59
Olivier AUBERT (MD; PhD) Service Transplantation rénale Necker Paris Translational Center for Organ Transplantation 23 avril 2018, Actualités de Necker, Paris Approches multidimensionnelles en population pour la stratification du risque en transplantation

Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

  • Upload
    others

  • View
    2

  • Download
    0

Embed Size (px)

Citation preview

Page 1: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

Olivier AUBERT (MD; PhD)

Service Transplantation rénale Necker

Paris Translational Center for Organ Transplantation

23 avril 2018, Actualités de Necker, Paris

Approches multidimensionnelles en population

pour la stratification du risque en

transplantation

Page 2: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

CONTEXTE GÉNÉRAL DE LA TRANSPLANTATION RÉNALE

Problématique: Insuffisance rénale terminale = cause majeure de décès dans le monde

• Insuffisance rénale terminale = problème majeur de santé publique (3,900,000 patients ; ~ 6% d’augmentation)

• Transplantation rénale : Meilleur traitement de l’IRCT (1,5 million)

• Survie du greffon rénal : Amélioration marginale durant les 15 dernières années

• Rejet médié par les anticorps : 1ère cause de perte du greffon (12 milliards d’€ en coûts supplémentaires par an)

Besoins : Nécessité de répondre à 3 questions médicales majeures

• Comment améliorer la survie des greffons ?

• Comment améliorer notre système diagnostique du rejet ?

• Comment améliorer la stratification du risque ?

Page 3: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

PROBLÉMATIQUES RENCONTRÉES

• Entrées multiples • Colinéarités, Interactions • Biais et facteurs de confusion • Tests et comparaisons multiples • Valeur et interprétation de la p-value • Overfitting des modèles • Outils de prédiction non adaptés notamment dans le domaine des biomarqueurs • Performance, calibration, discrimination, C statistics, NRI, IDI • Machine learning et autres approches

• Données de registre utiles mais non adaptées à la médecine de précision • Faibles effectifs des études rétrospectives • Faible niveau de caractérisation phénotypique des greffons • Absence de dosage systématique et répété des anticorps anti-HLA • Absence données transcriptomiques appliquées à large échelle

Problématiques méthodologiques

Problématiques structurelles et de design des études

Page 4: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

SOLUTIONS STRUCTURELLES

• Cohorte principale : 5125 patients transplantés rénaux

• 979 pertes de greffons avec causes spécifiques • 937 décès avec causes spécifiques

• Phénotypes exhaustifs

• > 20 000 DSA (J0, M3, M12 et annuel) • > 12 000 biopsies du greffon rénal (J0, M3, M12 et pour cause) • Analyse des gènes intra-greffons (>1000 biopsies)

• Collection systématique des données (paramètres du donneur, receveur, de la

transplantation, complications, traitement reçus…)

• Larges cohortes de validation externes • France (Nantes, Toulouse, Nancy, Montpelliers, Nice, Lyon) • Belgique (Louvain) • Canada (Edmonton) • Etats-Unis (Mayo Clinic, John Hopkins, Cedars Sinai)

Page 5: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

SOLUTIONS D’INTÉGRATION DES DONNÉES :

L’ EPIDÉMIOLOGIE INTÉGRATIVE

• Translationnelle

• Multidisciplinaire

• Collaborations

• Méthodologie statistique robuste

• Recherche fondée sur des hypothèses

Page 6: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

SOLUTIONS ANALYTIQUES ET BIOSTATISTIQUES :

DES OUTILS CLASSIQUES AUX MÉTHODES MULTIDIMENSIONELLES

Analyse en composante principale

Clinical parameters

Biology

Immunology

Histology

Non invasive biomarkers

Gene expression

Graft Survival

Patient Survival

Input variables Hidden layer Outpout layer

Archetype analysis

Random forest Artificial neural network

Page 7: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

STRATÉGIE D’ANALYSE

Objectif #1

Page 8: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

STRATÉGIE D’ANALYSE

Objectif #2

Page 9: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

STRATÉGIE D’ANALYSE

Objectif #3

Page 10: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

PLAN

Phénotype de précision de rejets rénaux et conséquences sur la perte

du greffon

Optimisation de l’utilisation des greffons marginaux

Création d’un score pronostique multidimensionnel et intégratif de

perte du greffon rénal

1

2

3

Perspectives 4

Page 11: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

PHÉNOTYPE DE PRÉCISION DE REJETS RÉNAUX

ET CONSÉQUENCES SUR LA PERTE DU GREFFON

Press release March 2, 2017: Timing of anti-donor antibody responses affects the survival of kidney transplants

Page 12: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

DESIGN DE L’ÉTUDE

Cohorte : 771 biopsies de transplantés rénaux dans 2 centres Nord-Américains et 5

centres européens.

