"Classification des formes de rejet du greffon rénal par apprentissage automatique à partir des lésions histologiques et du contexte clinique"

En transplantation rénale, la classification de Banff permet de poser les diagnostics des différents types de rejet (humoral, cellulaire, aigu ou chronique...). En pratique, elle est peu reproductible entre professionnels de santé. En effet, elle est difficile à appliquer car combine les scores de plusieurs lésions histologiques avec de nombreuses règles et exceptions (qui ne font pas toutes consensus).

En outre, certaines lésions élémentaires peuvent être difficiles à évaluer (informations manquantes). Enfin, le contexte clinique n’est pas officiellement pris en compte. C’est pour ces raisons que nous avons cherché à améliorer cette classification grâce à des outils automatisés de Machine Learning.

Dr. Labriffe et son équipe ont entraîné des modèles de gradient boosting à reproduire les diagnostics posés par un groupe d’experts, à partir des lésions élémentaires de Banff et de quelques données cliniques (créatininémie, protéinurie, temps depuis la transplantation). L’outil a alors été validé sur les données rétrospectives de plusieurs centaines de biopsies de trois centres de transplantation européens (Louvain, Hanovre et Paris Necker).