Intelligence artificielle, apprentissage automatique et apprentissage profond dans la transplantation hépatique

La transplantation hépatique (TH) est un traitement salvateur pour les personnes atteintes de maladie hépatique terminale. La gestion des receveurs de TH est complexe, principalement à cause de la nécessité de considérer des données démographiques, cliniques, de laboratoire, de pathologie, d'imagerie et d'omics dans le développement d'un plan de traitement approprié. Les méthodes actuelles de collecte d'informations cliniques sont susceptibles d'un certain degré de subjectivité ; ainsi, la prise de décision clinique dans la TH pourrait bénéficier de l'approche axée sur les données offerte par l'intelligence artificielle (IA). L'apprentissage automatique et l'apprentissage profond pourraient être appliqués à la fois dans les contextes pré- et post-TH. Quelques exemples d'applications de l'IA avant la transplantation incluent l'optimisation de la prise de décision concernant la candidature à la transplantation et le matching donneur-receveur pour réduire la mortalité sur liste d'attente et améliorer les résultats post-transplantation. Dans le cadre post-TH, l'IA pourrait aider à guider la gestion des receveurs de TH, notamment en prédisant la survie des patients et des greffes, ainsi qu'en identifiant les facteurs de risque de récurrence de la maladie et d'autres complications associées. Bien que l'IA montre un potentiel dans le domaine médical, son déploiement clinique présente des limites, notamment des déséquilibres dans les ensembles de données pour l'entraînement des modèles, des problèmes de confidentialité des données, et un manque de pratiques de recherche disponibles pour évaluer la performance des modèles dans le monde réel. Dans l'ensemble, les outils d'IA ont le potentiel d'améliorer la prise de décision clinique personnalisée, en particulier dans le contexte de la médecine de la transplantation hépatique.