Critères d’inclusion :

• Biopsie du greffon pour cause ou protocolaire

• Critères diagnostiques de rejet médié par les anticorps selon la classification

internationale de Banff*.

Patients

Avec ABMR

(n=205)

• Caractéristiques de base

• DSA au moment de la transplantation

• DSA au moment de la biopsie

• Histologie

• Expression des gènes intra-greffon

• Fonction rénale

• Protéinurie

• Traitement du rejet

Perte du greffon

rénal

*Hass et al. AJT 2015.

Page 13: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

Affymetrix GeneChip® probe array • 49495 probe sets

Genes

Gene sets (PBTs)

Classifiers

Metaclassifiers

Analyse: Bioconductor - R

PHÉNOTYPE MOLÉCULAIRE DES REJETS :

ANALYSE DE L’EXPRESSION DES GÈNES INTRA GREFFON

Page 14: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

CARACTÉRISTIQUES DES PATIENTS

ABMR avec DSA préexistants N=103

ABMR avec DSA de novo N=102

Age du patient (années) Sexe du patient (male) Age du donneur (années) Sexe du donneur (années) Donneurs décédés

46.6 ± 17.5 71 %

43.0 ± 19.2 52 % 64 %

47.8 ± 13.0 46 %

48.1 ± 14.6 55 % 91 %

DSA au moment de l’ABMR Immunodominant : Classe I Immunodominant : Classe II DSA MFI, médiane [IQR]

40 63

2561 [1252-6937]

49 54

4500 [1862-10210]

26 76

7295 [1948-11814]

DSA au moment de la transplantation Immunodominant : Classe I Immunodominant : Classe II DSA MFI, médiane [IQR]

