Un outil d’IA pour détecter les lésions liées à l’hypertension avant l’apparition des symptômes
Une équipe de chercheurs de l’Université d’Oxford a mis au point un nouveau dispositif basé sur l’intelligence artificielle, appelé score HyperScore. Cet outil permet d’évaluer les dégâts que l’hypertension peut causer aux organes tels que le cœur, le cerveau ou les reins, parfois avant même que des symptômes apparaissent.
Contrairement aux mesures classiques de la tension artérielle, qui se limitent aux chiffres de la pression systolique et diastolique, l’IA analyse des centaines de paramètres. Elle produit ainsi un score global qui indique l’étendue des lésions d’organes cibles et permet d’identifier six profils différents de maladie. Cela offre une meilleure compréhension de la situation de chaque patient. En effet, deux personnes ayant la même tension au même moment lors d’une consultation peuvent présenter des lésions invisibles très différentes.
Des dégâts variables selon les individus
Certains patients voient leur cœur, leur cerveau ou leurs reins rapidement endommagés, même avec une tension légèrement élevée. À l’inverse, d’autres, qui souffrent d’une tension élevée depuis longtemps, semblent relativement épargnés. Le Dr Mohanad Alkhodari, principal auteur de l’étude, explique que ces résultats montrent que l’IA pourrait aider à dépasser une approche basée uniquement sur la tension artérielle. Elle permettrait de mieux comprendre comment la maladie impacte chaque organisme de manière personnalisée.
Les chercheurs britanniques ont constaté que plus le HyperScore est élevé, plus le risque de futurs événements graves, comme un infarctus, un AVC, une insuffisance cardiaque ou une maladie rénale, est important. Ces risques sont difficiles à discerner avec les seules mesures de tension, car les dommages concernent plusieurs organes : cœur, cerveau, reins, vaisseaux sanguins, mais aussi poumons, foie ou métabolisme.
Une anticipation jusqu’à 7 ans à l’avance
Pour élaborer cet HyperScore, l’équipe d’Oxford a analysé les données de 27 099 participants de la cohorte britannique UK Biobank. Elle a intégré 566 variables issues d’IRM cérébrale, d’imagerie cardiaque, d’examens artériels, ainsi que de mesures cliniques classiques comme la tension, le cholestérol ou la fonction rénale. À l’aide d’une technique d’apprentissage automatique, ces informations ont été synthétisées en un score allant de 0 à 1, reflétant la gravité des lésions d’organes.
Ce modèle a été testé sur 5 507 participants et a permis d’anticiper des événements cardiovasculaires majeurs jusqu’à sept ans avant leur survenue. Il a également été capable de déterminer si les lésions toucheraient principalement le cerveau, les reins ou les artères. Cependant, les chercheurs précisent que cette technologie reste encore au stade de la recherche et n’est pas encore utilisée en pratique courante.
Source : Contrastive Machine Learning to Quantify Hypertensive Multiorgan Damage and Identify New Disease Phenotypes: A Multinational Multimodal Study, Circulation, juin 2026
