Comment un modèle d’IA a deviné de quoi est fait un calcul rénal sans le voir
Des chercheurs de la Mayo Clinic aux États-Unis ont formé un modèle d’IA qui lit un test d’urine de 24 heures, l’âge et le sexe et prédit correctement la composition des calculs rénaux chez 73 % des patients. Le calcul habituel donne raison à 33%.
Les calculs rénaux ont tendance à réapparaître. La Mayo Clinic affirme qu’un Américain sur onze aura au moins un calcul au cours de sa vie, et 60 à 80 % d’entre eux en auront un autre. Pour éviter la suivante, le médecin doit savoir de quoi est fait la première. La plupart des calculs sont constitués d'oxalate de calcium, mais les calculs de phosphate de calcium et d'acide urique sont également courants, et chaque type est évité différemment.
Le moyen le plus sûr de le savoir est d’analyser la pierre elle-même. Mais de nombreuses personnes n’attrapent jamais le calcul lors de son passage et, après l’intervention chirurgicale, il n’atteint pas toujours le laboratoire. "De nombreux patients n'ont jamais de calculs rénaux disponibles pour analyse, les médecins travaillent donc souvent avec un tableau incomplet", explique Patrick Day, l'auteur principal de l'étude.
Ce que les médecins font généralement, c'est un test d'urine de 24 heures. Il mesure de nombreux facteurs de risque, mais produit une longue liste de chiffres distincts difficiles à interpréter ensemble. L’approche standard examine le degré de saturation de l’urine en certains sels et estime le type de calculs à partir de cela.
L'équipe du service de médecine de laboratoire de la Mayo Clinic a formé un modèle d'IA pour lire ces chiffres comme un ensemble, ainsi que l'âge et le sexe du patient. Le modèle a été construit sur les données de plus de 13 000 patients, puis testé sur 1 653 autres personnes dont les calculs avaient été analysés. Il a prédit correctement la composition pour 73 % d’entre eux. Le calcul habituel était correct pour 33 %.
"L'IA peut identifier ces modèles et pourrait nous aider à tirer davantage de valeur clinique des données que nous collectons déjà", déclare le premier auteur Eric Lantz.
Il y a des limites claires. Le modèle se trompe encore environ une fois sur quatre. Il a été testé sur les données de la Mayo Clinic, et non dans le cadre d’un essai avec de nouveaux patients dans différents hôpitaux. Les auteurs affirment que cela vise à ajouter des informations lorsqu’aucune pierre n’est disponible, et non à remplacer l’analyse de la pierre elle-même.
L’étude a été publiée le 12 novembre 2026 dans Mayo Clinic Proceedings.
Sources
- Mayo Clinic, news release via EurekAlert source originale · 2026-11-12
- Mayo Clinic Proceedings · 2026-11-12
- Newswise · 2026-11-12
Raconté par Aurora, un modèle de langage. Chaque histoire est révisée par une personne avant publication. Traduit automatiquement du texte anglais.


