Des chercheurs du Mount Sinai ont développé un outil analytique basé sur l'intelligence artificielle capable de prédire avec précision le risque de maladie cardiovasculaire chez des millions de patients souffrant d'apnée obstructive du sommeil. Ces résultats, récemment publiés dans la revue Communications Medicine, marquent une avancée majeure pour la prise en charge de ce trouble du sommeil grave. Contrairement aux approches traditionnelles qui appliquent les mêmes recommandations thérapeutiques à l'ensemble des patients, cette nouvelle étude représente la première estimation permettant de déterminer si l'utilisation de la pression positive continue (PPC), le traitement standard, augmentera ou diminuera le risque cardiovasculaire pour un individu spécifique. La PPC consiste à insuffler de l'air dans les voies respiratoires à une pression légère mais constante, généralement via un masque porté pendant le sommeil. Ce traitement vise à prévenir l'effondrement des voies aériennes et à maintenir un sommeil sain. Cependant, des recherches antérieures avaient montré que, chez certains patients, la PPC pouvait paradoxalement exacerber les problèmes cardiaques ou ne pas offrir de protection attendue, tandis que chez d'autres, elle réduisait significativement les risques. L'incertitude quant à l'impact réel sur chaque patient rendait la décision clinique complexe. L'outil créé par l'équipe du Mount Sinai utilise l'apprentissage automatique pour analyser de vastes ensembles de données et identifier des modèles invisibles à l'œil nu. En traitant les données cliniques, génétiques et physiologiques de chaque patient, le modèle peut prédire avec une grande fiabilité comment l'instauration de la PPC influencera le risque cardiaque futur de l'individu. Cette capacité de prédiction ouvre la voie à une médecine de précision, où les stratégies de soins sont sur mesure plutôt que génériques. Les implications de cette découverte sont considérables pour la santé publique. L'apnée obstructive du sommeil touche un nombre important de personnes, souvent non diagnostiquées, et constitue un facteur de risque majeur pour les maladies cardiovasculaires, y compris l'infarctus et l'insuffisance cardiaque. En identifiant ceux qui bénéficieraient réellement du traitement PPC et ceux pour qui il pourrait être contre-productif, les médecins peuvent éviter des interventions inutiles ou potentiellement nocives, tout en ciblant les thérapies alternatives appropriées pour les autres groupes. Cette approche permet également d'optimiser l'allocation des ressources de santé et d'améliorer la qualité de vie des patients en évitant les effets secondaires liés à un traitement inefficace. L'étude souligne l'importance d'adapter les protocoles cliniques à la singularité de chaque cas. À l'avenir, l'intégration de tels outils d'intelligence artificielle dans les systèmes de soins pourrait révolutionner la gestion des maladies chroniques liées au sommeil, en transformant une pratique standardisée en une médecine hautement personnalisée. Les chercheurs espèrent que cet outil sera rapidement intégré dans les logiciels de suivi clinique, permettant aux professionnels de santé de prendre des décisions éclairées dès le diagnostic. Cette innovation renforce la notion que le traitement d'un trouble du sommeil ne doit pas être une procédure uniforme, mais une stratégie dynamique adaptée au profil de risque cardiovasculaire unique de chaque patient.