Bernard

  • Un algorithme d’IA pour la prédiction du déclin rénal progressif

    Selon l’Organisation mondiale de la santé, plus de 700 millions de personnes souffrent de maladie rénale chronique (MRC). Environ 15 % des adultes présentent une forme modérée à sévère (stades G3 à G5), correspondant à une altération significative du débit de filtration glomérulaire. Chaque année, plus de 2,5 millions de décès sont liés à ses complications cardiovasculaires. Les approches classiques — mesure de la clairance de la créatinine ou des protéines urinaires — présentent des limites :

    • Sensibilité insuffisante
    • Détection souvent tardive
    • Personnalisation thérapeutique limitée

    Un outil in vitro fondé sur l’intelligence artificielle

    Développé conjointement par Roche Diagnostics et la biotech américaine KlinRisk, le logiciel est un dispositif de diagnostic in vitro qui analyse les données issues de tests sanguins et urinaires afin d’estimer le risque de déclin rénal.

    • Intègre de multiples paramètres cliniques et biologiques
    • Conforme aux recommandations internationales en néphrologie
    • Accessible via le cloud et interopérable avec les systèmes hospitaliers

    Le premier outil IA marqué CE pour la stratification du risque rénal

    Ce dispositif, intégré à la Navify Algorithm Suite, comprend :

    • Le Kidney KlinRisk Algorithm, premier algorithme IA marqué CE, conçu pour la prédiction précoce du déclin rénal chez les patients atteints de MRC ou à risque (diabète, hypertension).
    • Le Kidney Failure Risk Equation (KFRE) Algorithm, modèle complémentaire validé, utilisé pour évaluer la probabilité d’évolution vers l’insuffisance rénale terminale.

     

  • Dossier médical électronique : la Chine connecte ses hôpitaux à l’ère du numérique

    • La Chine déploiera en 2025 un dossier médical électronique (DME) national, sécurisé et interopérable, accessible à l’ensemble de ses citoyens.
    • 12 % des adultes chinois souffrent d’une maladie chronique, notamment le diabète, les pathologies cardiovasculaires et les cancers (OMS).
    • 70 % des hôpitaux urbains seront interconnectés via la plateforme nationale de DME d’ici fin 2025 (Université Tsinghua).
    • Les résultats biologiques par exemple et les dossiers hospitaliers seront intégrés automatiquement et mis à jour en temps réel.
    • Une intelligence artificielle analysera en continu les données cliniques pour soutenir la décision médicale.
    • Le système repose sur une infrastructure cloud conforme aux normes chinoises GB/T, garantissant interopérabilité et cybersécurité.

    La Chine déploie un système national sécurisé et interopérable de dossiers médicaux électroniques (DME) qui sera accessible à chaque citoyen en 2025

    12 % d’adultes chinois souffrent de maladies chroniques

    La progression des maladies chroniques impose un suivi intégré et continu. Selon l’OMS, 12 % des adultes chinois sont touchés par des affections telles que le diabète, les pathologies cardiovasculaires et les cancers.

    • Plus de 70 % des patients attendent plus de deux semaines pour consulter un spécialiste ;
    • Les tests biologiques traditionnels et la faible interopérabilité retardent les diagnostics ;
    • Les coûts élevés et la fragmentation des systèmes hospitaliers freinent la continuité des soins.

    70 % des hôpitaux urbains bientôt interconnectés

    Le programme national de dossier médical électronique (DME), coordonné par l’Université Tsinghua et l’Académie d’ingénierie, a pour objectif de moderniser la gestion et le partage des données de santé. Il prévoit la numérisation complète des activités hospitalières, la connexion de 70 % des établissements urbains d’ici 2025 et une meilleure coordination des soins grâce à des échanges de données plus rapides.

    • Numérisation intégrale des activités hospitalières ;
    • Connexion de 70 % des hôpitaux urbains d’ici 2025 ;
    • Amélioration de la coordination et de la rapidité des soins.

