L’intelligence artificielle pour prédire les complications secondaires et les résultats cliniques dans les traumatismes crâniens : une revue narrative

Résumé

Ici, nous présentons une revue narrative évaluant les outils de prédiction basés sur l’intelligence artificielle (IA) pour les complications secondaires et les résultats cliniques dans les traumatismes crâniens, évaluant la maturité des preuves dans cinq domaines de complications et identifiant les obstacles critiques à la mise en œuvre clinique.

Résumé

Les complications secondaires après un traumatisme crânien (TCC) modéré à grave — incluant une pression intracrânienne élevée (PII), des crises post-traumatiques, une coagulopathie (TIC) induite par un traumatisme et une septicémie — aggravent considérablement le pronostic du patient. Les outils pronostiques actuels estiment la mortalité globale et l’invalidité à l’admission mais ne prédisent pas de complications spécifiques et traitables pendant l’hospitalisation. Cette revue narrative évalue si les outils de prédiction basés sur l’IA peuvent répondre à ce besoin clinique non satisfait, évalue la maturité des preuves dans cinq domaines de prédiction et identifie les priorités pour les recherches futures. Une recherche ciblée de littérature a été menée sur PubMed, Embase et Web of Science de janvier 2016 à octobre 2025, complétée par un suivi manuel des références. Les études ont été sélectionnées en fonction de leur pertinence pour l’IA ou l’apprentissage automatique (ML) afin de prédire les complications secondaires ou les résultats cliniques chez les patients traumatisés crâniens. Les modèles basés sur l’IA atteignent une précision prédictive modérée (zone sous la courbe caractéristique de fonctionnement du récepteur [AUC] de 0,70–0,79) à une bonne précision (AUC ≥ 0,80) pour les crises ICP, les TIC, la septicémie et la mortalité. La prédiction des crises présente les preuves les moins matures, sans études de validation externes. La prédiction de l’ICP dispose de la base de preuves la plus solide, avec une validation externe et une réplication indépendante. La prédiction de la mortalité présente le plus grand volume de preuves, avec une validation internationale multi-ensembles de données. Des limites méthodologiques cruciales persistent : la plupart des modèles dérivent de données rétrospectives et d’une seule institution ; seulement environ un tiers ont fait l’objet d’une validation externe ; et aucun essai randomisé n’a démontré que les décisions guidées par IA améliorent les résultats des patients. Les outils de prédiction par IA montrent des promesses pour prévoir les complications secondaires des TCC, mais les preuves actuelles ne soutiennent pas une mise en œuvre clinique de routine. Avant leur adoption, ces outils nécessitent une validation externe rigoureuse, des essais prospectifs et une évaluation systématique de l’équité dans des populations diverses.

Introduction

Le TCC constitue une cause majeure de décès et d’invalidité de longue durée dans le monde, avec environ 69 millions de cas d’incidents survenant^{chaque année et 1,2}. Le TCC est la principale cause de décès et d’incapacité chez les personnes de moins de 45 ans, imposant des charges profondes en matière de santé, socio-économiques et^{sociétales 1,2,3}. Une distinction fondamentale en physiopathologie des TCC distingue la blessure primaire — les dommages mécaniques immédiats subis à l’impac....