Santé prédictive : anticiper sans prétendre prédire l’avenir

Ces approches peuvent se compléter. Un score peut aider à identifier les personnes pour lesquelles un bilan ou une discussion médicale est particulièrement pertinent. Mais le score ne remplace pas le test de référence, l’examen clinique ou le raisonnement médical.

Les développeurs commencent par définir un résultat à prédire : hospitalisation, complication, récidive, réponse à un traitement ou évolution d’un biomarqueur. Ils sélectionnent ensuite des variables disponibles avant ce résultat, par exemple l’âge, certains antécédents, des résultats biologiques ou des mesures répétées.

Le modèle apprend ou estime des relations à partir d’un ensemble de données. Il doit ensuite être évalué sur d’autres données. Une bonne performance dans le centre, le pays ou la population ayant servi au développement ne garantit pas la même performance ailleurs.

La déclaration TRIPOD+AI, publiée en 2024 dans le BMJ, propose 27 éléments pour rendre transparentes les études de modèles prédictifs utilisant la régression ou l’apprentissage automatique. PROBAST+AI, publié en 2025, aide à examiner la qualité, le risque de biais et l’applicabilité d’un modèle. Ces référentiels rappellent qu’un pourcentage de précision isolé ne suffit pas à juger un outil.

Que prédit exactement le score ?

Le résultat doit être clairement défini, ainsi que la période concernée. « Risque cardiovasculaire » est trop vague s’il n’est pas précisé quel événement est considéré et sur quelle durée.

Pour quelle population a-t-il été évalué ?

Un modèle peut être moins fiable pour des profils sous-représentés dans les données. L’OMS souligne que des ensembles d’entraînement peuvent exclure ou sous-représenter certaines populations, ce qui peut reproduire des inégalités.

Quelle est sa calibration ?

La discrimination distingue les personnes plus ou moins à risque. La calibration vérifie que les probabilités annoncées correspondent aux fréquences réellement observées. Les deux sont nécessaires.

Que se passe-t-il après le résultat ?

Un score est utile s’il conduit à une action proportionnée : vérifier une mesure, demander un avis, adapter un suivi ou appliquer une recommandation validée. Sans parcours clair, il peut seulement inquiéter.

Qui interprète l’information ?

Un professionnel peut intégrer les symptômes, les antécédents, les traitements et les préférences de la personne. Cette contextualisation manque à une lecture automatique isolée.

Un modèle peut produire des faux positifs, qui signalent un risque sans événement correspondant, et des faux négatifs, qui rassurent à tort. Sa performance peut aussi diminuer lorsque les pratiques, les appareils ou la population changent. C’est ce que l’on appelle parfois une dérive du modèle ou des données.

Il existe également un risque de surdiagnostic ou de surmédicalisation si toute variation entraîne une succession d’examens sans bénéfice démontré. À l’inverse, une estimation bien intégrée peut aider à prioriser une prévention ou un contrôle.

La meilleure utilisation d’un outil prédictif est généralement une conversation structurée. Le résultat peut expliquer pourquoi une action est proposée, mais la décision doit tenir compte des bénéfices, des risques, des alternatives et des préférences du patient.

MyTwin pour les patients propose un parcours combinant données, outils de prévention et échange avec un professionnel de santé. Cette articulation est essentielle : les résultats numériques doivent servir la compréhension et le suivi, non se substituer au jugement clinique. Les cliniciens peuvent découvrir le cadre proposé sur la page MyTwin pour les professionnels. Notre politique de confidentialité précise le cadre retenu pour les données personnelles.