     Une plateforme cloud conforme aux normes GB/T

    • Intégration automatique des dossiers hospitaliers et résultats biologiques en temps réel ;
    • Analyse par intelligence artificielle pour soutenir la décision clinique ;
    • Protection renforcée de la confidentialité et traçabilité des échanges.

    Le dossier médical électronique national repose sur une infrastructure cloud sécurisée conforme aux standards chinois GB/T, qui encadrent l’interopérabilité, la cybersécurité et le formatage des données de santé. Le dispositif intègre automatiquement les dossiers hospitaliers et les résultats biologiques en temps réel, mobilise l’intelligence artificielle pour appuyer la décision clinique, et renforce la confidentialité ainsi que la traçabilité des échanges numériques.

    Une couverture nationale d’ici fin 2025

    La généralisation du DME va ouvrir la voie à :

    • La médecine personnalisée et prédictive ;
    • Le dépistage à domicile via objets connectés ;
    • Une coordination renforcée entre prévention, diagnostic et suivi thérapeutique.

     

  • Un DMDIV français à IA embarquée détecte le cancer précocement

    19,3 millions de nouveaux cancers par an selon l’OMS

    Un consortium français dévoile un dispositif de diagnostic in vitro intégrant l’IA capable d’améliorer la détection précoce des cancers de manière plus rapide et plus sensible. Le cancer est une priorité sanitaire planétaire, en hausse continue : l’Organisation mondiale de la santé (OMS) recense plus de 19,3 millions de cas annuels et 10 millions de décès. L’approche conventionnelle immuno-enzymatique ou PCR révèle ses limites :

    • Sensibilité : 75–85% selon type tumoral ;
    • Délai moyen : 48 h ;
    • Coût unitaire : jusqu’à 220 €.

    3,8 M€ investis pour le DMDIV IA-Dx Paris-Saclay-Inserm

    Sous l’égide du laboratoire IA-Dx (Département Biomédical Université Paris-Saclay) et de l’Inserm U1286, le consortium français a développé un dispositif microfluidique dopé à l’IA, optimisant la détection rapide des biomarqueurs sanguins pour cancers du sein, colorectal et hémopathies malignes. Financé à hauteur de 3,8 M€ par BPI France (Plan France 2030), l’innovation associe Roche Diagnostics et propose :

    • Un capteur multiparamétrique de biomarqueurs sanguins ;
    • Un algorithme supervisé, entraîné sur >15 000 patients ;
    • Un automatisme anti-erreur humaine, adaptable au contexte clinique.

    96 % de sensibilité prouvée sur 2 300 patients

    La validation multicentrique prospective (2024-2025) sur 2 300 patients (5 centres européens) démontre, face à la PCR et l’immuno-enzymie :

    • Sensibilité : 96,2% ;
    • Spécificité : 94,5% ;
    • AUC : 0,97 (p < 0,001).

    Ces résultats sont publiés dans l’American Journal of Multidisciplinary Research & Development (AJMRD). L’AUC (Area Under Curve) constitue ici un indicateur, attestant une performance diagnostique exceptionnelle. Les prochaines étapes incluent : essais cliniques élargis fin 2025, marquage CE-IVDR en 2026, et lancement global en 2027, avec une cible prioritaire pour le dépistage précoce, la médecine de précision et les zones à ressources limitées.

     

  • Asie : l’ASEAN combat le tabagisme à l’ère de l’IA, avec une stratégie régionale unifiée

    Une coordination régionale face à 137 millions de fumeurs 

    Selon le Global Burden of Disease, plus de 526 000 décès annuels sont attribués au tabac dans la région Asie du Sud-Est. L’hétérogénéité des systèmes de surveillance et des bases de données nationales limite la prévention et le suivi des politiques de sevrage. L’Association des nations de l’Asie du Sud-Est (ASEAN) amorce une réponse à travers la mise en place d’une stratégie régionale d’IA dédiée à la lutte anti-tabac. Dans une région comptant 137 millions de fumeurs, le défi réside dans l’harmonisation des infrastructures numériques et des pratiques nationales encore disparates. 

