IA pour sélectionner le traitement de l'hypertension chez les enfants : un modèle du MIPT prédit le médicament avec 98 % de précision

Le nombre d'enfants atteints d'hypertension artérielle en Russie a augmenté de 17% au cours des cinq dernières années. Les médecins sélectionnent le traitement par essais et erreurs — en choisissant l'un des cinq médicaments approuvés et en attendant les résultats pendant 2–3 mois. La étudiante de master du MIPT, Anastasia Adamson, a développé un modèle d'apprentissage automatique qui résout ce problème : il analyse 154 caractéristiques cliniques et prédit un médicament efficace avec une précision de 98%, permettant aux médecins de choisir le bon traitement dès la première tentative.

Des Mois d'Attente Gaspillés

L'hypertension artérielle dans l'enfance devient un problème de plus en plus courant. En surface, la solution semble simple : un médecin choisit l'un des cinq médicaments approuvés et commence la thérapie. Mais ici réside une complexité fondamentale de la médecine — l'individualité de chaque organisme.

Un enfant répond bien au Lisinopril, un autre répondra mieux à l'Amlodipine, un troisième bénéficiera du Nébivolol, un quatrième a besoin d'une approche combinée. Le médecin ne le sait pas à l'avance. Si le choix s'avère infructueux, un ou deux mois sont perdus.

Pendant ce temps, la pression artérielle de l'enfant reste élevée, les vaisseaux sanguins subissent un stress supplémentaire, et le risque d'hypertrophie ventriculaire gauche et d'autres complications augmente. Ensuite, un nouveau médicament est prescrit et l'attente recommence. Cette erreur cyclique affecte non seulement la santé du patient, mais aussi la psyché de l'enfant — des mois d'incertitude et de traitement inefficace laissent leurs traces.

Comment le Modèle Prédit les Résultats

Adamson a entraîné l'algorithme sur les données de 272 patients. Mais l'essentiel n'est pas seulement la quantité de données, mais leur nature multicouche. Le modèle tient compte de 154 caractéristiques couvrant le profil clinique complet de l'enfant :

• Démographie : âge, poids, indice de masse corporelle, taille
• Cardiologie : échographie cardiaque, taille du ventricule gauche, échocardiographie
• Système vasculaire : échographie carotidienne, épaisseur de l'intima-média
• Hémodynamique : pression systolique et diastolique dans différentes conditions
• État hormonal : niveaux de rénine, d'aldostérone, de catécholamines
• Diagnostic de laboratoire : fonction rénale et hépatique, électrolytes, analyse d'urine

L'algorithme d'apprentissage automatique traite cette mosaïque et trouve des modèles cachés. Il comprend quelles combinaisons de paramètres indiquent l'efficacité de chaque médicament. Le résultat : avec une précision de 98%, le modèle prédit lequel des cinq médicaments fonctionnera pour cet enfant spécifique, même avant la première prescription.

Les Découvertes des Médecins en Chiffres

La partie la plus intéressante — le modèle a découvert des relations statistiques que les médecins soupçonnaient depuis des années, mais ne pouvaient pas prouver rigoureusement. Par exemple, il a révélé une corrélation claire entre le surpoids d'un enfant et la haute efficacité du Lisinopril dans ce sous-groupe. Les médecins l'ont remarqué dans la pratique, mais il n'y avait pas de documentation formelle.

"Ce n'est pas un remplacement pour un médecin, mais un outil de support puissant," dit Adamson.

La décision finale reste du ressort du pédiatre ou du cardiologue. Mais maintenant, le spécialiste reçoit une recommandation scientifiquement fondée au lieu de pure spéculation.

Ce que Cela Signifie pour la Pédiatrie

La recherche d'Adamson montre comment l'intelligence artificielle s'intègre à la pratique médicale réelle. Au lieu d'essais non systématiques et d'erreurs, un médecin disposera d'un pronostic personnalisé basé sur l'analyse des big data. Cela signifie réduire le temps de sélection de la thérapie de mois à jours, réduire les périodes de pression incontrôlée et diminuer le risque de complications pour chaque patient. L'IA ici n'est pas un magicien, mais un assistant qui élargit les capacités diagnostiques et thérapeutiques du médecin.