Des chercheurs de l'Université de la Colombie-Britannique, en collaboration avec BC Cancer–Kelowna, ont mis au point un modèle révolutionnaire d'intelligence artificielle capable de détecter chez les patientes atteintes d'un cancer du sein un double risque : celui de récidive cancéreuse et de maladies cardiovasculaires. Les maladies cardiovasculaires constituent toujours la première cause de mortalité mondiale, avec environ 17,9 millions de décès par an. Selon l'American Heart Association, les patientes atteintes d'un cancer du sein sont plus susceptibles de développer des complications cardiaques que la population générale, un risque souvent sous-estimé dans les protocoles de soins actuels. Dr. Mohammad Shehata, professeur en informatique à l'Université de l'Okanagan, souligne que cette innovation offre aux cliniciens un outil pour identifier proactivement les patientes à haut risque, permettant ainsi des interventions précoces potentiellement salvatrices. L'étude, publiée récemment dans la revue Radiotherapy and Oncology, met en lumière une opportunité inédite : l'utilisation des scanners tomodensitométriques (CT) du thorax, déjà réalisés systématiquement pour planifier les radiations, afin d'estimer le risque cardiovasculaire sans ajouter de charge supplémentaire pour les patientes ou le système de santé. Cette avancée repose sur une approche d'intelligence artificielle multimodale. Contrairement aux modèles traditionnels qui s'appuient uniquement sur des données cliniques comme l'âge, l'hypertension ou le diabète, le nouveau système croise les images du scanner avec les dossiers de santé électroniques. Il analyse ainsi des changements structurels subtils dans le cœur visibles sur les images, en parallèle des antécédents médicaux familiaux, de l'âge et de l'état de santé général. Cette combinaison permet de capturer des schémas complexes que les outils conventionnels ne parviennent pas à détecter. Dr. Rasika Rajapakshe, physicienne médicale senior à BC Cancer–Kelowna et professeure associée à l'UBC, indique que cette méthode permet de détecter les risques plus tôt et avec une précision accrue. Le modèle a démontré une capacité prédictive exceptionnellement élevée, surpassant nettement les méthodes existantes en intégrant l'analyse d'imagerie avancée avec des modèles de langage clinique de pointe au sein d'un cadre unifié. L'approche, développée localement, vise à répondre à des défis de santé mondiale en offrant une prédiction non invasive de la mortalité liée aux maladies cardiaques. En identifiant les patientes à risque dès le début du traitement, les soins peuvent être personnalisés, améliorant ainsi les chances de survie et la qualité de vie des patientes confrontées à cette double pathologie.