VERS UN OUTIL PRÉDICTIF DE L’INSUFFISANCE RÉNALE CHRONIQUE FÉLINE

L’intelligence artificielle apparaît comme une solution d’avenir pour la médecine préventive. En témoignent les recherches¹ menées au sein de Royal Canin sur la maladie rénale chronique (MRC). L’entreprise, en collaboration avec le Royal Veterinary College (RCV) et des mathématiciens, a développé un outil – Renal Detect – permettant de prédire l’apparition d’une MRC azotémique chez les chats de plus de 7 ans. Cette maladie irréversible, qui se traduit par une perte progressive de la fonction d’élimination des reins, se place au premier rang des causes de mortalité chez le chat domestique âgé de plus de 5 ans. Une prise en charge précoce permet de ralentir sa progression et d’améliorer la qualité de vie de l’animal.

Des mesures classiques ponctuelles et un outil mathématique complexe

Pour être le plus performant possible, l’équipe de recherche a d’abord identifié les paramètres les plus susceptibles de permettre une détection précoce de la MRC. Les analyses ont conduit à sélectionner trois mesures réalisées en routine par les vétérinaires : la densité urinaire, la créatinine et la concentration en urée (BUN, blood urea nitrogen). L’outil de détection a ensuite été construit en se basant sur une population de chats bien caractérisés (n = 278) et sur un réseau de neurones. Cet algorithme présente un fonctionnement qui s’inspire de celui des neurones du cerveau. Pour finir, le modèle a été validé sur une large population multiraciale (n=3486) différente de celle ayant permis sa construction.

À partir des trois paramètres cités, le système développé retourne un statut pour l’individu concerné. Trois résultats sont possibles : à risque, avec plus de 50 % de risque de développer une MRC azotémique (IRIS stade 2) dans les 12 mois à venir ; non à risque, avec moins de 10 % de risque ; et déjà atteint.

Si l’animal est détecté comme « à risque », un suivi rapproché et détaillé de la fonction rénale pourra être proposé au propriétaire dans le but de détecter très précocement le démarrage d’une MRC (voir encadré). Des solutions nutritionnelles adaptées pourront également être proposées, avec une réduction des apports en phosphore notamment.

Un instrument de prédiction et non de diagnostic

Les performances de détection de l’outil ainsi construit sont intéressantes : 87 % des chats ayant développé une MRC dans les 12 mois ont été détectés par le modèle ; et 70 % de ceux qui n’ont pas développé de maladie ont été correctement identifiés par le modèle. La valeur prédictive négative a été évaluée à 92 %, ce qui signifie qu’un chat identifié par le modèle comme « non à risque de développer une MRC » présente 92 % de chances de ne pas développer de MRC dans l’année suivante. La valeur prédictive positive à quant à elle été évaluée à 53 %, donc la moitié des individus détectés comme « à risque » par le modèle développeront effectivement une MRC dans les 12 mois suivants. Le modèle développé étant un outil de prédiction et non de diagnostic, les auteurs ont choisi de privilégier une bonne combinaison sensibilité/spécificité plutôt que seulement la spécificité. En effet, la solution n’étant ni coûteuse ni risquée pour les animaux, il semblait plus pertinent de « surdétecter » (faux positifs) plutôt que de passer à côté d’un certain nombre de cas (faux négatifs).

1. Biourge V., Delmotte S., Feugier A. et coll., An artificial neural network-based model to predict chronic kidney disease in aged cats, J Vet Intern Med., 2020;34 (5):1920-1931. www.bit.ly/3a4Ad3C