    2,5 M$ pour intégrer l’IA au diagnostic du tabagisme 

    Soutenu par le Lowy Institute et plusieurs partenaires publics et privés — incluant des organismes gouvernementaux et des acteurs du secteur privé en Malaisie, Thaïlande et Indonésie — ce programme d’intégration de l’IA dans le diagnostic in vitro du tabagisme bénéficie d’un financement de 2,5 M $ depuis 2023 et vise à unifier la collecte et l’analyse de biomarqueurs tels que la cotinine et le CO expiré. 

    Une plateforme interconnectée pour la santé publique 

    Fondée sur la norme FHIR (Fast Healthcare Interoperability Resources) — standard international d’échange de données de santé — la plateforme régionale relie laboratoires et hôpitaux pour : 

    • Intégrer en temps réel les résultats biologiques ; 
    • Croiser les données douanières et commerciales pour détecter les flux illicites ; 
    • Exploiter le traitement automatique du langage afin d’identifier la publicité tabagique numérique ; 
    • Personnaliser les programmes de sevrage via une application mobile ; 
    • Fournir une aide à la décision clinique fondée sur l’analyse croisée des données biologiques et comportementales. 

    Interopérabilité et projets pilotes en ligne de mire 

    Pour devenir pleinement opérationnelle, cette IA devra surmonter plusieurs obstacles : standardisation des formats de données, interopérabilité entre systèmes nationaux et projets pilotes multi-pays (Malaisie, Thaïlande, Indonésie). Une étape clé pour faire de la convergence numérique un levier durable de santé publique, en cohérence avec les recommandations de l’OMS. 

     

  • Une IA pour la détection précoce de la septicémie pédiatrique

    Une mortalité infantile encore comprise entre 15 % et 25 %

    La septicémie reste l’une des principales causes de décès infantiles dans le monde, avec plus de trois millions de cas sévères chaque année et une mortalité variant de 15 % à 25 % selon l’Organisation mondiale de la Santé. Les approches diagnostiques traditionnelles reposent sur des critères biologiques et cliniques souvent tardifs, entraînant des retards de prise en charge. Ces limites justifient le recours à des outils capables de détecter précocement les situations à risque avant toute défaillance organique.

    • Une sensibilité réduite des critères actuels.
    • Un délai diagnostique entraînant des complications sévères.
    • Une absence de prédiction précoce fiable.

    Des modèles prédictifs d’IA intégrés dans les flux hospitaliers

    Des équipes de la Northwestern University et du Lurie Children’s Hospital à Chicago (Illinois, États-Unis) ont développé des modèles d’intelligence artificielle exploitant les Phoenix Sepsis Criteria et les quatre premières heures de données issues des dossiers médicaux électroniques (DME). Entraînés sur les dossiers de cinq hôpitaux du réseau PECARN, ces modèles permettent d’identifier les enfants à risque avant l’apparition d’une défaillance organique avec :

    • Une prédiction individualisée du risque de septicémie.
    • Une réduction des faux positifs grâce à l’équilibrage sensibilité/spécificité.
    • Un outil d’aide à la décision intégré au flux clinique.

    Une cohorte rétrospective de 135 621 enfants sur trois sites universitaires

    De janvier 2024 à mars 2025, une équipe interdisciplinaire de 15 biostatisticiens, urgentistes et informaticiens médicaux a conduit une étude rétrospective multicentrique sur 135 621 patients pédiatriques (≈ 700 000 observations issues des DME). Les chercheurs ont comparé plusieurs modèles : régression logistique régularisée, gradient boosting et réseaux de neurones récurrents appliqués à la prédiction du risque de sepsis.

