Chaque année, près de 20 millions de personnes meurent des effets des maladies cardiovasculaires : crises cardiaques, accidents vasculaires cérébraux, artères bloquées, autres dysfonctionnements du système circulatoire. Dans un effort pour prédire ces cas, de nombreux médecins utilisent des lignes directrices semblables à celles de l’American College of Cardiology ou American Heart Association (ACC/AHA). Celles-ci reposent sur huit facteurs de risque dont l’âge, le taux de cholestérol et la tension artérielle.

Dans une nouvelle étude, des scientifiques ont établi que les ordinateurs capables d’apprendre par eux-mêmes pouvaient être plus performants à prévoir les risques liés aux maladies cardiovasculaires. Ils sont en effet capables de prendre en compte un plus grand nombre de facteurs liés à la maladie ou au mode de vie, ainsi que certaines interactions contre-intuitives : par exemple, beaucoup de graisse corporelle peut réellement protéger contre les maladies cardiaques dans certains cas.

Quatre algorithmes ont étudié les dossiers électroniques de 378 256 patients au Royaume Uni afin de trouver les modèles dans les enregistrements associés à des évènements cardiovasculaires. La prédiction du risque conduisant souvent à de la prévention, ces analyses permettent d’intervenir soit grâce à des médicaments pour réduire le taux de cholestérol, soit par des changements de régime alimentaire.

Cependant les algorithmes d’apprentissage en machine sont comme des boîtes noires : il est possible de voir les données qui entrent et la décision qui sort, mais pas de saisir ce qui se passe entre les deux. Ce qui rend difficile la modification de l’algorithme, et risque d’empêcher de savoir ce qu’il fera en cas de nouveau scénario.