2 minutes de lecture
Prédiction de la mortalité à long terme dans l’artérite de Takayasu par machine learning
ESC 2026
Publié le jeudi 20 août 2026
Paris
Résumé de l’abstract présenté par le Dr Aïcha Kante, cardiologue et membre du Collège des Cardiologues en Formation de la SFC, à l’ESC 2026 à Munich
L’artérite de Takayasu est une vascularite des gros vaisseaux affectant essentiellement la femme jeune et associée à une surmortalité importante. Les scores pronostiques actuellement disponibles reposent sur un nombre limité de variables. L’intelligence artificielle, par des approches de machine learning, offre la possibilité d’intégrer un grand nombre de variables afin d’améliorer la stratification du risque.
Dans cette étude multicentrique rétrospective, menée au sein du French Takayasu Network, 321 patients consécutifs atteints d’artérite de Takayasu ont été inclus avec une durée médiane de suivi de 18 ans. Au cours du suivi, 47 (14.6%) sont décédés. La cohorte a été divisée en une cohorte d’entraînement et une cohorte de validation, avec une séparation temporelle reproduisant les conditions d’une validation prospective.
À partir de 67 variables candidates et moyennant les performances de 7 algorithmes de machine learning, 9 variables pronostiques évaluables au diagnostic ont été retenues :
- sténose coronaire,
- régurgitation aortique,
- anévrysme artériel,
- claudication du membre supérieur,
- abolition du pouls radial,
- asymétrie tensionnelle,
- tabagisme,
- âge au diagnostic,
- protéine C réactive
Le modèle final retenu était l’algorithme de Naïve Bayes, qui présentait une bonne capacité discriminante sur la cohorte de Test, avec une aire sous la courbe (AUC 0,78 [0,56–0,94]), supérieure à celle du score pronostique précédemment publié (AUC 0,54 [0,39–0,68]) et de la régression logistique (AUC 0,65). Un seuil de probabilité de 0.20 permettant d’identifier un groupe de patients à haut risque de mortalité à long terme.
CARATS Score
Afin de faciliter son utilisation en pratique clinique, nous avons développé une version simplifiée sous forme de score à points limité à 6 variables, le CARATS score (Claudication, Aortic regurgitation, Radial pulse abolition, Aneurysm, Tobacco, Stenosis) qui conservait des performances comparables au modèle (AUC 0,79 [0,57–0,94]) avec une sensibilité élevée (0,88) pour un seuil ≥ 1 point.
À notre connaissance, il s’agit de la 1ère approche de machine learning spécifiquement développée pour prédire la mortalité toutes causes dans l’artérite de Takayasu. Au-delà de ses performances pronostiques, ce travail met en évidence le rôle central de l’atteinte cardiovasculaire initiale dans le pronostic à long terme et propose un outil simple, facilement utilisable au lit du malade, susceptible d’améliorer la stratification du risque et d’orienter la prise en charge des patients.
