Hémorragie intraventriculaire : une « ligne dorsale du tronc » sur le scanner, lue par un modèle de fondation tabulaire, pour prédire le handicap à six mois

Une collaboration de neuf hôpitaux chinois, coordonnée par le Southwest Hospital (Army Medical University), propose la « Brainstem Dorsal Line » (BSDL), un score semi-quantitatif de compression du tronc cérébral par le sang du quatrième ventricule, lisible sur le scanner d'admission. Combinée à huit variables cliniques et d'imagerie et confiée à TabICLv2 — un modèle de fondation pour données tabulaires qui classe « en contexte » sans réentraînement classique — elle prédit un mauvais devenir fonctionnel à six mois avec une AUC de 0,90 en validation externe et une calibration correcte. Le signal est réel et le marqueur est astucieux, mais la validation externe ne repose que sur 118 patients d'un seul pays, l'ensemble est rétrospectif, la BSDL est encore cotée manuellement, et l'avantage du modèle retenu sur ses concurrents tient dans le bruit statistique.

Le contexte

L'hémorragie intracérébrale spontanée est l'un des accidents vasculaires cérébraux les plus meurtriers : elle représente 10 à 20 % de tous les AVC et reste la deuxième cause de décès par AVC dans le monde. Quand le sang gagne le système ventriculaire — l'hémorragie intraventriculaire (HIV), qui complique 20 à 60 % de ces hémorragies — le pronostic s'assombrit encore : la mortalité à 30 jours atteint 40 à 60 %, et seul un quart des survivants retrouvent une autonomie fonctionnelle à six mois. La récupération neurologique se joue surtout dans les trois à six premiers mois, d'où l'intérêt d'un pronostic précoce et fiable pour orienter l'intensité des soins et informer les familles.

Les outils existants restent frustes. Le clinicien s'appuie sur le score de Glasgow (GCS, qui cote la profondeur du coma de 3 à 15), le volume de l'hématome, la présence d'une hydrocéphalie et les scores de Graeb (original, oGS, et modifié, mGS), qui quantifient la charge sanguine dans les ventricules. Ces indicateurs viennent surtout d'analyses univariées et capturent mal la physiopathologie multifactorielle de l'HIV. Surtout, il n'existe pas de modèle pronostique conçu spécifiquement pour l'HIV — la plupart des travaux la traitent comme une simple variable binaire — ni de manière standardisée de quantifier un phénomène pourtant central : l'effet de masse du sang du quatrième ventricule sur le tronc cérébral, structure vitale logée juste en avant.

La méthode

L'idée première du papier est un marqueur d'imagerie. La Brainstem Dorsal Line se lit sur une reconstruction sagittale du scanner cérébral d'admission, sans injection : on trace le contour dorsal du tronc cérébral et on mesure la « distance de déplacement » (shift distance, SD), c'est-à-dire l'écart perpendiculaire maximal entre le tronc comprimé et sa position théorique non déformée. Trois grades en découlent : grade 0, pas ou peu de sang dans le quatrième ventricule, ligne droite ; grade 1, du sang mais sans déformation nette, SD inférieure ou égale à 2 mm ; grade 2, hématome volumineux repoussant le tronc vers l'avant, SD supérieure à 2 mm. Deux neuroradiologues en aveugle du devenir ont coté chaque examen, un troisième tranchant les désaccords.

Cette BSDL rejoint ensuite huit autres variables retenues par une sélection en trois étapes (filtrage univarié, élimination des variables trop corrélées, puis régression LASSO — une méthode qui met à zéro les coefficients des variables les moins utiles). Les neuf prédicteurs finaux sont : le grade BSDL, le GCS, le volume de l'hématome parenchymateux, les volumes de sang dans les ventricules latéraux, le troisième et le quatrième ventricule, l'hydrocéphalie aiguë, l'oGS et le mGS. La cible est le devenir fonctionnel à six mois, mesuré par l'échelle de Rankin modifiée (mRS, de 0 pour aucun symptôme à 6 pour le décès) et dichotomisé en favorable (mRS 0-3) ou défavorable (mRS 4-6).

