pression artérielle et les résultats des analyses de laboratoire. Des données auto‑rapportées sur la race ont également été collectées.
Zhao et son équipe ont découvert que le prédicteur le plus informatif était la pression artérielle. Des mesures comme l’albumine, la phosphatase alcaline et des indices hématologiques ont contribué à la prédiction précoce de gestation, tandis que les facteurs démographiques et obstétricaux devenaient de plus en plus importants à mesure que la grossesse avançait.
« Cela démontre que les données de laboratoire de routine apportent une valeur prédictive additive au-delà de la simple pression artérielle, et que ces données sont déjà collectées dans le cadre des soins cliniques standard », a indiqué Zhao.
David Hackney, MD, de l’Université Case Western Reserve à Cleveland, qui n’était pas impliqué dans l’étude, a déclaré à MedPage Today que les auteurs ont réalisé une analyse hautement technique sur un ensemble de données robuste. Sa principale question, a-t-il noté, est de savoir comment interpréter et utiliser les prédictions du risque de prééclampsie.
La prophylaxie par l’aspirine est de plus en plus répandue, et la normalisation pharmacologique des élévations de la pression artérielle au cours du premier semestre de la grossesse devient également plus courante.
« En dehors du contrôle de la pression et de la prophylaxie à l’aspirine, nous n’avons pas beaucoup de stratégies pour atténuer l’apparition de la prééclampsie, et le seul remède demeure l’accouchement », a souligné Hackney. « Ainsi, si on me tendait une boule de cristal magique qui me dirait exactement quand et si chaque patiente serait atteinte de prééclampsie, il n’est pas clair comment je l’utiliserais au-delà de rassurer la patiente ou de l’aider à s’y préparer sur le plan émotionnel et logistique. »
Hackney a ajouté que si des modèles prédictifs comme celui-ci venaient à être déployés, il est important de se demander si la race doit être incluse comme variable clinique.
« Comme la race est souvent une approximation imparfaite, la mise en œuvre réelle de modèles prédictifs qui intègrent des prédicteurs raciaux risque d’accentuer les disparités dans la pratique », a-t-il souligné.
Pour cette étude, Zhao et son équipe ont inclus des grossesses qui ont donné naissance entre octobre 2020 et mai 2025 dans trois hôpitaux NewYork-Presbyterian. Le modèle a été entraîné au Weill Cornell Medical College (WCMC) et validé au Lower Manhattan Hospital (LMH) et au Brooklyn Methodist Hospital (BMH). Le critère principal était le développement de la prééclampsie dans des fenêtres de prédiction spécifiées, identifié par le code ICD-10.
L’âge moyen des mères était de 33,3 ans. La plupart des patientes étaient blanches (55,5 %), 17,3 % étaient d’origine asiatique, 11,1 % étaient noires ou afro‑américaines, et 16 % appartenaient à d’autres groupes raciaux.
Dans l’ensemble des sites, les grossesses atteintes de prééclampsie présentaient un âge maternel plus élevé (âge médian 35 ans contre 34 ans dans le groupe WCMC, P<0.001; 35 contre 34 ans dans le groupe LMH, P=0.003; et 33 contre 31 ans dans le groupe BMH, P<0.001), et des proportions plus élevées de race noire (15 % contre 6,5 % dans le groupe WCMC, P<0.001; 14,8 % contre 7,2 % dans le LMH, P<0.001; et 41,8 % contre 21,8 % dans le BMH, P<0.001).
La nulliparité, la grossesse multifœtale et un indice de masse corporelle prégravide plus élevé étaient également plus fréquents dans les grossesses présentant une prééclampsie par rapport aux témoins.
L’étude comportait des limites liées à son caractère rétrospectif et à sa conception dans un seul système de soins; au risque de diagnostics erronés; et à des données manquantes et à un échantillonnage irrégulier dans ce vaste ensemble longitudinal.
Zhao a noté qu’à l’avenir, ce modèle pourrait être utile dans des contextes à ressources limitées puisqu’il s’appuie principalement sur la pression artérielle et sur des données de laboratoire courantes.
