Un algorithme d'apprentissage automatique, baptisé Passive Digital Marker et développé par le Regenstrief Institute, améliore significativement l'évaluation du risque d'asthme chez les enfants. Les résultats d'un essai pilote, publiés dans Scientific Reports, confirment que cet outil d'aide à la décision clinique permet aux pédiatres d'identifier plus précisément les jeunes patients susceptibles de développer un asthme persistant. Contrairement aux outils traditionnels, ce modèle de traitement de données de santé ne nécessite aucun examen complémentaire ni questionnaire. Il exploite automatiquement les informations déjà stockées dans les dossiers médicaux électroniques, analysant les symptômes respiratoires, les allergies, les antécédents médicamenteux, les infections et les antécédents familiaux pour classer les enfants à risque élevé ou faible. Dans le cadre de l'étude, les cliniciens utilisant cet algorithme ont atteint un taux de prévision de 83 %, contre 61 % avec l'évaluation standard. Cette performance s'explique par une détection nettement supérieure des cas évoluant vers une chronicité. Le Dr Arthur H. Owora, chercheur principal et auteur de l'étude, rappelle que la technologie ne remplace pas l'expertise médicale. Elle agit comme un filtre analytique qui agrège des années de données en un indicateur de risque simple, accélérant ainsi le processus décisionnel. L'essai reposant sur des scénarios cliniques standardisés, des validations en environnement réel sont actuellement requises pour mesurer l'impact concret de cet outil numérique sur les parcours de soins et les résultats cliniques des patients.