StrokeTHG : prédire la mortalité après un AVC à 30, 90 et 365 jours avec un graphe hétérogène de dossiers patients

StrokeTHG est un réseau de neurones sur graphe hétérogène qui prédit simultanément la mortalité à 30, 90 et 365 jours après un AVC ischémique, à partir des dossiers médicaux électroniques de 4 144 patients d'un seul système hospitalier de Pennsylvanie. Il atteint une AUROC de 0,872, 0,878 et 0,837 selon l'horizon, devançant systématiquement les modèles tabulaires classiques (régression logistique, forêt aléatoire, XGBoost), surtout au seuil de sensibilité utile pour le triage. Le gain est réel, mais l'évaluation reste mono-centrique, transductive et sans validation externe : un signal méthodologique encourageant, pas encore un outil clinique.

Le contexte

Prédire le risque de décès après un accident vasculaire cérébral aide à personnaliser la prise en charge, à orienter les discussions de pronostic et à allouer les ressources. Mais les modèles existants partagent deux limites. D'abord, ils traitent chaque horizon temporel séparément : un modèle pour la mortalité à 30 jours, un autre à un an, sans cohérence entre eux. Ensuite, ils représentent le dossier d'un patient comme un simple vecteur de variables — une longue liste de colonnes (âge, comorbidités, résultats de laboratoire) — ce qui écrase la structure relationnelle des dossiers médicaux électroniques (EHR, electronic health records).

Or un EHR n'est pas une feuille de calcul : c'est un réseau. Un patient est relié à ses séjours, ses diagnostics, ses comorbidités, l'hôpital qui l'a traité, le spécialiste qui l'a suivi, et — indirectement — à d'autres patients au profil biologique proche. Les réseaux de neurones sur graphe (GNN, graph neural networks) sont précisément conçus pour exploiter ce type de structure. L'équipe de Penn State propose ici un GNN hétérogène — c'est-à-dire un graphe qui distingue plusieurs types de nœuds et de liens — pour tester si cette richesse relationnelle améliore la prédiction au-delà des modèles tabulaires.

La méthode

Les auteurs ont constitué une cohorte rétrospective de 4 144 patients ayant eu un AVC ischémique comme diagnostic principal de sortie entre 2017 et 2023 au sein de Penn State Health, un réseau hospitalier universitaire multi-sites. Âge moyen 69,0 ans, 54,3 % d'hommes, 83 % de patients blancs. Les taux de mortalité observés étaient de 9,7 % à 30 jours, 13,7 % à 90 jours et 19,6 % à un an. La cohorte est divisée en 60 % d'entraînement, 20 % de validation et 20 % de test, stratifiée sur la mortalité à 30 jours.

Le cœur de la méthode est la construction d'un graphe hétérogène à neuf types de nœuds (patient, séjour, diagnostic, établissement, médecin, comorbidité, phénotype, parcours de soins, niveau de sévérité DRG) et dix-neuf types de liens. Parmi eux, deux canaux de similarité entre patients calculés par K plus proches voisins (KNN) : un canal large (K=25, sur l'ensemble des variables) et un canal spécifique aux 42 valeurs de laboratoire (K=15). Point important : chaque patient n'est relié qu'à ses voisins de l'ensemble d'entraînement, pour éviter une fuite directe d'information entre patients de test. Les nœuds « phénotype » sont des centroïdes de clusters obtenus par K-means sur les analyses biologiques — ils servent d'ancrages de sévérité implicites.

L'architecture projette chaque nœud dans un espace de 128 dimensions, puis applique trois couches de message passing (chaque nœud agrège l'information de ses voisins, étape par étape). Le temps d'admission est encodé par des plongements sinusoïdaux. Surtout, le modèle se termine par trois têtes de prédiction monotones : une construction mathématique qui garantit que le risque à 30 jours ne peut jamais dépasser celui à 90 jours, lui-même borné par celui à un an. Cette cohérence des probabilités est imposée par construction, pas seulement apprise. L'entraînement combine un pré-entraînement par masquage (reconstruire 30 % des variables masquées), une focal loss asymétrique pour gérer le déséquilibre des classes, et un seul germe aléatoire (42). Les comparateurs — régression logistique, forêt aléatoire, XGBoost — sont entraînés sur 253 variables tabulaires, avec le même découpage.

Les résultats

StrokeTHG obtient les meilleures AUROC aux trois horizons : 0,872 à 30 jours, 0,878 à 90 jours, 0,837 à un an, contre respectivement 0,832, 0,823 et 0,805 pour le meilleur comparateur, XGBoost. L'AUROC (aire sous la courbe ROC) mesure la capacité à classer correctement un patient décédé avant un survivant : 0,872 signifie que c'est le cas dans environ 87 % des paires. Sur les tests statistiques par bootstrap apparié, 6 des 9 comparaisons sont significatives (p < 0,05), avec le signal le plus net à 90 jours.

Le résultat cliniquement le plus parlant concerne la sensibilité à spécificité fixée à ≥ 75 %. À ce seuil, StrokeTHG détecte 78,7 %, 83,5 % et 73,9 % des décès aux trois horizons, soit 5 à 10 points de pourcentage de plus que le meilleur comparateur. Traduit en pratique sur 1 000 patients à l'horizon 90 jours (137 décès attendus) : le modèle repère environ 114 des 137 décès et en manque 23, là où XGBoost en repérerait 104 et en manquerait 33 — soit une dizaine de patients à haut risque identifiés en plus, à charge de fausses alertes comparable. Une analyse contrôlée montre par ailleurs que les embeddings (représentations vectorielles apprises) de StrokeTHG battent ceux des autres méthodes de graphe quand on les passe tous dans un même classifieur de régression logistique, ce qui confirme que le gain vient bien de la qualité de la représentation, pas du classifieur. L'ablation des liens désigne la connexion phénotype→patient comme la plus influente, suivie de admission→patient.

