Un modèle d’IA combine imagerie, biomarqueurs et données cliniques pour prédire avec précision la progression de l’arthrose du genou

Un modèle d’intelligence artificielle (IA) combinant imagerie par résonance magnétique (IRM), biomarqueurs biochimiques et données cliniques montre des résultats prometteurs pour prédire avec plus de précision l’aggravation de l’arthrose du genou. Cette étude, menée par Ting Wang de l’Université médicale de Chongqing en Chine et publiée dans PLOS Medicine, présente un modèle baptisé LBTRBC-M (Load-Bearing Tissue Radiomic plus Biochemical biomarker and Clinical variable Model), qui intègre trois types de données pour anticiper l’évolution de la maladie au cours des deux prochaines années. L’arthrose du genou, qui touche environ 303 millions de personnes dans le monde, se caractérise par la dégradation progressive du cartilage, entraînant douleur, raideur et parfois la nécessité d’une prothèse totale. Une prédiction fiable de l’aggravation permettrait d’adapter plus tôt les traitements, potentiellement ralentissant la progression de la maladie. Bien que des modèles prédictifs existent déjà, l’intégration simultanée d’IRM, de biomarqueurs sanguins et urinaires, ainsi que de données cliniques reste rare. Les chercheurs ont analysé les données de 594 patients issus du Consortium biomarqueurs de l’arthrose du National Institutes of Health (NIH), incluant 1 753 IRM du genou prises sur deux ans, des résultats de tests biochimiques et des données cliniques. À l’aide d’algorithmes d’apprentissage profond, ils ont développé le modèle LBTRBC-M sur la moitié des données, puis l’ont validé sur l’autre moitié. Le modèle a démontré une bonne précision pour prédire plusieurs scénarios : aggravation de la douleur seule, douleur associée à une réduction de l’espace articulaire (signe structural de progression), réduction de l’espace articulaire sans douleur accrue, ou absence d’aggravation. Des tests impliquant sept internes médicaux ont également montré que l’utilisation du modèle améliorait significativement leur capacité à prédire l’évolution de la maladie, passant d’une précision moyenne de 46,9 % à 65,4 %. Ces résultats suggèrent que l’IA peut renforcer le jugement clinique, en particulier chez les professionnels en formation. Les auteurs soulignent que cette approche, le fruit de plusieurs années de collaboration interdisciplinaire, ouvre la voie à des interventions plus précoces et personnalisées. Le professeur Changhai Ding, co-auteur, insiste sur l’importance de tirer parti de l’IA pour extraire des signaux cliniques significatifs à partir de données complexes, notamment en santé musculo-squelettique. Toutefois, une validation dans des cohortes plus larges et diversifiées reste nécessaire avant une mise en œuvre clinique généralisée. En résumé, le modèle LBTRBC-M représente une avancée majeure vers une médecine prédictive en arthrose, en combinant des données non invasives et multi-omiques pour mieux anticiper les dégradations articulaires.