    Des performances robustes et une validation multicentrique

    Les résultats, publiés dans le JAMA Network Open, montrent une capacité discriminante élevée entre enfants à risque et non à risque avec :

    • Une sensibilité : 80 % pour la détection précoce.
    • Une spécificité : > 80 %, limitant les interventions inutiles.
    • Une validation sur plusieurs milliers de dossiers médicaux électroniques.

    Cet outil prédictif unifié, déployable dans toutes les unités pédiatriques, pourrait réduire les événements critiques non reconnus et optimiser la continuité des soins. Les prochaines étapes incluent une intégration clinique à grande échelle et des essais prospectifs multicentriques aux États-Unis.

     

  • Prévention du suicide : +11% d’engagement grâce à une intervention numérique ciblée en Indonésie

    Prévention du suicide : 13 513 impressions et 11% d’engagement grâce à une intervention ciblée en Indonésie

    En Indonésie, où un suicide survient tous les 30 minutes, une étude démontre l’efficacité d’une campagne numérique ciblant les recherches en ligne liées à la détresse psychologique. L’intervention, publiée dans The Lancet Regional Health – Southeast Asia, affiche un taux d’engagement de 11,04%, bien au-dessus des campagnes menées dans les pays à revenu élevé.

    Chaque année, plus de 700 000 personnes meurent par suicide dans le monde, selon l’Organisation mondiale de la Santé (OMS). En Indonésie, le taux s’élève à 2,4 décès pour 100 000 habitants, avec une surreprésentation marquée en zones rurales, où les taux sont 4,5 fois plus élevés qu’en milieu urbain . Ce déséquilibre s’explique par un accès limité aux soins, une stigmatisation persistante et un déficit structurel de professionnels : 1 psychiatre ou psychologue pour 60 666 personnes, contre 1 pour 1 000 en moyenne dans les pays à revenu élevé . Ces lacunes rendent indispensable le développement de solutions alternatives, accessibles à grande échelle.

    •  2,4 suicides pour 100 000 habitants.
    •  1 psychiatre ou psychologue pour 60 666 personnes.
    •  4,5 × plus de suicides en zones rurales qu’urbaines.

    20 mots-clés déclenchent une campagne Google Ads pour prévenir le suicide en Indonésie

    Une étude menée conjointement par l’université UNSW Sydney, Harvard, Wellspring Indonesia et le Black Dog Institute a testé une intervention comportementale numérique via Google Ads . Les annonces étaient déclenchées par 20 mots-clés liés à la détresse psychologique, tels que mengakhiri hidup (« mettre fin à sa vie »), stres (« stress ») ou lelah (« fatigue »). Elles redirigeaient vers une page d’aide interactive, en langue locale, proposant des ressources, des lignes d’écoute et des outils d’auto-évaluation. La campagne a été co-construite avec 11 experts, dont des cliniciens et des personnes ayant vécu une crise suicidaire, afin d’assurer pertinence et sécurité .

    Trois jours pour mesurer l’impact

    L’analyse, réalisée sur une période de trois jours, a enregistré 13 513 impressions, avec un taux d’engagement de 11,04% . Ce chiffre est 18 fois supérieur à celui observé lors d’une campagne similaire aux États-Unis et 15 fois supérieur à celle menée en Australie . Le coût moyen par interaction s’est établi à 2,89 $, soit cinq fois moins que dans les pays à haut revenu . Ces résultats démontrent l’efficacité d’une approche numérique à faible coût pour atteindre des populations en détresse .

    •  20 mots-clés dédiés à la détresse psychologique
    •  Co-construction avec 11 experts (cliniciens et personnes concernées)
    •  Analyse du taux d’engagement et du coût par interaction

    Des résultats sans précédent

    Publiés dans The Lancet Regional Health – Southeast Asia, les résultats montrent :

    •  13 513 impressions, 11,04 % d’engagement – soit 18 fois plus que la campagne américaine et 15 fois plus que l’australienne
    •  Coût moyen par engagement : 2,89 $, cinq fois inférieur à celui observé dans les pays à haut revenu

    Perspectives de santé numérique

    Rapide, économique et évolutive, la publicité en ligne pourrait devenir un levier d’e‑santé efficace pour connecter les individus aux services de prévention du suicide, en particulier dans les contextes à ressources limitées.