Page 15: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

CARACTÉRISTIQUES DES ANTICORPS

ET DÉLAI DE SURVENUE DU REJET

ABMR avec DSA préexistants Temps médian= 2.8 mois

ABMR avec DSA de novo Temps médian = 3.9 années

Page 16: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

CARACTÉRISTIQUES DES ANTICORPS

ET LÉSIONS ÉLÉMENTAIRES DU GREFFON

0

1

2

3

Me

an

Ba

nff

sc

ore

Transplant glomerulopathy

Pre-existing DSA

De novo DSA

Referenceset

p<0.0001

p<0.0001

0

20

40

60

80

100

% p

os

itiv

e

C4d capillary deposition

Pre-existing

DSA

De novo

DSA

Reference

set

p<0.0001 p=0.131

0

1

2

3

Me

an

Ba

nff

sc

ore

Atrophy-fibrosis

Pre-existing DSA

De novo DSA

Referenceset

p=0.1483

p<0.0001

0

1

2

3

Me

an

Ba

nff

sc

ore

Interstitial inflammation and tubulitis

Pre-existing DSA

De novo DSA

Referenceset

p=0.0444

p=0.0001

0

1

2

3

Me

an

Ba

nff

sc

ore

Peritubular capillaritis

Pre-existing DSA

De novo DSA

Referenceset

p<0.0001 p=0.4720

0

1

2

3

Me

an

Ba

nff

sc

ore

Glomerulitis

Pre-existing DSA

De novo DSA

Referenceset

p<0.0001 p<0.0001

A C B

D E F

Page 17: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

CARACTÉRISTIQUES DES ANTICORPS

ET PROFIL D’EXPRESSION DES GÈNES INTRA GREFFON

0.0

0.5

1.0

1.5

Exp

res

sio

n le

ve

l

IFNG production and inducing transcripts

Pre-existing

DSA

De novo

DSA

Reference

set

p<0.0001

p=0.0186

0.0

0.5

1.0

1.5

Ex

pre

ss

ion

le

ve

l

Injury-repair response transcripts

Pre-existing

DSA

De novo

DSA

Reference

set

p<0.0001 p=0.0048

0.0

0.5

1.0

1.5

2.0

2.5

Ex

pre

ssio

n le

ve

l

T cell transcripts

Pre-existing

DSA

De novo

DSA

Reference

set

p=0.9493

p<0.0001

0.0

0.5

1.0

1.5

Ex

pre

ss

ion

le

ve

l

NK transcripts

Pre-existing

DSA

De novo

DSA

Reference

set

p<0.0001

p=0.008

0.0

0.5

1.0

Ex

pre

ss

ion

le

ve

l

Macrophage associatedtranscripts

Pre-existing DSA

De novo DSA

Referenceset

p=0.0045p=0.095

0.0

0.5

1.0

Ex

pre

ss

ion

le

ve

l

Donor-specific antibody transcripts

Pre-existing DSA

De novo DSA

Referenceset

p<0.0001 p=0.4242

A C B

D E F

Page 18: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

CARACTÉRISTIQUES DES ANTICORPS

ET PROFIL D’EXPRESSION DES GÈNES INTRA GREFFON

Page 19: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

CARACTÉRISTIQUES DES ANTICORPS

ET PROFIL D’EXPRESSION DES GÈNES INTRA GREFFON

Page 20: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

IDENTIFICATION DU PROFIL INTÉGRÉ

IMMUNO-HISTO-MOLÉCULAIRE

Page 21: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

CARACTÉRISTIQUES DES ANTICORPS

ET PERTE DU GREFFON

35 %

63 %

ABMR overall Pre-existing vs de novo DSA associated ABMR

Page 22: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

DÉTERMINANTS DE LA SURVIE DU GREFFON RÉNAL :

MODÈLE MULTIVARIÉ

Page 23: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

INTÉGRATION DU TEMPS DE SURVENUE DU REJET

Page 24: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

OBJECTIF #1 : CONCLUSION

Phénotypes immuno-histo-moléculaire distincts des rejets avec DSA

préexistants et de novo

Meilleure survie des rejets avec DSA préexistants en comparaison

aux rejets avec DSA de novo indépendamment des critères

cliniques, histologiques et du traitement du rejet

Ces résultats encouragent les pratiques consistant à transplanter les

patients immunisés ainsi qu’un une détection précoces des DSA de

novo

Page 25: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

PLAN

Phénotype de précision de rejets rénaux et conséquences sur la perte

du greffon

Optimisation de l’utilisation des greffons marginaux

Création d’un score pronostique multidimensionnel et intégratif de

perte du greffon rénal

1

2

3

Perspectives 4

Page 26: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

DÉTERMINANTS DE LA SURVIE DES GREFFONS MARGINAUX

Editorial : Marginal kidneys for transplantation, Published: 03 August 2015; BMJ 351 doi:10.1136/bmj.h3856

Page 27: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

DÉFINITION DES GREFFONS MARGINAUX

• Donneur décédé âgé de plus de 60 ans

OU • Donneur âgé entre 50 et 59 ans avec 2 des 3 critères

• ATCD d’HTA • Décès d’AVC • Créatinine au moment du prélèvement > 1,5mg/dL

Donneur standard Parenchyme rénal « normal »

Donneur ECD: - Fibrose/glomérules

scléreux - Lésions vasculaires :

Hyalinose Artériosclérose

Page 28: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

GREFFONS MARGINAUX : UTILISATION INÉGALE DANS LE MONDE

Etats-Unis 16,6%

Eurotransplant 40%

France 47,3%

Page 29: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

GREFFONS MARGINAUX : SOUS UTILISÉS

• Conférence de BANFF 2013 & 2015

• CECKA et al. 2008

«Why Are Nearly Half of ECD Kidneys Not transplanted?»

• AZANCOT et al. 2013

«The reproductibility and predictive value on outcome of renal biopsies

from expanded criteria donors»

• New York Times 2012

«In Discarding of Kidneys, System Reveals Its Flaws »

Page 30: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

DESIGN DE L’ÉTUDE

05/2014

Fonction rénale,

protéinurie

Biopsies

1 an

Données

cliniques

biologiques

DSA

Données

Cliniques

biologiques

Critères ECD

Biopsie J0

Période d’inclusion:

2002 -2011

Cohorte prospective multicentrique, non sélectionnée de patients transplantés

rénaux. 6891 patients : cohorte principale n=2763 et cohorte de validation n=4128

Evénement : perte du greffon

DONNEUR RECEVEUR

Page 31: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

GREFFONS MARGINAUX : POPULATION

SCD/DSA- 1622 (59%)

SCD/DSA+ 225 (8%)

ECD/DSA- 806

(29%)

ECD/DSA+ 110 (4%)

Patients

ECD: 916 (33%)

Page 32: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

GREFFONS MARGINAUX : SURVIE DU GREFFONS

Kaplan-Meier curves of kidney allograft survival by donor type Kaplan-Meier curves of kidney allograft survival by donor type and the presence of DSA

Page 33: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

GREFFONS MARGINAUX :

DÉTERMINANTS DE LA SURVIE DES GREFFONS

Page 34: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

GREFFONS MARGINAUX : VALIDATION EXTERNE

ECD/PRA>5%

Page 35: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

OBJECTIF #2 : CONCLUSION

• Les patients recevant un greffon marginal ont une survie inférieure mais acceptable à 7 ans

post-transplantation en comparaison aux patients recevant un rein standard. (80% vs 88%)

• 2 facteurs modifiables indépendamment associés à la survie des greffons : le DSA le jour de

la greffe et l’ischémie froide.

