Auteur(s) : Bergier, Hugo
Directeur(s) : Jacques-Éric Gottenberg
Composante : MEDECINE
Date de création : 30-06-2023

Résumé(s) : Introduction. Notre étude avait pour objectif d’examiner les caractéristiques cliniques présentées par les patients atteints de polyarthrite rhumatoïde difficile à traiter (PR D2T). Nous avons employé uneapproche d'intelligence artificielle basée sur le Traitement Automatique du Langage Naturel (TALN) pour former la cohorte de patients et extraire leurs caractéristiques. Patients et méthodes. Nous avons mené une étude de cohorte rétrospective monocentrique dans notre hôpital en utilisant les dossiers médicaux électroniques couvrant la période de 2010 à 2022. Un outil de phénotypage automatique a été employé pour identifier les patients atteints de PR en se basant sur la codification CIM-10 des séjours et la reconnaissance de mots-clés spécifiques liés à la PR dans les dossiers médicaux. Un algorithme de reconnaissance d’entités nommées a ensuite été utilisé pour identifier les médicaments associés à la PR et déterminer l’historique thérapeutique des patients. La PR D2T a été définie comme l'absence de réponse à deux traitements ciblés (extraction d’au moins 3 b/tsDMARDs par le programme informatique), ce qui nous a permis de classer les patients en groupes PR D2T et non-PR D2T. Puis, un autre programme de TALN a été employé pour extraire de façon cumulative dans les comptes-rendus médicaux les caractéristiques des patients : sexe, âge au premier séjour, caractéristiques propres à la maladie (statut immun et érosif, scores d’activité) et comorbidités associées. La reconnaissance dans le dossier médical de mots-clés spécifiques a été liée à la présence de la variable correspondante. Enfin, une analyse de régression logistique multivariée a été réalisée pour évaluer la relation entre les variables et le groupe PR D2T. Résultats. L'outil de phénotypage a identifié 1026 patients atteints de PR, dont 323 ont été classés en PR D2T et 703 en PR non D2T. Le genre féminin, l'obésité, le tabagisme, l'anxiété-dépression et la fibromyalgie n’étaient pas associés au groupe PR D2T. Un âge plus jeune au début du suivi (âge médian de 57,3 vs 62,3 ans), une période de suivi plus longue (9,7 vs 7,7 ans), un terrain d’insuffisance cardiaque (OR=0,64 [0,43;0,95], p=0,025), un antécédent de cancer (OR=0,53 [0,38;0,74], p<0,001), une activité de la maladie plus élevée sur la période de suivi (DAS28 médian de 3,74 vs 3,39, OR=1.30 [1.12;1.52], p<0.001) et la présence d'érosions articulaires (OR=1,77 [1,25;2,51], p=0,001) étaient associés de manière significative en analyse multivariée au groupe PR D2T. Conclusion. Cette nouvelle approche d’IA a permis d’identifier une cohorte et des facteurs contributifs de PR D2T. Une meilleure compréhension de la physiopathologie de la PR D2T et une détection précoce des facteurs contributifs offrent des perspectives d’amélioration de la prise en charge de la PR D2T.
Discipline : Médecine (rhumatologie)
Mots-clés libres : Polyarthrite rhumatoïde, Intelligence artificielle, Traitement automatique du langage naturel, phénotypage automatique, 610
Couverture : FR