  • Data science : une base mondiale améliore le diagnostic rénal

    Avec 850 millions de patients et plus de 1,2 million de décès annuels, la maladie rénale chronique constitue un enjeu mondial majeur. La base de données multicentrique ApolloDialDb, soutenue par Fresenius Medical Care et Privacy Analytics, vise à améliorer la précision diagnostique et la prédiction des risques grâce à l’intelligence artificielle.

    Une pathologie parmi les dix premières causes de mortalité mondiale

    Selon l’Organisation mondiale de la Santé, plus de 9% des adultes sont atteints, soit environ 850 millions de personnes. Chaque année, la MRC provoque plus de 1,2 million de décès. L’OMS anticipe un doublement de la demande en dialyse d’ici 2030, en raison du vieillissement démographique et de la hausse de la prévalence du diabète et de l’hypertension.

    • Plus de 9 % des adultes souffrent d’une MRC, soit 850 millions de patients.
    • >1,2 million de décès/an.
    • Une demande en dialyse appelée à doubler d’ici 2030.

    Des délais d’analyse longs entravant la prise en charge

    Les méthodes conventionnelles de diagnostic reposent sur la mesure de la créatinine sérique, l’estimation du débit de filtration glomérulaire et l’imagerie rénale. Ces approches présentent des limites en matière de sensibilité et de spécificité pour anticiper l’évolution vers une insuffisance rénale terminale. Leur coût demeure élevé, notamment dans les régions à faibles ressources, tandis que l’accès et les délais d’analyse varient selon les infrastructures locales. Ces contraintes soulignent la nécessité de solutions globales, interopérables et reposant sur les données massives.

    ApolloDialDb : la première base mondiale, multicentrique et anonymisée

    3 millions d’euros investis dans l’harmonisation des données cliniques

    Lancée par le Renal Research Institute (Fresenius Medical Care) avec le soutien de Privacy Analytics, la base de données ApolloDialDb centralise les informations cliniques de 543 169 patients issus de 40 pays. Près de 360 variables cliniques et biostatistiques ont été harmonisées après un investissement de 3 millions d’euros. Hébergée sur l’infrastructure cloud d’Amazon Web Services (AWS), la base garantit la confidentialité et la sécurité des données de santé conformément aux standards internationaux.

    • 3 M€ investis pour harmoniser plus de 360 variables cliniques et biostatistiques.
    • Hébergement sécurisé AWS (Amazon Web Services), infrastructure cloud internationale (AWS) dédiée au traitement confidentiel des données de santé.

    Des performances cliniques validées

    L’étude observationnelle internationale (Kidney International Reports, sept. 2025) révèle :

    • Sensibilité de détection des hospitalisations >95 %.
    • 90 % de complétude des variables critiques (âge, sexe, albumine, etc.).

    Vers un diagnostic in vitro personnalisé et prédictif

    ApolloDialDb ouvre la voie à :

    • Des essais cliniques IA prédictive dès 2026.
    • Un diagnostic à domicile et une surveillance automatisée.
    • Une adaptation aux pays à faibles ressources via le cloud et les Big Data cliniques.

     

  • Un collectif indien propose un cadre pour l’intégration de l’IA générative en santé

    30 à 40 % des essais cliniques en Asie manquent de données locales

    L’Asie, qui regroupe 60 % de la population mondiale, présente de fortes disparités sanitaires. Selon l’OMS, les maladies cardiovasculaires et les cancers représentent 50 % de la mortalité régionale. Les outils de diagnostic classiques, coûteux et peu adaptés aux besoins locaux, freinent la médecine de précision :

    • 1,3 milliard de patients sans accès complet à l’imagerie numérique.
    • 30–40 % des essais cliniques manquent de données locales.
    • +25 % de délai moyen de diagnostic par rapport aux standards OCDE.