Le cœur algorithmique est TabICLv2 (Tabular In-Context Learning). C'est un modèle de fondation pour données tabulaires : plutôt que d'être entraîné de zéro sur la cohorte, il a été pré-entraîné sur d'immenses collections de jeux de données tabulaires synthétiques, et il classe un nouveau patient par apprentissage en contexte — on lui présente les exemples d'entraînement et il prédit en une seule passe, sans descente de gradient dédiée. Cette famille (à laquelle appartient aussi TabPFN, également testé ici) est réputée efficace précisément sur les petits jeux de données cliniques. Les auteurs le comparent à sept autres modèles : régression logistique, forêt aléatoire, SVM, XGBoost, LightGBM, un réseau de neurones et TabPFN. L'évaluation ne se limite pas à l'AUC : elle inclut l'AUPRC (aire sous la courbe précision-rappel, plus honnête quand les cas positifs sont minoritaires), la calibration (score de Brier, test de Hosmer-Lemeshow), l'utilité clinique par analyse de courbe de décision, et l'interprétabilité par valeurs SHAP.

Les résultats

Le développement s'appuie sur 610 patients de sept centres, scindés en 488 pour l'entraînement et 122 pour la validation interne ; la validation externe porte sur 118 patients de deux autres centres. Les mauvais devenirs représentent environ 28 % de la cohorte de développement et 26 % de la cohorte externe. Le signal du nouveau marqueur saute aux yeux dès la description : un grade BSDL 2 concerne 47,1 % des patients au devenir défavorable contre 4,5 % de ceux au devenir favorable.

Sur la validation externe, TabICLv2 atteint une AUC de 0,90 (IC 95 % 0,825-0,958), une AUPRC de 0,82, un score de Brier de 0,099, une sensibilité de 77,4 %, une spécificité de 92,0 % et une exactitude de 88,1 %. La calibration tient : les tests de Hosmer-Lemeshow ne sont pas significatifs (p = 0,59 en interne, p = 0,38 en externe), signe que les probabilités affichées collent à peu près aux fréquences observées — une qualité que trop d'études négligent. L'analyse SHAP place le grade BSDL 2 en tête des contributions, devant le GCS et le volume de l'hématome parenchymateux, avec une relation dose-effet du grade 0 au grade 2.

Traduit en clinique, restons mesurés. Sur 1 000 patients HIV répondant aux critères de l'étude, environ 260 auront un mauvais devenir à six mois. Au seuil retenu, le modèle en identifierait correctement à peu près 200, en manquerait environ 60 (annoncés comme récupérant alors qu'ils vont mal évoluer), au prix d'à peu près 60 fausses alertes (annoncés défavorables alors qu'ils récupéreront). C'est un apport réel sur des scores univariés, mais un modèle qui manque près d'un quart des mauvais devenirs n'est pas un oracle — et ce chiffre décrit une discrimination, pas une preuve que l'agir change grâce à lui.

Ce qui est bien

Un marqueur concret, gratuit et physiologiquement plausible. La BSDL ne demande aucune imagerie supplémentaire : elle se lit sur le scanner d'admission que tout patient reçoit déjà. Elle formalise une intuition clinique — la compression du tronc cérébral par le sang du quatrième ventricule — restée jusqu'ici sans grille standardisée. Le contraste brut (grade 2 chez 47,1 % des mauvais devenirs contre 4,5 % des bons) et sa première place au classement SHAP montrent que ce n'est pas un raffinement cosmétique mais le prédicteur dominant du modèle.

Une hygiène méthodologique au-dessus de la moyenne du domaine. Validation externe sur deux centres non utilisés pour l'entraînement, calibration explicitement mesurée (Brier, Hosmer-Lemeshow), courbes de décision pour l'utilité clinique, interprétabilité SHAP, et rapport conforme au référentiel TRIPOD+AI. Beaucoup de modèles pronostiques s'arrêtent à une AUC interne flatteuse ; celui-ci va nettement plus loin, ce qui rend ses affirmations vérifiables.

Un banc d'essai honnête des modèles de fondation tabulaires. Confronter huit algorithmes, dont les récents TabPFN et TabICLv2, sur un petit jeu de données clinique est utile en soi : cela documente que l'apprentissage en contexte tient la route sur ce type de tâche, là où l'on croit souvent que le deep learning exige de grands volumes. Le preprint est en accès ouvert (licence CC BY 4.0), sans conflit d'intérêts déclaré, financé par des fonds publics provinciaux, et le code comme les données sont disponibles sur demande.

