Prédire le risque d'AVC ischémique à dix ans : un XGBoost qui bat les scores classiques mais dont le risque absolu s'effondre d'un hôpital à l'autre

Une équipe de l'Université d'Alabama à Birmingham et de l'Icahn School of Medicine at Mount Sinai développe un modèle XGBoost qui prédit le risque d'AVC ischémique à dix ans en combinant données cliniques, trajectoires de biologie et vingt scores de risque polygénique. Sur la cohorte de développement, il surclasse nettement les scores de référence (Framingham révisé, Pooled Cohort Equations), et sa capacité à classer les patients se transporte sur une cohorte externe d'un autre hôpital. Mais son estimation du risque absolu s'effondre au passage d'un centre à l'autre — il prédit environ huit fois trop d'AVC —, l'apport du génome est marginal sauf dans un sous-groupe, et la « race auto-déclarée » n'ajoute presque rien une fois le signal polygénique pris en compte.

Le contexte

Prédire qui fera un AVC dans les dix ans sert à décider qui traiter en prévention primaire — statines, antihypertenseurs, antiplaquettaires — avant l'accident. Les outils historiques, le profil de risque de Framingham révisé (rFSRP) et les Pooled Cohort Equations (PCE) américaines, reposent sur une poignée de facteurs saisis à la main (âge, tension, tabac, diabète, cholestérol) combinés par une régression. On leur connaît deux limites : ils ont été calibrés surtout sur des populations blanches, et ils ignorent l'information massive contenue dans le dossier médical électronique (DME) et dans le génome.

Deux ingrédients récents promettent de faire mieux. Les trajectoires de biologie d'abord : au lieu d'une mesure isolée de glycémie ou de créatinine, on résume l'évolution répétée d'un marqueur (sa moyenne, sa variabilité, sa pente, sa récence). Les scores de risque polygénique ensuite (PRS, pour polygenic risk score : un résumé chiffré de milliers de variants génétiques associés à une maladie, calculé à partir de l'ADN d'un individu). La question ouverte, et l'objet de ce préprint : ces ingrédients apportent-ils vraiment quelque chose au-delà des scores classiques, et surtout leur bénéfice tient-il quand on change d'hôpital et de composition ethnique ? La question n'est pas rhétorique : les PRS sont majoritairement construits à partir d'études génétiques menées sur des personnes d'ascendance européenne, et leur transférabilité aux autres ascendances est le point faible connu du domaine.

La méthode

Étude de cohorte rétrospective. Le modèle est développé dans All of Us (AoU), un grand programme de recherche américain : 34 987 adultes d'au moins 45 ans, avec au moins un an de dossier médical avant l'inclusion, ancrés à une date de référence (janvier 2010) puis suivis dix ans ; 1 920 ont fait un AVC ischémique (5,5 %). La validation externe se fait sur le BioMe Biobank du Mount Sinai à New York : 10 693 participants, 107 AVC (1,0 %), avec une population sensiblement différente — davantage d'hispaniques (35 % contre 12 %) et de personnes noires (22 % contre 19 %). L'événement mesuré est le premier AVC ischémique hospitalisé, défini par des codes diagnostiques (CIM-9 et CIM-10) ; les AVC non ischémiques et les cas seulement ambulatoires sont exclus, et les témoins doivent avoir au moins dix ans de suivi.

Le modèle est un XGBoost — une forêt d'arbres de décision construits par gradient boosting, où chaque nouvel arbre corrige les erreurs des précédents ; sa particularité utile ici est qu'il gère les valeurs manquantes sans les remplacer artificiellement. Les auteurs empilent trois niveaux emboîtés : M1 (données cliniques : démographie, comorbidités, constantes, traitements), M2 (M1 + trajectoires de biologie), et M3 (M2 + vingt PRS issus du catalogue public PGS). Ils entraînent en parallèle deux familles : un modèle « à variables complètes » (spécifique à AoU, incluant la race auto-déclarée) et un modèle « harmonisé » (limité aux variables communes aux deux cohortes, pour qu'un unique modèle entraîné sur AoU tourne tel quel sur BioMe). Chaque spécification est testée en version « aveugle à la race » et « consciente de la race », le contraste isolant l'apport propre de la race déclarée.

