Résumé Objectifs Les essais cardiovasculaires (CV) ont donné des résultats neutres en hémodialyse. Une meilleure compréhension des profils patients est nécessaire pour personnaliser les stratégies thérapeutiques afin d'améliorer les résultats CV dans ce contexte. Cette étude visait à identifier des phénotypes biologiques basés sur des données protéomiques par des approches d’apprentissage automatique chez des patients sous hémodialyse. Méthodes et résultats Une analyse de regroupement utilisant 253 biomarqueurs protéiques plasmatiques a été réalisée chez 382 patients (analyse de dérivation par apprentissage automatique) issus de l'essai AURORA qui a testé l'effet de la rosuvastatine sur les résultats CV chez les patients en hémodialyse. Un arbre de décision a ensuite été construit pour prédire l’appartenance aux groupes et évaluer son association avec les résultats CV dans un autre sous-groupe de l’essai (n=389 patients, analyse de validation). Quatre phénotypes ont été identifiés, à savoir les phénotypes « signalisation de tempête de cytokines », « signalisation des récepteurs Toll-like (TLRs) », « voies multiples liées à l’inflammation et à la fibrose », ainsi qu’un « phénotype de référence » présentant le moins d’anomalies biologiques. En analyse multivariable de l’étude de validation, après ajustement sur les facteurs pronostiques clés, le phénotype TLRs était significativement associé à la mortalité CV, à la mortalité toutes causes et aux événements cardiovasculaires majeurs (MACE) (HR=1,65 1,13 - 2,41, 1,43 1,03 - 1,98, et 1,48 1,04 - 2,10, respectivement). Conclusion En utilisant l’apprentissage automatique non supervisé sur des données protéomiques, nous avons identifié 4 phénotypes biologiques mécanistiques impliquant la tempête de cytokines et la signalisation TLRs, l’inflammation et la fibrose. Ces phénotypes biologiques pourraient contribuer au pronostic CV et ouvrir la voie à une thérapie personnalisée en hémodialyse.
Salib et al. (Sun,) ont étudié cette question.