    GAN et VAE au service de l’IA médicale en Asie

    Des chercheurs indiens indépendants, experts en gestion des risques et en santé numérique, ont conçu un cadre de déploiement de l’IA générative dans les systèmes hospitaliers asiatiques. Leur approche combine :

    • Un réseau antagoniste génératif (GAN) pour créer des images médicales synthétiques.
    • Un autoencodeur variationnel (VAE) pour générer des données réalistes et détecter les anomalies.

    Ces outils réduisent la dépendance aux données réelles des patients et soutiennent le développement d’algorithmes fiables et éthiques.

    Modèles IA légers : –40 % de coûts de calcul

    Leur étude promeut une IA économe en ressources pour réduire la consommation énergétique et favoriser la réutilisation d’infrastructures existantes. Les chercheurs privilégient des modèles légers entraînés sur données synthétiques, la mutualisation de serveurs entre hôpitaux et des clouds régionaux à faible intensité carbone.

    • – 30 % de consommation CPU par modèle d’IA.
    •  – 40 % de coûts de calcul.
    • 1 cadre “low-data AI” pour réutiliser les modèles existants.

    Des performances cliniques prometteuses

    La revue documentaire publiée en octobre 2025 dans Generative AI Framework for Asian Healthcare Organizations (Wiley) rapporte :

    • AUC moyenne : 0,93 pour la détection de tumeurs pulmonaires,témoignant d’une excellente capacité de discrimination diagnostique entre images saines et pathologiques.
    • Sensibilité : 91 % et une  spécificité : 88 % en imagerie rétinienne.

    Les chercheurs appellent à des politiques de gouvernance des données et à la création de laboratoires régionaux d’IA médicale, estimant que l’Asie pourrait devenir un pôle majeur de l’IA clinique d’ici 2030.

     

  • L’Indonésie cartographie ses écarts numériques pour une santé connectée équitable

    43 % des Indonésiens éloignés des soins : l’IA et les RME peinent à se déployer hors des grandes villes

    Une équipe universitaire a dressé la première carte des disparités d’infrastructures et de compétences humaines freinant la politique de santé numérique en Indonésie. Avec plus de 275 millions d’habitants, le pays connaît de fortes inégalités d’accès aux soins. Selon l’Organisation mondiale de la Santé (OMS), 43 % de la population vit à plus de 5 km d’un centre de santé primaire. Les outils numériques — dossiers médicaux électroniques (RME) et télémédecine — sont essentiels à la modernisation du système, mais leur déploiement reste inégal.

    • 85 % d’accès Internet à Jakarta contre 26 % en Papouasie.
    • 9 études nationales montrent une adoption hétérogène des RME.
    • Les zones rurales et isolées manquent d’équipements numériques.

    Dossiers médicaux électroniques et télémédecine : 9 études synthétisées pour évaluer les écarts

    Les chercheurs des universités Negeri Makassar et ISTEK ’Aisyiyah Kendari ont conduit une revue de la littérature sur 221 études, dont 9 retenues, portant sur les dossiers médicaux électroniques et la télémédecine. Publiée dans le Asian Journal of Environmental Research (octobre 2025), elle dresse une cartographie précise des écarts entre infrastructures et ressources humaines dans les soins numériques.

    Les RME réduisent jusqu’à 20 minutes le temps de prise en charge par patient

    L’usage du RME réduit le délai moyen de prise en charge de 15 à 20 minutes et renforce la sécurité des données. La maturité numérique varie selon les provinces : les établissements formés gagnent 32 % d’efficacité.

