Prédire le risque précoce de néphropathie chez les patients diabétiques à partir des données du monde réel

La question qui se pose est de savoir si leur pouvoir prédictif est identique à celui des essais cliniques. Une équipe de chercheurs d’IBM, de Roche, d’Eli Lilly ainsi que d’instituts de recherche ont comparé, de manière directe, des algorithmes dérivés de données cliniques en vie réelle à des données et algorithmes issus d’essais cliniques. Ils se sont particulièrement intéressés à l’insuffisance rénale chronique dont on sait qu’elle est une complication microvasculaire du diabète. Des données de santé électroniques provenant de 417 912 diabétiques de type 1 et de type 2 ont été obtenues à partir de la base de données EXPLORYS d’IBM. Les facteurs prédictifs ont été comparés à ceux de différents essais cliniques ou études de cohorte (ONTARGET, ORIGIN, RENAAL et ADVANCE). L’algorithme IBM/Roche est toujours meilleur par rapport aux algorithmes dérivés de ces études, même dans le cas de sous-cohortes spécifiquement sélectionnées. L’amélioration de cette efficacité est probablement liée au très grand nombre de patients impliqués. Les auteurs concluent que, au moins dans cet exemple, les algorithmes utilisant des données en vie réelle pourraient avoir une précision, au moins équivalente voire améliorée, en comparaison des algorithmes des analyses obtenues à partir des essais cliniques. Bien sûr, l’utilisation d’autres bases de données est nécessaire avant de généraliser cette conclusion. Quoi qu’il en soit, c’est probablement le nombre de patients et la diversité de ces données qui rend ces algorithmes de prédiction meilleurs. Faudra-t-il, dans l’avenir, poursuivre des essais cliniques prolongés, très coûteux, si l’on dispose d’autres moyens d’obtenir des arguments scientifiques solides, voire plus solides ?