Une IA prédit la récupération neuro à 94,6 %… sur 25 personnes

Une IA à 94,6 % de précision pour prédire la récupération neuro : miracle ou mirage ?

L'intelligence artificielle promet de prédire la récupération de vos patients neurologiques avant même qu'elle n'arrive. Ce papier présente Rehab-DRLX, un modèle qui combine apprentissage par renforcement profond et un transformer « explicable », et qui affiche des scores à faire pâlir n'importe quel outil clinique : 94,6 % de précision, F1 = 0,93. Sur le papier, c'est bluffant.

Mais quand on ouvre le capot, l'histoire change. Le modèle est entraîné sur 25 volontaires en laboratoire, il prédit un score de qualité de mouvement noté par des kinés — pas une vraie récupération fonctionnelle — et son propre tableau de résultats se contredit d'une page à l'autre. On vous décrypte la méthode, les chiffres et ce que ça change concrètement dans votre pratique.

Rehab-DRLX: explainable neurorehabilitation prognosis using deep reinforcement learning and transformer-based models

Question clinique (PICO adapté à un papier d'IA)

Analyse méthodologique

Résultats clés

Rehab-DRLX surpasse les 5 modèles concurrents sur toutes les métriques : accuracy 94,6 %, F1 = 0,93, RMSE = 0,082, MAE = 0,061, R² = 0,91. Mais rappel essentiel : ces chiffres portent sur la prédiction d'un score de qualité de mouvement noté par des kinés, chez 25 volontaires en laboratoire — pas sur une récupération clinique réelle.

Détail des performances (Rehab-DRLX vs meilleur concurrent, le MSFormer) selon le Tableau 1 :

• Accuracy : 94,6 % (vs 91,2 %)
• F1-score : 0,93 (vs 0,89) — precision 0,91, recall 0,94
• RMSE (Root Mean Square Error — erreur quadratique moyenne) : 0,082 (vs 0,097)
• MAE (Mean Absolute Error — erreur absolue moyenne) : 0,061 (vs 0,074)
• Explicabilité : R² = 0,91, Brier score = 0,132, AAS = 0,78 (mais 0,84 sur la Figure 4), accord inter-juges kappa = 0,81

Le texte des résultats annonce « RMSE, F1-score et accuracy de 0,082, 94,7 %, 95,3 % » — soit une accuracy de 95,3 % — alors que l'abstract et le Tableau 1 affichent 94,6 %. L'AAS passe de 0,78 (texte) à 0,84 (Figure 4). Et les scores des concurrents ne collent pas non plus (TraxVBF : 94,1 % dans le texte, 90,1 % dans le tableau). Quand un article ne s'accorde pas avec lui-même, la confiance dans tous ses chiffres en prend un coup.

L'étude d'ablation (Tableau 2) montre que chaque brique compte, ce qui est le point fort méthodologique de l'article :

• Sans les embeddings CNN : accuracy chute à 86,7 % (la brique la plus critique)
• Sans l'agent DRL (renforcement) : 89,3 %
• Sans le transformer : 88,1 %
• Sans la double supervision : 90,5 % ; sans les portes d'attention : 91,2 %
• Sans le module explicable XPT : l'AAS s'effondre de 0,78 à 0,53 (l'explicabilité, principal argument de vente, dépend entièrement de ce module)

Les « labels de vérité terrain » sont des notes attribuées par des kinés à la qualité du geste (coordination, fluidité, équilibre). Le modèle apprend donc à imiter la note du thérapeute, pas à anticiper une récupération future. Parler de « probabilité d'indépendance fonctionnelle » ou de modèle « cliniquement déployable » est, à ce stade, une surinterprétation.

Re-discussion de la discussion

À saluer : l'article ne se contente pas de l'accuracy. Il ajoute une analyse de calibration (Brier score = 0,132), un accord inter-juges chiffré (kappa = 0,81) et un vrai effort d'explicabilité (cartes d'attention, SHAP, cas cliniques corrects/incorrects). C'est la bonne direction : un outil d'aide à la décision en neuroréé ne sera adopté que s'il est transparent.

Mais la conclusion des auteurs — un modèle « efficace à déployer en environnement de neuroréé réel » — est très en avance sur les preuves. Rien dans l'étude ne relie les prédictions à un devenir clinique réel : pas de FIM, pas de Barthel, pas de retour à domicile, pas de suivi longitudinal. La cible est une note de mouvement, l'échantillon est de 25 volontaires, et il n'y a aucune validation externe.

Enfin, les incohérences internes (94,6 % vs 95,3 %, AAS 0,78 vs 0,84, scores concurrents discordants) et un t-test appliqué à des folds non indépendants fragilisent la démonstration statistique. Ajoutez le matériel requis (Kinect v2 + carte RTX 4090) et l'on comprend que, pour un kiné libéral français, cet outil relève aujourd'hui de la recherche, pas de la pratique.

Impact clinique

Recommandations pour la recherche future

• Entraîner et valider le modèle sur de vrais patients neurologiques, avec des effectifs suffisants et multicentriques
• Utiliser des critères de récupération cliniques validés comme vérité terrain (FIM, Barthel, ADL) plutôt qu'une note de mouvement
• Réaliser une validation externe et prospective, sur des données indépendantes du laboratoire d'origine
• Pré-enregistrer le protocole et garantir un reporting cohérent entre texte, tableaux et figures
• Comparer les prédictions du modèle au pronostic établi par les kinés pour démontrer une réelle valeur ajoutée
• Évaluer la faisabilité et le coût en conditions réelles (matériel accessible, intégration au flux de soins) avant toute promesse de déploiement clinique