L’intelligence artificielle au chevet des dons d’organes : Réduire les annulations de greffes de foie

Mathieu Gagnon - 2025-11-14 22:19

credit : lemorning.ca (image IA)

Quand l’espoir de greffe se brise à la dernière minute

C’est un chiffre difficile à accepter : bien qu’il y ait beaucoup plus de personnes en attente d’une transplantation hépatique que d’organes disponibles, il arrive encore trop souvent que des greffes soient annulées. Imaginez l’attente, l’espoir, puis la déception… C’est terrible. Dans près de la moitié des cas où un donneur décède après un arrêt cardiaque suite à l’arrêt des traitements de maintien en vie, la greffe doit être abandonnée.

Pourquoi ce gâchis, si je puis dire ? Eh bien, la raison est une course contre la montre très stricte, surtout pour ce qu’on appelle le don après décès circulatoire (DCD). Mais la bonne nouvelle, c’est que la technologie, et plus précisément l’intelligence artificielle, est en train de changer la donne. Des chercheurs de Stanford Medicine ont mis au point un modèle d’apprentissage machine capable de prédire avec une précision impressionnante si le donneur mourra dans le laps de temps critique. Et le résultat est bluffant : une réduction potentielle de 60 % des annulations inutiles.

Comprendre le défi du don après décès circulatoire (DCD)

Pour les personnes atteintes d’une maladie du foie en phase terminale, la greffe est souvent la seule option. Si les dons après mort cérébrale sont les plus courants, les dons DCD sont heureusement en augmentation. Ces dons sont vitaux, mais ils présentent un défi majeur : le temps, le temps, et encore le temps.

Lorsqu’on retire les supports vitaux, le sang commence à moins irriguer les organes. Le foie, cet organe incroyable qui nous aide à digérer, possède des canaux délicats (les canaux biliaires) qui sont très sensibles au manque d’oxygène. Si le temps qui s’écoule entre l’arrêt des supports et le décès du donneur dépasse 30 à 45 minutes, les chirurgiens doivent souvent rejeter l’organe. Pourquoi ? Parce qu’un foie trop longtemps privé de sang peut entraîner des complications gravissimes pour le receveur. C’est assez frustrant, n’est-ce pas, de savoir que la moitié des donneurs potentiels meurent dans ce créneau de 30 minutes, tandis que l’autre moitié arrive trop tard, entre 30 et 60 minutes.

L’IA surpasse le jugement humain avec 75 % de réussite

C’est ici qu’intervient l’étude publiée dans Lancet Digital Health. Le professeur Kazunari Sasaki, auteur principal, explique que l’objectif était de déterminer si l’organe sera « utile avant même que les préparatifs de la chirurgie n’aient commencé. »

Lorsque la mort survient entre 30 et 60 minutes après l’arrêt des supports, le chirurgien doit se fier à son expérience et à des données vitales (réflexes, signes neurologiques) pour prendre une décision rapide. Cependant, ce jugement humain aboutit encore à l’annulation de la moitié des tentatives. Le modèle d’apprentissage machine, lui, est capable de prédire l’heure du décès avec une précision de 75 %, ce qui est nettement supérieur à la moyenne des chirurgiens qui n’atteignent que 65 % d’exactitude.

Imaginez l’impact ! L’identification précoce des organes non viables permet de réduire de 60 % les « prélèvements inutiles ». Cela signifie moins de stress, moins de gaspillage de ressources et, surtout, plus de chances pour d’autres patients.

Les secrets de l’algorithme : un mélange de données cliniques

Alors, comment cette intelligence artificielle parvient-elle à faire mieux que des experts humains formés pendant des décennies ? Le modèle utilise une quantité impressionnante de données cliniques sur le donneur, des informations que nous, simples citoyens, ne pensons même pas à relier entre elles. On parle bien sûr de l’âge, du sexe ou de l’indice de masse corporelle (IMC), mais aussi de données plus complexes.

L’algorithme prend en compte :

La pression artérielle et le rythme cardiaque.
Les résultats des tests sanguins.
L’historique cardiovasculaire.
Les réglages du ventilateur (pour savoir quel niveau d’assistance respiratoire est nécessaire).
Les évaluations neurologiques détaillées, comme les réflexes pupillaires, le réflexe de toux, le réflexe nauséeux, etc.

Le plus intéressant, c’est que l’équipe a testé plusieurs algorithmes d’apprentissage machine les uns contre les autres pour trouver le plus performant. Et ils ont même pensé à créer une interface en langage naturel, un peu comme ChatGPT, pour simplifier la saisie des données du dossier médical du donneur. Ça, c’est vraiment le signe que la médecine se modernise à une vitesse folle!

Optimiser les ressources, minimiser les risques pour les donneurs vivants

Au-delà du simple succès de la greffe, l’efficacité du modèle a des répercussions économiques et pratiques majeures. Savoir où allouer les ressources, c’est crucial. Par exemple, les dispositifs de perfusion normothermique, qui maintiennent les organes à température idéale et bien oxygénés pendant le transport, coûtent cher et demandent du personnel. Si on sait d’avance que le foie ne sera pas viable, on évite d’engager ces ressources inutilement. C’est ce que le Dr Sasaki appelle « rationaliser la charge de travail ».

Il ne faut pas oublier non plus l’alternative du don vivant, où une partie du foie d’une personne saine est transplantée. C’est, bien sûr, une histoire merveilleuse, car le foie peut se régénérer. Mais il faut se souvenir que toute chirurgie majeure comporte des risques pour le donneur sain. En améliorant l’efficacité du DCD grâce à l’IA, nous réduisons indirectement la pression sur le don vivant, rendant l’ensemble du système plus sûr et plus accessible.

Améliorations futures et espoirs pour d’autres organes

Le travail n’est pas terminé, bien sûr. Les chercheurs ont constaté un taux similaire de « ratés » ou « occasions manquées » entre l’IA et les chirurgiens, autour de 15 %. Cela arrive quand le décès survient bien dans la fenêtre critique, mais que les préparatifs n’ont pas été lancés car la prédiction était pessimiste. C’est dommage, car ce sont des vies qui pourraient être sauvées.

L’équipe de recherche est déjà activement en train de peaufiner son modèle. En faisant concourir différents algorithmes, ils ont récemment trouvé une version qui maintient la même précision de prédiction, mais qui ramène le taux d’occasions manquées à seulement 10 % ! C’est un progrès formidable, et je suppose que l’amélioration rapide de l’intelligence artificielle nous promet des résultats encore meilleurs.

D’ailleurs, cette technologie ne se limitera pas qu’au foie. Les chercheurs travaillent déjà sur des variations du modèle pour son utilisation dans les transplantations cardiaques et pulmonaires. Vraiment, tout le champ de la transplantation pourrait en être bouleversé.

Un pas de géant pour les receveurs

Ce nouveau modèle d’intelligence artificielle développé par Stanford et ses partenaires, entraîné et validé sur plus de 2 000 cas réels aux États-Unis, représente un pas de géant dans le domaine de la transplantation. En réduisant drastiquement les annulations (jusqu’à 60 % des prélèvements inutiles) et en améliorant l’efficacité des décisions, il permet non seulement de gagner du temps et de l’argent, mais surtout de sauver un plus grand nombre de vies.

Nous voyons ici la technologie non pas comme une menace, mais comme un outil précieux, capable de compléter l’expertise du chirurgien pour offrir un avenir plus juste aux candidats à la greffe. Un bel exemple de collaboration entre l’humain et la machine pour le bien de la santé publique.

Selon la source : medicalxpress.com

Ce contenu a été créé avec l’aide de l’IA.