Développement et validation externe d'algorithmes de prédiction pour améliorer le diagnostic précoce du cancer

Les algorithmes de prédiction du cancer sont utilisés au Royaume-Uni pour identifier les individus ayant une forte probabilité d'être atteints d'un cancer actuel, encore non diagnostiqué, dans le but d'améliorer le diagnostic précoce et le traitement. Dans cette étude, nous développons et validons externement deux algorithmes de prédiction diagnostique visant à estimer la probabilité d'avoir un cancer pour 15 types de cancer. Le premier algorithme intègre plusieurs prédicteurs, notamment l'âge, le sexe, la privation sociale, le tabagisme, la consommation d'alcool, l'historique familial, les diagnostics médicaux et les symptômes (généraux et spécifiques au cancer). Le second algorithme inclut en outre des tests sanguins couramment utilisés (comptage sanguin complet et tests de fonction hépatique). Nous utilisons une régression logistique multinomiale pour élaborer des équations distinctes chez les hommes et les femmes afin de prédire la probabilité absolue de 15 types de cancer à partir d'une population de 7,46 millions d'adultes âgés de 18 à 84 ans en Angleterre. Nous évaluons les performances dans deux cohortes de validation séparées (totalisant 2,64 millions de patients en Angleterre et 2,74 millions en Écosse, au Pays de Galles et en Irlande du Nord). Les modèles présentent une performance améliorée par rapport aux modèles existants, avec une meilleure discrimination, une meilleure calibration, une meilleure sensibilité et un bénéfice net accru. Ces algorithmes offrent des estimations prédictives supérieures au Royaume-Uni par rapport aux scores existants et pourraient conduire à une meilleure prise de décision clinique ainsi qu'à un diagnostic potentiellement plus précoce du cancer.