Une équipe multidisciplinaire de chirurgiens-scientifiques, d’informaticiens et de chercheurs de l’Université Washington à Saint-Louis (WashU) a développé une approche d’intelligence artificielle (IA) fondée sur des connaissances cliniques, capable de prédire la myélopathie cervicale spondylotique (CSM) jusqu’à 30 mois avant un diagnostic clinique, surpassant ainsi les modèles fondation (foundation models) traditionnels. La CSM, la principale cause de dysfonction de la moelle épinière chez les personnes âgées, résulte d’une compression de la moelle cervicale due à l’arthrose du cou. Son évolution chronique et progressive entraîne des symptômes comme des douleurs cervicales, une faiblesse musculaire ou des troubles de la marche, souvent diagnostiqués trop tardivement, limitant alors les options thérapeutiques. Les chercheurs, dont Salim Yakdan (postdoctorant en neurochirurgie) et Ben Warner (doctorant en informatique), ont analysé des données d’historiques médicaux de plus de 2 millions de patients, utilisant sept modèles d’IA pour repérer des motifs dans les interactions avec le système de santé (examens, diagnostics, consultations). L’objectif était d’identifier précocement les patients à risque, en s’appuyant sur des signaux précurseurs non évidents. Le modèle cliniquement inspiré, conçu avec des connaissances médicales spécifiques et se concentrant sur les variables les plus pertinentes, a montré une meilleure généralisation et une performance plus stable sur des systèmes de santé externes, contrairement aux grands modèles fondation préentraînés sur des données massives, qui, bien qu’efficaces en validation interne, se sont révélés moins fiables en dehors de leur contexte d’entraînement. Les résultats, publiés dans npj Digital Medicine, montrent que l’approche cliniquement guidée, bien que plus simple, atteint des performances équivalentes voire supérieures à celles des modèles complexes. Jacob Greenberg, co-auteur principal, souligne que cette méthode permettrait une intervention précoce, cruciale pour améliorer les résultats. Chenyang Lu, directeur de l’Institut d’IA pour la santé et co-auteur, insiste sur l’importance de l’intégration des connaissances cliniques pour surmonter le principal défi de l’IA médicale : la généralisation. Cette étude met en lumière une tendance essentielle : l’IA n’est pas seulement une question de volume de données, mais aussi de pertinence clinique. Les modèles fondation, bien qu’impressionnants, peuvent échouer dans des contextes réels si leurs hypothèses ne reflètent pas la réalité médicale. En revanche, les modèles hybrides, combinant apprentissage profond et expertise clinique, offrent une solution plus robuste, fiable et adaptable. En évaluant les performances, les experts soulignent que cette approche pourrait transformer le dépistage précoce des maladies neurologiques complexes. Elle ouvre la voie à des outils d’IA conçus non pas pour remplacer les cliniciens, mais pour les accompagner avec des prédictions précoces et fondées sur la science. Cette recherche illustre que, dans le domaine médical, la sagesse clinique reste un pilier indispensable pour concevoir des systèmes d’IA véritablement utiles, éthiques et efficaces.