Prédiction du risque de maladies cardiaques chez les patients atteints de cancer du sein : Une approche d'apprentissage profond avec des données de dossiers de santé électroniques longitudinaux

Prédire avec précision les risques de maladies cardiaques chez les patients atteints de cancer du sein est crucial pour le soutien à la décision clinique et la sécurité des patients. Cette étude a développé et évalué des modèles prédictifs pour six maladies cardiaques en utilisant des données réelles de dossiers de santé électroniques (DSE). Nous avons intégré un mécanisme de décroissance entraînable pour gérer les valeurs manquantes dans le modèle de mémoire à long terme et à court terme (LSTM), créant des modèles LSTM-D pour prédire le risque de maladies cardiaques en fonction des données DSE longitudinales. De plus, nous avons déployé des méthodes de traitement du langage naturel (NLP) pour extraire les phénotypes du cancer du sein à partir de textes cliniques, intégrant des données non structurées et structurées pour améliorer les prédictions. Nos modèles LSTM-D ont surpassé les modèles de référence dans la prédiction de l'insuffisance cardiaque congestive, de la maladie coronarienne, de la cardiomyopathie, de l'infarctus du myocarde, de l'accident ischémique transitoire et de la régurgitation aortique, avec des scores AUC allant de 0,7189 à 0,9548. Des fenêtres d'observation de 12 à 24 mois se sont révélées optimales pour la performance du modèle. Cette recherche fait progresser des stratégies de soins précises et personnalisées, permettant une intervention précoce et une meilleure gestion des risques cardiovasculaires chez les survivants du cancer du sein.