La prévalence de la maladie rénale chronique (MRC) est estimée à 5-10 % et augmente avec l’âge.

L’émergence de l’intelligence artificielle (IA) permettrait d’identifier les patients atteints de MRC et d’en estimer sa prévalence.

Nous avons utilisé deux bases de données, LPD (Longitudinal Patients Data) et LRx (Lifelink Treatments Dynamics), comprenant respectivement près de 2,5 et 40 millions d’individus. LPD comportait 191905 patients ayant reçu un traitement défini comme spécifique de la MRC entre le 01/07/2019 et le 30/06/2020 et suivis par 1210 médecins généralistes participant à un suivi longitudinal de prescriptions ambulatoires. Parmi eux, 1,9 % des patients avaient un diagnostic confirmé de MRC, de dialyse ou de transplantation rénale. LRx comprenait l’ensemble des délivrances de médicaments issu d’un panel représentatif de 45 % des pharmacies françaises. Une méthode d’IA (approche par gradient boosting) a été appliquée aux données des patients MRC identifiés dans LPD (performances métriques : sensibilité : 68 %, spécificité : 99 %, VPP : 52 %, VPN : 99 %, score F1 : 59 %). Le modèle a été implémenté dans la base LRx pour identifier les patients MRC. En raison de la sous-estimation du nombre réel de patients MRC, un algorithme additionnel basé sur les règles de prescription d’érythropoïétine pour l’anémie de la MRC et les céto-analogues a été appliqué sur la base LRx. Le nombre brut de patients MRC calculé sur la période entre 01/11/2019 et le 31/10/2020 a été extrapolé sur la population générale et les caractéristiques démographiques des patients MRC ont été décrites.

Dans LRx, nous avons identifié 269183 patients MRC correspondant à un nombre extrapolé de 678102 patients avec 40,8 % de femmes et un âge moyen de 77,0 ans (±11,1). Cela correspond à une prévalence de 1 %.

Une approche par IA complétée par des règles de prescription peut être utile pour identifier les patients MRC.