Ce qui est moins bien

Un biais de population et une validation externe étroite. Les 728 patients viennent exclusivement de neuf centres chinois, avec des critères d'inclusion serrés : âge 18-80 ans, admission en réanimation, hématome parenchymateux inférieur ou égal à 20 ml, autonomie antérieure quasi parfaite (mRS 0-1). La validation « externe » reste chinoise et ne compte que 118 patients, d'où des intervalles de confiance larges (l'AUC va de 0,83 à 0,96). Rien ne garantit la transposabilité à d'autres systèmes de santé, d'autres populations, d'autres pratiques neurochirurgicales — c'est le biais de population classique, ici doublé d'un échantillon de test modeste.

Un avantage du modèle retenu qui tient dans le bruit, et une métrique vitrine. TabICLv2 n'écrase personne : sur l'entraînement, TabPFN fait légèrement mieux (AUC 0,820 contre 0,818) ; en externe, le réseau de neurones affiche une AUC supérieure (0,910) mais une sensibilité effondrée (48 %). Les intervalles de confiance se chevauchent largement : présenter TabICLv2 comme le vainqueur relève d'un choix de compromis, pas d'une supériorité démontrée (comparateur à relativiser). Et l'AUC de 0,90, chiffre le plus vendeur, doit être lue à côté de l'AUPRC de 0,82 et surtout de la sensibilité de 77 % : près d'un mauvais devenir sur quatre passe sous le radar (métrique trompeuse).

Le risque de prophétie autoréalisatrice, et un marqueur encore artisanal. Prédire le devenir d'une hémorragie grave à partir de marqueurs de sévérité soulève le spectre du confounding par indication : si un tronc cérébral très comprimé (grade 2) conduit à limiter les soins ou à récuser une chirurgie, alors le « mauvais devenir » devient en partie la conséquence de la décision, pas seulement de la lésion. Les auteurs reconnaissent avoir enregistré les stratégies de traitement sans en analyser l'interaction avec la BSDL — angle mort important pour un score destiné, à terme, à guider le geste. Ajoutons que la BSDL est cotée à la main par des radiologues (subjectivité, variabilité inter-observateur non quantifiée ici), qu'aucune segmentation automatique n'existe encore, et qu'il n'y a ni validation prospective, ni marquage réglementaire.

Ce que ça change

Pour la communauté de recherche, deux apports. D'abord une piste crédible que les modèles de fondation tabulaires (TabPFN, TabICL) sont compétitifs sur les petites cohortes cliniques, ce qui pourrait alléger la contrainte du volume de données. Ensuite un marqueur, la BSDL, assez simple pour être testé ailleurs, automatisé par segmentation, et confronté à des cohortes non chinoises. Les prochaines étapes s'imposent : validation prospective, analyse par sous-groupes, prise en compte des traitements reçus, et automatisation de la cotation.

Pour les cliniciens, rien ne change aujourd'hui : c'est un modèle de recherche, non déployé, sans validation prospective ni autorisation. La BSDL a toutefois une vertu pédagogique immédiate — elle nomme et gradue un phénomène que le neurochirurgien perçoit intuitivement — et pourrait, si elle se confirme, affiner le regard porté sur un scanner d'admission. La prudence porte sur le double écueil : ne pas transformer un score en pronostic figé, et ne pas laisser une prédiction pessimiste décider seule de l'intensité des soins.

Pour les patients et le grand public, la promesse est lisible : donner tôt, à partir d'un examen déjà réalisé, une estimation plus juste du devenir, pour mieux informer et mieux allouer les moyens de réanimation. Mais l'estimation n'est pas une sentence, elle a été apprise sur une population particulière, et un outil de ce type ne devrait jamais être transposé tel quel à un autre contexte sans nouvelle validation — ni, s'il servait un jour à orienter des décisions, échapper à un encadrement au titre de dispositif médical logiciel.

Pour aller plus loin

Le preprint est disponible sur medRxiv (DOI 10.64898/2026.07.28.26359173), sous licence CC BY 4.0, avec code et données accessibles sur demande. Pour le contexte, voir les scores de Graeb (original et modifié) et le score de Glasgow dans l'hémorragie intraventriculaire, la littérature sur les modèles de fondation tabulaires (TabPFN, TabICL) et l'apprentissage en contexte, ainsi que le référentiel de reporting TRIPOD+AI pour l'évaluation des modèles pronostiques cliniques.