Une équipe de chercheurs de l'université Johns Hopkins a développé une version simplifiée de l'équation Martin-Hopkins pour évaluer le cholestérol LDL, en s'appuyant sur l'intelligence artificielle. Cette avancée, publiée dans JAMA Cardiology, permet aux laboratoires de calculer avec précision le LDL sans complexité technique, tout en conservant le niveau de fiabilité de la formule originale. Le cholestérol LDL est un facteur clé dans l'évaluation du risque cardiovasculaire. Les recommandations actuelles incitent à traiter précocement les patients afin de réduire les risques de crise cardiaque et d'accident vasculaire cérébral. Cependant, certaines méthodes de calcul classiques, comme l'équation de Friedewald introduite dans les années 1970, ont tendance à sous-estimer le LDL, en particulier chez les patients à haut risque présentant un taux élevé de triglycérides et un cholestérol LDL bas. Cette imprécision peut retarder des traitements essentiels. Pour remédier à ce problème, les chercheurs ont entraîné et validé un modèle d'apprentissage automatique sur 4,9 millions d'échantillons sanguins américains, représentatifs de la population générale. Ils ont comparé les résultats aux standards de référence, notamment l'ultracentrifugation, méthode de référence en recherche. Les tests montrent que la version optimisée par l'IA offre une précision quasi identique à l'équation Martin-Hopkins initiale, avec une différence marginale de 0,5 mg/dL. Les deux formules classifient correctement 90 % des échantillons selon les catégories de traitement recommandées, surpassant nettement les méthodes Sampson-NIH et Friedewald. L'avantage principal réside dans l'application clinique. Les patients à haut risque, définis par des triglycérides compris entre 200 et 399 mg/dL et un LDL inférieur à 70 mg/dL, sont correctement identifiés à 84 % avec le nouvel algorithme, contre 40 % pour la méthode de Friedewald. Ces chiffres peuvent directement influencer l'ouverture d'un traitement médicamenteux. Au-delà de la performance, l'outil se distingue par son accessibilité. Le code source est ouvert et transparent, évitant les algorithmes considérés comme des boîtes noires incompréhensibles par les praticiens. Les laboratoires peuvent l'intégrer facilement à leurs systèmes d'analyse existants. Les auteurs soulignent que cette formule s'aligne avec les futures directives nationales sur les dyslipidémies prévues pour 2026, qui recommanderont prioritairement cette approche pour atteindre les cibles thérapeutiques de LDL inférieures à 100, 70 ou 55 mg/dL selon le risque du patient. En rationalisant le calcul du LDL et en le rendant universellement utilisable, cette innovation vise à accélérer la prise en charge préventive. Comme le résume le chercheur principal, l'objectif est d'offrir aux cliniciens et aux patients des données fiables pour initier plus rapidement les traitements qui sauvent des vies face aux maladies cardiovasculaires.