Une collaboration en IA vise à moderniser des calculateurs de risque de maladie obsolètes

Les calculateurs de risque médical guident des millions de décisions cliniques chaque année — pourtant, beaucoup ont été construits à partir de populations de patients dont les modes de vie différaient considérablement des nôtres aujourd'hui. Une nouvelle collaboration de recherche entre Longevity AI et le Meir Medical Center, membre du groupe de santé israélien Clalit Health Group, pose une question directe : ces outils fonctionnent-ils encore comme prévu, et leur mise à jour pourrait-elle améliorer significativement la prévention précoce des maladies ?

L'étude porte sur les maladies cardiovasculaires et le diabète de type 2 — deux des principales causes de perte d'années en bonne santé à l'échelle mondiale. Ces deux pathologies évoluent silencieusement pendant des années avant que les symptômes n'apparaissent, ce qui rend l'identification précoce et précise des risques essentielle. La professeure Pnina Rotman-Pikielny, directrice du service d'endocrinologie du Meir Medical Center, a souligné que l'identification des patients à risque élevé avant que la maladie ne progresse demeure l'un des défis les plus importants de la médecine préventive.

Plutôt que de construire un système d'intelligence artificielle entièrement nouveau, l'équipe adopte une approche de recalibration — en testant des modèles de prédiction mondialement reconnus face à des données de santé réelles et contemporaines, afin de repérer leurs failles et de déterminer si des mises à jour ciblées pourraient en améliorer la précision. Le système de santé intégré de Clalit offre un environnement de données riche, à l'échelle d'une population, permettant ce type d'analyse.

La logique pratique est convaincante. Les régimes alimentaires, les taux d'obésité, les habitudes de sommeil, les niveaux de stress et les soins de santé eux-mêmes ont tous considérablement évolué au cours des dernières décennies. Un modèle de risque entraîné sur des données des années 1990 peut encore fonctionner, mais, à l'image d'une carte obsolète, il peut discrètement orienter les cliniciens dans la mauvaise direction — en passant à côté de patients à haut risque ou en signalant des patients à faible risque.

Pour les personnes soucieuses de leur santé, cette recherche illustre un point plus large : les gains en longévité proviennent souvent non pas de percées expérimentales, mais d'une meilleure exploitation de la médecine préventive existante. Si des outils de risque recalibrés permettent de détecter plus tôt les maladies cardiovasculaires ou le diabète chez un plus grand nombre de personnes, le bénéfice en termes d'espérance de vie en bonne santé à l'échelle de la population pourrait rivaliser avec de nombreuses interventions de pointe encore à des années de toute utilisation clinique. Il s'agit d'une recherche en phase précoce, et aucun outil clinique n'a encore été mis à jour ou validé.