• Augmentation de la survie du greffon de 41% et 12% à 7 ans post-transplantation en

absence de DSA et avec une ischémie froide < 12 heures

• La transplantation de reins marginaux sans DSA aurait sauvé 544,6 années de vie du greffon

sur la période de 9 ans de l’étude

• Les politiques d’allocation visant à greffer des patients avec des greffons marginaux sans

DSA augmentent leur résultats et pourrait augmenter l’utilisation de cette ressource dans un

contexte de pénurie d’organe.

Page 36: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

PLAN

Phénotype de précision de rejets rénaux et conséquences sur la perte

du greffon

Optimisation de l’utilisation des greffons marginaux

Création d’un score pronostique multidimensionnel et intégratif de

perte du greffon rénal

1

2

3

Perspectives 4

Page 37: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

SYSTÈME PRONOSTIQUE EN TRANSPLANTATION : ETAT DES LIEUX

• Review systématique ( 1er AVril 2018)

• «Kidney transplantation», «graft survival», «prognostic score»

• Survie du greffon à long terme

Stade 3

(n=1)

• Validation externe + paramètres structurels / fonctionnel combinés

Stade 2

(n=10)

Stade 1

(n=410)

Stade

4,5,6,7,8

(n=0)

• Evaluation multidimensionnelle

• Larges population non sélectionnées

• Permettant une prédiction du risque individuelle

• Exportable

• Transposable / Réalisable à différents temps post-transplantation

Page 38: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

POPULATION D’ÉTUDE (9 CENTRES DE RÉFÉRENCE)

• 4 806 transplantés rénaux consécutifs

• 7 centres Européens et 2 centres Nord-Américains

• Patients divisés en cohorte de développement et cohortes de

validations.

• Période d’inclusion : 2002 - 2014

• Temps médian de suivi post-transplantation = 8,03 années

(IQR 6,1 – 9,7)

Page 39: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

COHORTE DE DÉVELOPPEMENT

1 an

post transplantation (n= 1540)

