Des chercheurs du Mount Sinai ont développé un modèle d’intelligence artificielle (IA) capable d’établir des recommandations personnalisées de traitement pour les patients atteints de fibrillation atriale (FA), une arythmie cardiaque très répandue affectant environ 59 millions de personnes dans le monde. Ce modèle, qui analyse l’ensemble du dossier médical électronique d’un patient, permet aux cliniciens de décider de manière plus précise si un traitement par anticoagulants (médicaments anti-coagulants) est nécessaire pour prévenir les accidents vasculaires cérébraux (AVC), sans recourir aux scores de risque traditionnels basés sur des données moyennes de populations. La FA provoque une contraction anarchique des oreillettes du cœur, favorisant la stagnation du sang et la formation de caillots. Ces caillots peuvent migrer vers le cerveau et provoquer un AVC. Bien que les anticoagulants soient le traitement standard pour réduire ce risque, ils augmentent aussi le risque de saignements majeurs. Le modèle d’IA du Mount Sinai évalue de manière individuelle le bilan bénéfice-risque pour chaque patient, en intégrant non seulement les facteurs de risque de stroke, mais aussi ceux de saignement, qu’ils soient naturels ou induits par le traitement. En s’appuyant sur les données de 1,8 million de patients — incluant 21 millions de consultations, 82 millions de notes médicales et 1,2 milliard de données — le modèle a été entraîné pour produire une recommandation de traitement basée sur un bénéfice net personnalisé. Validé sur 38 642 patients du Mount Sinai et 12 817 patients issus de données publiques de Stanford, il a réclassé jusqu’à la moitié des patients considérés comme à risque élevé par les protocoles actuels, en les recommandant pour un traitement non anticoagulant. Cette révision pourrait avoir des conséquences majeures sur la santé publique en évitant des traitements inutiles et donc des saignements évitables. Contrairement aux outils actuels qui fournissent des estimations de risque moyennes, ce modèle calcule des probabilités spécifiques à chaque patient, permettant une prise de décision partagée plus éclairée. Il peut aussi actualiser dynamiquement ses recommandations en fonction des évolutions du dossier médical, avant chaque consultation. Les cliniciens reçoivent ainsi des profils de risque clairs et concrets, facilitant la communication avec les patients. Selon le Dr Joshua Lampert, auteur principal, cette approche marque une modernisation profonde de la gestion de l’anticoagulation et pourrait marquer un tournant dans la prise de décision clinique. Le Dr Girish Nadkarni souligne que l’IA permet de dépasser les limites des scores populationnels, en offrant une médecine personnalisée fondée sur des données réelles. Le Dr Vivek Reddy, co-auteur, insiste sur l’importance de prévenir les AVC, qui touchent potentiellement un tiers des adultes au cours de leur vie. Les auteurs espèrent que des essais cliniques futurs confirmeront l’efficacité du modèle, qui pourrait alors transformer la prise en charge de la FA à l’échelle mondiale.