Modélisation économique en santé d’un système d’aide à la décision clinique assisté par IA pour la revascularisation coronarienne

Des choix plus intelligents pour les soins du cœur

Les personnes présentant des obstructions importantes des artères coronaires doivent souvent choisir entre un traitement médical, des procédures peu invasives ou une chirurgie à cœur ouvert. Cette étude pose une question simple mais importante : si les médecins disposaient d’un puissant outil d’intelligence artificielle (IA) capable de prévoir la santé future et les coûts, les patients pourraient‑ils vivre mieux pendant que le système de santé réaliserait des économies ? À partir de données réelles de dizaines de milliers de Canadiens atteints de maladie cardiaque, les chercheurs montrent qu’un guide IA pourrait souvent recommander un traitement différent de celui effectivement réalisé — et que ces changements pourraient à la fois améliorer les résultats et réduire les dépenses.

Trois voies différentes pour un cœur malade

Lorsque les artères qui irriguent le cœur se rétrécissent, les médecins envisagent généralement trois options principales. La première est un traitement médicamenteux seul, utilisant des médicaments pour contrôler les symptômes et les facteurs de risque. La deuxième est une intervention par cathéter qui ouvre les vaisseaux bouchés depuis l’intérieur. La troisième est le pontage, qui détourne le flux sanguin autour des artères obstruées en utilisant des vaisseaux prélevés ailleurs dans le corps. De grands essais cliniques ont comparé ces options chez des groupes sélectionnés de patients, mais les cas rencontrés en pratique courante sont souvent plus complexes que ceux inclus dans les études. L’âge, les comorbidités, l’anatomie et les préférences personnelles peuvent rendre le choix incertain, laissant médecins et patients naviguer dans l’incertitude.

Ce que le système d’IA fait réellement

L’équipe a évalué un système d’aide à la décision alimenté par l’IA appelé Revaz AI. Il a été entraîné sur les données de plus de 42 000 patients ayant subi une imagerie des artères coronaires en Alberta, au Canada. Pour chaque nouveau patient et pour chacune des trois options de traitement, Revaz AI prédit les probabilités de décès ou d’événements cardiaques majeurs sur les trois et cinq prochaines années. Les chercheurs ont ensuite injecté ces prédictions dans un modèle informatique détaillé qui suit chaque patient sur le reste de sa vie, en cumulant deux éléments : les coûts des soins et le temps passé en bonne santé, mesuré en « années de vie ajustées sur la qualité » (QALY), une manière standard de combiner durée et qualité de vie en un seul indicateur.

Tester différentes manières dont les médecins pourraient utiliser l’IA

À partir des dossiers de 25 942 patients réels, les auteurs ont rejoué l’histoire sur une scène virtuelle. Pour chaque personne, le modèle a simulé ce qui se serait passé sous chacun des trois traitements, guidé par les prévisions de risque de Revaz AI. Ils ont ensuite comparé ces futurs simulés à ce qui s’est réellement produit, selon trois règles imaginaires sur la façon dont les médecins pourraient utiliser l’outil IA. Dans la première règle, les médecins choisissaient l’option offrant le meilleur compromis coût‑santé, en supposant que le système de santé était prêt à payer un montant standard pour chaque année supplémentaire de bonne qualité de vie. Dans la seconde, les médecins ignoraient le coût et sélectionnaient l’option produisant le plus grand nombre d’années de vie en bonne santé. Dans la troisième règle, plus prudente, les médecins restaient sur leur plan initial sauf si l’IA suggérait un traitement différent apportant clairement une amélioration de la qualité de vie attendue du patient.

Forte orientation vers la chirurgie et meilleur rapport coût‑efficacité

Dans ces scénarios, les choix guidés par l’IA différaient souvent des décisions initiales, déplaçant le plus fréquemment les patients vers le pontage plutôt que vers des procédures par cathéter ou le traitement médical seul. Selon la règle attentive aux coûts, près des trois quarts des patients de l’analyse principale auraient reçu un traitement différent, entraînant en moyenne à la fois une réduction des coûts à vie et une augmentation du temps passé en bonne santé. Même selon la règle prudente, lorsque les médecins ne changeaient de cap que si l’IA montrait un bénéfice clair, plus de la moitié des patients auraient été traités différemment, avec là encore des économies modestes et des gains de santé significatifs. Lorsque le modèle cherchait uniquement à maximiser les années de vie en bonne santé, certaines stratégies devenaient plus coûteuses globalement mais offraient néanmoins un bon rapport qualité‑prix selon les standards habituels de la politique de santé.

Pourquoi ces résultats comptent — et leurs limites

L’étude suggère que l’aide à la décision basée sur l’IA pourrait aider les systèmes de santé à obtenir plus de bénéfices pour chaque dollar dépensé dans les soins cardiaques complexes. En adaptant les choix à la trajectoire prédite de chaque patient — pas seulement à l’anatomie actuelle — l’outil favorise souvent des traitements plus coûteux à l’instant T mais qui évitent des réinterventions et des hospitalisations ultérieures, en particulier le pontage. Toutefois, ces résultats représentent une estimation dans un scénario optimiste. Le modèle suppose que les prédictions de l’IA sont exactes, que les médecins peuvent toujours suivre ses recommandations et que les patients futurs ressembleront à ceux des données de l’Alberta et des anciens essais cliniques. Dans la réalité, la capacité chirurgicale, la fragilité des patients, les préférences individuelles et l’évolution des techniques médicales limiteront la mesure dans laquelle la pratique peut correspondre à cet idéal simulé.

Ce que cela signifie pour les patients et les systèmes de santé

Pour les patients, la conclusion n’est pas qu’un ordinateur doit décider à leur place, mais que le meilleur usage des données peut enrichir la discussion avec leurs médecins. Pour les systèmes de santé, ce travail montre que l’IA n’est pas seulement une nouveauté technologique mais un outil susceptible d’améliorer sensiblement à la fois les résultats et les budgets lorsqu’il est intégré de manière réfléchie aux parcours de soins. Avant une adoption large, des essais cliniques randomisés devront confirmer que l’utilisation de l’IA dans des cliniques réelles modifie effectivement les décisions comme le prédit cette simulation — et que ces changements se traduisent par des vies plus longues et en meilleure santé à un coût acceptable.

Citation: Mullie, T., Puri, A., Bogner, E. et al. Health economic simulation modeling of an AI-enabled clinical decision support system for coronary revascularization. npj Digit. Med. 9, 249 (2026). https://doi.org/10.1038/s41746-026-02430-x

Mots-clés: maladie coronarienne, intelligence artificielle, aide à la décision clinique, économie de la santé, pontage coronarien