DFG

Protéinurie

Histologie

DSA

Anti-HLA

Perte du

greffon

BPC BPC BPC BPC

DSA DSA DSA DSA DSA DSA DSA DSA

Caractéristiques

du donneur

+ biopsie à J0

DSA anti-HLA à

J0

BKvN,

AKI, CMV

CNI conc

Induction

Rejet

Récidive

Pyélonéphrites

BKvN,

AKI, CMV

CNI conc

Induction

Rejet

Récidive

Pyélonéphrites

Intégration mathématique du ensemble des facteurs associés à la survie

Caractéristiques

du receveur

Caractéristiques

De la

transplantation

Page 40: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

DÉTERMINANTS DE LA PERTE DU GREFFON : ANALYSE UNIVARIÉE

Recipient’s age p=NS

Recipient’s gender p=NS

Recipient’s HCV serology p=NS

Recipient’s HBV serology p=NS

Donor’s age p<0.0001

CLINICAL FACTORS

Prior kidney transplant p=0.0004

Cold ischemia time p=0.0001

BASELINE TRANSPLANT CHARACTERISTICS

Induction by ATG p=NS

Glomerulitis/Capillaritis (g&ptc) p<0.0001

Atrophy fibrosis (IFTA) p<0.0001

Transplant Glormerulopathy (cg) p<0.0001

C4d deposition p<0.0001

HISTOLOGY

Arteriosclerosis (cv) p<0.0001

Interstitial inflammation/Tubulitis (i&t) p<0.0001

Vasculitis (v) p<0.0001

Hyalinosis (ah) p=0.0007

Tacrolimus p=NS

Cyclosporine p=NS

mTor inhibitors p=NS

TREATMENT

Donor’s gender p=NS

Deceased donor p=0.0019

Donor’s creatinine p=NS

Double transplantation p=NS

CMV Mismatches p=NS

HLA mismatches p=NS

Anti-HLA DSA on day 0 p<0.0001

IMMUNOLOGY

Anti-HLA DSA MFI at biopsy p<0.0001

ECD donor p<0.0001 AKI p=NS

PVAN p=0.0010

Nephropathy recurrence p=0.0004

KDRI score p<0.0001

Donor’s hypertension p<0.0001

Donor’s diabetes p=0.0401

eGFR p<0.0001

Proteinuria p<0.0001

FUNCTIONAL FACTORS

Donor’s HCV serology p=NS

Donor’s HBV serology p=NS

Pyelonephritis p=NS

Black recipient p=NS

Page 41: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

DÉTERMINANTS DE LA PERTE DU GREFFON : ANALYSE MULTIVARIÉE

Page 42: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

GÉNÉRATION D’UN SCORE MULTIDIMENSIONNEL DE

PRÉDICTION DE RISQUE DE PERTE DU GREFFON

Page 43: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

VALIDATION DU MODÈLE PAR RANDOM FOREST POUR LA SURVIE

Page 44: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

CALIBRATION DU SCORE PRONOSTIQUE ET DISCRIMINATION

Survie prédite par le score score pronostique

Surv

ie o

bse

rvée

Indice C: 0.86 95% IC: 0.82-0.90

Indice C: 0.84 95% IC: 0.81-0.87

Indice C: 0.80 95% IC: 0.77-0.83

Page 45: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

VALEUR ADDITIVE DES VARIABLES HISTOLOGIQUES PAR RAPPORT AUX VARIABLES

FONCTIONNELLES

Net reclassification improvement (NRI) = 0.190, P<0.0001

Page 46: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

EXPORTABILITÉ ET VALIDATION EXTERNE

EN EUROPE ET AUX ÉTATS-UNIS

Page 47: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

EXPORTABILITÉ ET VALIDATION EXTERNE

EN EUROPE ET AUX ÉTATS-UNIS

Page 48: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

EFFET DU TEMPS SUR SUR LE SCORE PRONOSTIQUE

TX

Evaluation

1 an

Post TX ? ? Perte du greffon

N=637 Temps moyen post-transplantation evaluation=101±61 jours C-index=0.80

N=1118 Temps moyen post-transplantation evaluation= 2.6±1.6 années C-index=0.82

Page 49: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

GÉNÉRATION D’UN NOMOGRAMME POUR LA PRÉDICTION

DE RISQUE DE PERTE DU GREFFON

Page 50: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

GÉNÉRATION D’UN NOMOGRAMME POUR LA PRÉDICTION

DE RISQUE DE PERTE DU GREFFON

Page 51: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

CRÉATION D’UNE INTERFACE WEB

POUR L’UTILISATION EN LIGNE DU SCORE PRONOSTIQUE

Page 52: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

OBJECTIF #3 : CONCLUSION

• Création d’un score pronostique de risque individuel robuste de prédiction

individuel de perte du greffon à long terme combinant des facteurs

traditionnels à des facteurs immunologiques (DSA) et histologiques

(inflammation micro-vasculaire et fibrose)

• Validé au sein de larges cohortes européennes et nord-américaines ayant

des politiques de greffe et d’allocations différentes

• Validé à différents temps post-transplantation

• Utilisable facilement à l’aide d’un nomogramme ou en ligne marquant une

transition vers une médecine personnalisée.

Page 53: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

PLAN

Phénotype de précision de rejets rénaux et conséquences sur la perte

du greffon

Optimisation de l’utilisation des greffons marginaux

Création d’un score pronostique multidimensionnel et intégratif de

perte du greffon rénal

1

2

3

Perspectives 4

Page 55: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

EVOLUTION VERS UN SCORE DYNAMIQUE

DE PRÉDICTION DU RISQUE

Page 56: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

NOUVEAUX MODÈLES POUR UNE MÉDECINE PERSONNALISÉE

Page 57: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

NOUVEAUX MODÈLES POUR UNE MÉDECINE PERSONNALISÉE

Nouveaupatient

Page 58: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

EXTENSION DE NOS RÉSULTATS AUX SEIN D’AUTRES ORGANES

Cardiaque Pitié/HEGP:

1000 patients Louvain:

500 patients

Pulmonaire Foch:

500 patients

Hépatique Beaujon

Page 59: Approches multidimensionnelles en population pour la ...nephro-necker.org/fr/pdf/2018/7.pdf · •Performance, calibration, discrimination, C statistics, NRI, IDI •Machine learning

paristransplantgroup.org

@ParisTxGroup

Acknowledgments