Deux qualités du modèle sont mesurées séparément, et c'est le cœur de l'étude. La discrimination — sa capacité à classer un futur cas au-dessus d'un non-cas — par l'AUROC (aire sous la courbe ROC : 0,5 = hasard, 1 = parfait). La calibration — la justesse du risque absolu annoncé — par le rapport observé/attendu (O/E : idéalement 1 ; en dessous, le modèle surestime le risque). La calibration est ajustée par Platt scaling sur une partition dédiée d'AoU, puis appliquée telle quelle à BioMe. Les hyperparamètres sont réglés par validation croisée (via Optuna), les intervalles de confiance obtenus par bootstrap, les AUROC comparées par test de DeLong, et l'importance des variables décomposée par SHAP. Le rapport suit les recommandations TRIPOD+AI. M3 est enfin comparé à rFSRP et aux PCE sur les sous-groupes éligibles à ces scores.

Les résultats

Sur la partition test d'AoU (6 998 participants, 384 cas), M3 atteint une AUROC de 0,813 (IC à 95 % 0,788–0,837). L'écart avec les scores classiques est spectaculaire : +0,164 d'AUROC sur le Framingham révisé, +0,181 sur les PCE (P < 0,001 dans les deux cas). Mais la décomposition est instructive : l'ajout des trajectoires de biologie (M2 contre M1) gagne significativement (ΔAUROC 0,020 ; P = 0,016), tandis que l'ajout des vingt PRS (M3 contre M2) ne gagne pas significativement (ΔAUROC 0,004 ; P = 0,253). Autrement dit, l'essentiel du progrès vient du dossier médical riche, pas du génome.

Le transfert externe raconte deux histoires opposées. La discrimination se transporte, atténuée : sur BioMe, l'AUROC de M3 tombe à 0,745. La calibration, elle, s'effondre : le rapport observé/attendu agrégé passe de 1,00 sur AoU à 0,12 sur BioMe. En clair, utilisé tel quel, le modèle prédit environ huit fois plus d'AVC qu'il n'en survient réellement dans la cohorte externe. Recalibrer l'ordonnée à l'origine sur BioMe répare la calibration chez les participants africains-américains (O/E 1,05) et hispaniques (0,86), mais pas européens-américains (0,43, sur-correction résiduelle).

Traduction clinique. Au seuil réglé pour 90 % de spécificité, M3 repère 54 % des futurs AVC contre 43 % pour le modèle clinique seul, avec une valeur prédictive positive de 25 % contre 20 % — soit, à politique de dépistage identique, un quart de vrais positifs en plus et 10 % de faux positifs en moins. C'est un vrai gain de tri. Mais un modèle dont le risque absolu est faux par un facteur huit ne peut pas, en l'état, servir à fixer un seuil de traitement dans un nouvel hôpital : il classerait bien les patients tout en surtraitant massivement. Sur le génome, l'apport des PRS n'est significatif que dans un seul des six croisements cohorte × ascendance — les hispaniques de BioMe (ΔAUROC +0,042 ; P = 0,003) — et nul ailleurs (estimations de −0,019 à +0,012). Quant à la race auto-déclarée, elle n'ajoute un petit gain que lorsqu'elle est combinée aux PRS (BioMe +0,022, P = 0,035 ; AoU +0,006, P = 0,053), et rien sans eux.

Ce qui est bien

Une validation externe réelle sur une cohorte ancestralement distincte. C'est l'exception plutôt que la règle : les auteurs rappellent eux-mêmes que les modèles de risque d'AVC sont rarement validés sur des cohortes d'ascendances différentes. Ici, le modèle entraîné à AoU est confronté à un autre hôpital, une autre distribution ethnique (35 % d'hispaniques contre 12 %), et une prévalence d'AVC cinq fois plus basse. C'est précisément le test que 90 % des modèles publiés esquivent.

La distinction discrimination/calibration traitée honnêtement. Beaucoup d'articles s'arrêtent à une AUROC flatteuse. Ici, les auteurs montrent noir sur blanc que la capacité à classer se transporte (AUROC 0,745) mais que le risque absolu s'effondre (O/E 0,12), et l'écrivent. Le double affichage est exactement ce qui permet de voir qu'un bon score de classement peut donner des risques absolus faux — la leçon la plus utile de l'étude.

Une rigueur méthodologique soignée. Reporting selon TRIPOD+AI, aucune information post-inclusion introduite dans le modèle (pas de fuite temporelle), réglage des hyperparamètres par validation croisée, intervalles de confiance par bootstrap, comparaison des AUROC par test de DeLong, importance des variables par SHAP décomposée en domaines cliniques. Le financement est public (National Heart, Lung, and Blood Institute ; Alabama Genomic Health Initiative) et les auteurs déclarent l'absence de conflit d'intérêts commercial.

