NeoGx: Machine-Recommended Rapid Genome Sequencing for Neonates

Algorithme d'apprentissage automatique exploitant les données du dossier patient informatisé, dont des phénotypes extraits du texte clinique, pour prédire précocement quels nouveau-nés nécessiteront une évaluation génétique dans les 18 premiers mois de vie.

Les maladies génétiques sont fréquentes en réanimation néonatale de niveau IV, mais les cliniciens identifient difficilement les nouveau-nés qui bénéficieraient d'une évaluation génétique. NeoGx est un algorithme d'apprentissage automatique développé sur les données du dossier patient informatisé de 14 272 patients de réanimation néonatale de niveau IV — données structurées et phénotypes extraits du texte clinique — répartis temporellement en cohortes de développement (n = 11 201), de calibration (n = 1 080) et de validation (n = 1 991), et destiné à prédire précocement quels nouveau-nés nécessiteront une évaluation génétique dans les 18 premiers mois de vie. En utilisant les prédictions cumulées sur quatre semaines d'hospitalisation, NeoGx atteint une AUC ROC de 0,849 et une AUC de précision-rappel de 0,771 dans la cohorte de validation indépendante. Une orientation guidée par NeoGx ramènerait le délai moyen jusqu'à la première évaluation génétique de 44 à 29 jours, soit une avance moyenne de 15,2 jours ; associée au séquençage de génome rapide en test de première intention, la proportion de cas génétiques atteignant un point d'aboutissement diagnostique définitif en 14 jours passerait de 9,5 % à 68,6 %.

Synthèse rédigée par Geno'X. Pour l'abstract original complet, consulter la publication source.

L'idée est juste et rarement traitée : le facteur limitant du génome rapide en réanimation néonatale n'est pas la technique mais la reconnaissance de l'indication, et une AUC ROC de 0,849 sur une cohorte de validation temporellement indépendante est un point de départ crédible. La réserve principale porte sur les chiffres les plus spectaculaires : le passage de 9,5 % à 68,6 % de cas aboutis en 14 jours est une estimation contrefactuelle de ce qu'aurait produit une orientation guidée par l'algorithme, non le résultat d'une implémentation prospective. Restent donc à démontrer la robustesse dans un flux réel, l'acceptabilité par les néonatologues et la transposabilité à d'autres dossiers patients informatisés, les modèles nourris de texte clinique étant très dépendants des habitudes de rédaction locales.

Analyse par Dr Thibaut Benquey