    • −18 % de temps moyen de service par patient.
    • 9 provinces évaluées selon un score de maturité TIC (JMIR Med Inform, 2024).
    • Amélioration documentée de la traçabilité et de la continuité des soins.

    Un indice HOT-FIT-BR pour piloter le développement des infrastructures numériques de santé

    Les chercheurs recommandent un renforcement conjoint des infrastructures et des compétences numériques, soutenu par des politiques publiques adaptées. L’étude suggère un modèle hybride :

    • Infrastructures cloud pour les zones urbaines, plateformes hors ligne pour les régions à faible connectivité.
    • Création d’un indice d’infrastructure numérique (HOT-FIT-BR).
    • Déploiement d’un modèle intégré formation–technologie–gouvernance.

    En complément des investissements technologiques, les chercheurs insistent sur le rôle de la formation décentralisée des professionnels de santé, afin de consolider les usages. Ils préconisent également des études longitudinales pour suivre l’impact réel des outils numériques sur la performance des soins et ajuster les politiques publiques en conséquence. Cette revue de littérature, première du genre en Indonésie, fournit ainsi un socle de données pour orienter la stratégie nationale de santé numérique.

     

  • Une IA prédictive optimise le diagnostic in vitro de plus de 1 000 maladies

    Anticiper le diabète, les maladies cardiovasculaires et la septicémie grâce à l’IA

    Une équipe européenne a développé un modèle d’IA capable d’estimer le risque et le moment d’apparition de plus de 1 000 maladies sur plus de dix ans. La progression des maladies chroniques telles que le diabète ou les maladies cardiovasculaires représente un défi pour la santé publique. Selon l’OMS :

    • Maladies cardiovasculaires : 17,9 millions de décès/an
    • Diabète : 537 millions de personnes affectées, prévalence en hausse
    • Septicémie : 49 millions d’incidents/an, 11 millions de décès

    Les méthodes traditionnelles de diagnostic, fondées sur des analyses ponctuelles — biomarqueurs sanguins ou imagerie — présentent des limites : coût moyen 200–1 500 €, délais de restitution de 24 h à 2 semaines selon le test, et faible capacité à anticiper l’évolution future de la maladie.

    Delphi-2M, l’algorithme qui apprend la “grammaire” de la santé humaine

    L’innovation provient de l’EMBL et du DKFZ, en collaboration avec l’Université de Copenhague. Le modèle génératif Delphi‑2M :

    • entraîné sur 400 000 participants de l’UK Biobank, testé sur 1,9 million de Danois sans ajustement ;
    • modélise les événements médicaux comme des séquences temporelles, apprenant la « grammaire » de la santé humaine ;
    • fournit des estimations probabilistes du risque plutôt que des certitudes.

    Il peut prédire plus de 1 000 maladies avec un horizon allant jusqu’à 20 ans, en analysant séquentiellement événements médicaux et facteurs de style de vie.

    Validé sur 2,3 millions de patients, avec une précision confirmée par Nature

    L’évaluation du modèle a porté sur 2,3 millions de patients en utilisant des cohortes distinctes : l’UK Biobank britannique et le registre national danois, avec un horizon de suivi supérieur à 10 ans. Les chercheurs ont appliqué une analyse rétrospective des historiques médicaux, combinée à une modélisation probabiliste et à une validation croisée pour tester la robustesse du modèle.

    Les résultats, publiés dans Nature, montrent la précision de Delphi‑2M pour prédire l’apparition de maladies chroniques et aiguës.

    • Risque d’infarctus pour hommes 60–65 ans : 4–100 cas/10 000/an selon profil
    • Correspondance élevée avec incidence observée dans les cohortes de validation
    • Fiabilité plus élevée pour maladies chroniques stables (diabète, infarctus).

    Bien que non encore utilisable en clinique, le modèle ouvre la voie à des outils de dépistage préventif, à une médecine personnalisée, à la planification d’interventions précoces et à des applications dans les pays à ressources limitées grâce à l’IA.