Ce qui est moins bien

Un biais de population et un seul site de validation externe. C'est le mode d'échec central. BioMe est un unique hôpital new-yorkais : la calibration ne tient que si on la refait centre par centre, et même recalibrée elle rate les européens-américains (O/E 0,43). Surtout, les PRS, construits majoritairement sur des études d'ascendance européenne, ne transfèrent pas : leur apport est nul dans cinq strates d'ascendance sur six. Un modèle présenté comme adapté aux « populations diverses » dont le bénéfice génomique ne se matérialise que chez les hispaniques d'une seule cohorte reste, sur ce point, fragile.

Un comparateur faible et une métrique flatteuse mise en avant. Deux modes d'échec cumulés — le comparateur biaisé et la métrique trompeuse. L'écart de 0,16 à 0,18 d'AUROC sur Framingham et les PCE est réel mais oppose un XGBoost nourri au dossier médical complet à des scores conçus il y a une à trois décennies pour quelques variables saisies à la main : la comparaison est déséquilibrée par construction. Le test interne honnête (M3 contre M2) montre d'ailleurs que les vingt PRS mis en avant n'ajoutent presque rien — le gain vient du DME, pas de l'innovation génomique affichée. Et une AUROC de 0,745 accompagnée d'un O/E de 0,12 rappelle qu'un bon classement, isolé, ne dit rien de la justesse du risque annoncé.

Une puissance limitée dans les strates et une reproductibilité fermée. BioMe ne compte que 107 AVC, éclatés par ascendance en sous-groupes minuscules : certaines AUROC par ascendance ont des intervalles de confiance très larges (jusqu'à 0,673–0,925), et les conclusions par groupe reposent sur peu d'événements. Élargir la définition de l'AVC fait chuter l'AUROC externe à 0,646–0,674, signe d'une forte sensibilité au phénotype retenu. Enfin, les données sont sous accès restreint (AoU et BioMe), aucun dépôt de code n'est publié, et il s'agit d'un préprint non encore relu par les pairs, diffusé sous licence non commerciale sans dérivés (CC-BY-NC-ND) — la reproductibilité indépendante est donc limitée.

Ce que ça change

Pour la communauté de recherche, l'étude délivre deux messages. D'abord, en 2026, le progrès pour la prédiction de l'AVC vient surtout de l'exploitation du dossier médical longitudinal — les trajectoires de biologie — bien plus que des scores polygéniques, dont la transférabilité entre ascendances reste le verrou non résolu. Ensuite, une leçon méthodologique directement réutilisable : valider séparément la discrimination et la calibration sur cohorte externe, et prévoir une recalibration spécifique à chaque site avant tout déploiement.

Pour les cliniciens, rien n'est déployable aujourd'hui : le modèle n'est pas calibré hors de son centre d'origine, n'est pas approuvé, et repose sur un préprint. L'idée d'un score de prévention primaire nourri au dossier médical est crédible à moyen terme, mais à la condition stricte d'une recalibration locale — sans elle, les risques annoncés seraient inexploitables. Pour les patients et le grand public, l'étude illustre deux règles de lecture. « Une IA prédit l'AVC mieux que Framingham » masque que le gain vient surtout du dossier médical, pas du génome, et qu'un modèle qui classe bien peut se tromper d'un facteur huit sur le risque réel dans un autre hôpital. Et sur la question sensible de la race : l'étude suggère que l'ascendance génétique (via les PRS) capte l'essentiel du signal que la « race auto-déclarée » apportait — un argument pour calibrer par ascendance plutôt que d'inscrire la race comme variable dans le modèle.

Pour aller plus loin

Le préprint est disponible sur medRxiv (10.64898/2026.06.22.26356280). Sur la distinction entre bien classer et bien calibrer, au cœur de ce papier, voir notre décryptage d'un modèle de mortalité en réanimation attentif à la calibration et à l'utilité clinique ; sur l'IA appliquée à l'AVC sous d'autres angles, ceux d'un deep learning confronté au pronostic des neurologues et d'un réseau de graphes pour la mortalité après AVC.

Transparence éditoriale : version française rédigée et signée par la rédaction de Tatakoto à partir de la lecture du préprint. Traductions anglaise, espagnole et chinoise produites avec assistance IA et relues.