Ce qui est bien

Les têtes de prédiction monotones. Imposer par construction que P(décès à 30 j) ≤ P(décès à 90 j) ≤ P(décès à 1 an) est élégant et cliniquement justifié : un modèle qui prédirait un risque à court terme supérieur au risque à long terme produirait des sorties incohérentes, déroutantes pour un clinicien. Ici, la cohérence est garantie, pas espérée.

La séparation représentation/classifieur. Les auteurs ne se contentent pas de comparer StrokeTHG à des modèles tabulaires. Ils extraient les embeddings de cinq méthodes de graphe différentes et les évaluent tous avec le même classifieur. Cette discipline isole l'effet de la représentation et rend le gain crédible plutôt que circulaire.

La construction anti-fuite des liens de similarité. Relier chaque patient uniquement à ses voisins d'entraînement est le bon réflexe : cela empêche les patients de test de « se reconnaître » entre eux et d'inflater artificiellement la performance par le canal de similarité. Le reporting de la sensibilité à spécificité fixée, plutôt que la seule AUROC, va aussi dans le sens d'une lecture clinique honnête.

Ce qui est moins bien

Une évaluation transductive face à des comparateurs inductifs. C'est le point le plus délicat. StrokeTHG est entraîné de façon transductive : le graphe complet, incluant les nœuds des patients de test, est présent pendant l'entraînement. Les auteurs reconnaissent que, même avec des liens de similarité propres, des nœuds partagés (phénotypes, comorbidités) créent des connexions indirectes à deux sauts entre patients d'entraînement et de test, par lesquelles l'information des variables peut se propager. Or les comparateurs (régression logistique, XGBoost) sont entraînés de façon inductive, sans aucun accès aux patients de test. La comparaison n'est donc pas tout à fait à armes égales — un mélange de comparateur biaisé et de data leakage partiel, deux modes d'échec classiques de l'IA en santé. Les auteurs l'admettent et renvoient à une évaluation strictement inductive (type GraphSAGE) en travail futur.

Mono-centrique, peu diverse, et une métrique flatteuse. Toute la cohorte vient d'un seul système hospitalier de Pennsylvanie, à 83 % de patients blancs — un biais de population manifeste, alors qu'une cohorte externe (Geisinger) est mentionnée comme disponible mais non utilisée. Aucune validation externe n'est donc faite. Par ailleurs, la métrique trompeuse guette : à 30 jours, l'AUROC de 0,872 cohabite avec une AUPRC de seulement 0,393, parce que les décès ne représentent que 9,7 % des cas — en valeur absolue, le modèle génère beaucoup de fausses alertes que l'AUROC masque.

L'absence des variables qui comptent le plus pour l'AVC. Le graphe est construit sur un schéma générique d'EHR, pas spécifique à l'AVC : il ne contient ni score de sévérité neurologique (NIHSS), ni données d'imagerie cérébrale, ni statut de reperfusion (thrombolyse, thrombectomie) — pourtant parmi les déterminants les plus forts de la mortalité après un AVC. S'y ajoutent un unique germe aléatoire (aucune mesure de la variabilité d'entraînement), un code non encore publié (« lors de l'acceptation ») et un avantage qui s'évapore à l'horizon le plus utile pour la prévention secondaire : à un an, StrokeTHG fait jeu égal avec une simple factorisation matricielle (NMF, 0,821 contre 0,823).

Ce que ça change

Pour la communauté de recherche, l'intérêt est moins le résultat brut que le gabarit : un graphe hétérogène d'EHR avec têtes monotones multi-horizons, accompagné d'une comparaison d'embeddings rigoureuse, fournit un patron réutilisable pour d'autres tâches de stratification du risque. La leçon que le lien le plus utile soit phénotype→patient — une forme de filtrage collaboratif, où le modèle apprend du devenir de patients biologiquement proches — est un point de départ pour penser ce qu'apporte vraiment le graphe.

Pour les cliniciens, la réponse honnête est : rien dans l'immédiat. Un modèle mono-centrique, transductif, sans validation externe ni variables de sévérité d'AVC, ne peut pas être branché sur un service. Le potentiel — un outil de triage qui signale les patients à haut risque pour une surveillance rapprochée — est réel mais conditionné à une validation prospective multi-sites. Pour les patients et le public, c'est l'occasion de rappeler qu'un score de mortalité n'est pas une sentence : il sert à organiser des soins, pas à décider d'un destin individuel, et la médecine reste celle qui interprète le chiffre.

Pour aller plus loin

Le préprint est disponible sur medRxiv (DOI 10.64898/2026.06.09.26355176), sous licence CC-BY-ND, financé par le NIH (R01NS128986), sans conflit d'intérêts déclaré. Le code est annoncé « lors de l'acceptation » du manuscrit. Sur des approches voisines de pronostic neurologique par apprentissage automatique, voir notre décryptage du pipeline de neuro-imagerie pour le pronostic cognitif après AVC et, sur les pièges des modèles de risque à variables tabulaires, celui du modèle SHAP-SVM de thromboembolie.

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.