L'espérance de vie s'est considérablement allongée ces dernières décennies grâce aux progrès thérapeutiques et aux dépistages de plus en plus précoces. Néanmoins, l'après-cancer n'est pas un retour à l’état antérieur et les personnes ont à faire face à beaucoup de difficultés dans leur vie quotidienne parmi lesquelles, la peur de la récidive du cancer (PRC). La PRC se caractérise par un niveau élevé d'anxiété et de préoccupations entre autres. Alors que des interventions psychosociales ciblées ont montré leur intérêt pour aider à réduire la PRC, aucune prise en charge ou mesure efficace n'existe à en France permettant d'identifier précocement les personnes susceptibles de souffrir de PRC clinique. L'objectif de travail est d'utiliser les données de remboursement de soins de santé issues de l'enquête VICAN (VIe après le CANcer) pour proposer un modèle d'intelligence artificielle (IA) interprétable afin d'identifier les patients à risque de développer une PRC clinique.

Après une étude de l'état de l'art et une analyse exploratoire, nous avons entrepris une sélection minutieuse des médicaments, des actes biologiques et médicaux pertinents pour investiguer la PRC guidée par des considérations cliniques et pratiques. Les données de remboursement de chaque patient ont été analysées au-delà des deux premières années de traitement, excluant ainsi la phase initiale du traitement influencée significativement par le processus thérapeutique. À travers des processus d'exploration de données et compte tenu de la nature sparse des données, plusieurs expérimentations de données ont été élaborés, suivi d'une étude comparative entre différents algorithmes d'apprentissage automatique tels que la forêt aléatoire, les machines à vecteurs de support, le gradient boosting, l'extreme gradient boosting et le perceptron multicouche. La performance des modèles a été évaluée avec l'AUC (aire sous la courbe de ROC) pour sélectionner le modèle optimal. Toutes les étapes d'analyse de données, de prétraitement et de classification ont été réalisées en utilisant le langage de programmation Python.

Notre jeu de données de 925 individus avec la PRC connue a été exploité pour des expérimentations axées sur le niveau de classification des médicaments, d'actes biologiques et actes médicaux, avec la création de profils pour chaque combinaison de niveaux. De plus, nous explorons la nature du prétraitement des données en utilisant des algorithmes de sur-échantillonnage et de sélection de variables. Les résultats préliminaires indiquent que les algorithmes de forêt aléatoire, de gradient boosting et d'extreme gradient boosting ont produit les AUC les plus élevées (entre 0,67 et 0,75 selon les expériences). L'application d'algorithmes de sélection de variables et de sur-échantillonnage adaptés a eu un impact significatif sur la parcimonie et la performance des modèles. En termes d'interprétabilité clinique, ces approches ont précisément identifié les consommations de soins liées à la PRC et leur influence sur les modèles.

Notre étude se focalise sur la PRC chez les survivants de cancer, utilisant des données de remboursement de soins de santé. Les résultats préliminaires montrent l'efficacité des algorithmes pour identifier les patients à risque de développer une PRC clinique. Ces résultats ouvrent la voie à des stratégies de prévention et d'intervention personnalisées, constituant une avancée majeure dans la prise en charge post-cancer axée sur les besoins des survivants.