Résumé
La chirurgie de l’insuffisance vélopharyngée (IVP) est une chirurgie fonctionnelle sur mesure qui nécessite d’une coordination multidisciplinaire. Les pharyngoplasties actives ont le but d’avancer la paroi postérieure à travers un ou deux lambeaux pharyngiens, avec de complications assez importantes. En complétant le comblement naturel qui offre le bourrelet de Passavant, les pharyngoplasties passives représentent des alternatives moins invasives pour les patients avec contre-indications ou avec une IVP modérée. Comme toute chirurgie fonctionnelle, le résultat est strictement corrélé à la bonne indication, décision qui dépend de l’intégration de beaucoup des variables et compliquée par le manque de consensus dans la littérature. OBJECTIF: L’objectif de cette thèse est d’aider la prise de décision chirurgicale adaptée, pour construire des plans chirurgicaux personnalisés à travers l’analyse mathématique des variables. METHODOLOGIE: Une étude rétrospective observationnelle a été réalisée sur 244 patients consécutifs opérés dans un seul pôle hospitalier de troisième niveau entre 1982 et 2019. Nous avons utilisé d’abord les méthodes statistiques traditionnelles (régression logistique et linéaire, score de propension et analyse marginale). Ces méthodes nécessitent d’un grand nombre de données cliniques pour garantir des résultats reproductibles et significatifs. D’autre côté l’analyse statistique sur grands échantillons dépersonnalise les résultats en oubliant la spécificité du sujet unique. Pour résoudre ce problème nous avons exploré les frontières de l’intelligence artificielle avec techniques de machine learning (decision tree et interpret-ML Explainable Boosting Machine). L’analyse algorithmique utilise des modèles mathématiques plus complexes et parfois plus adhérentes à la réalité, en donnant des explications au niveau locale aussi. Le machine learning permet d’analyser en même temps des variables avec modalités différentes et leur donne une hiérarchisation d’importance utile à la priorisation de la décision. RESULTATS: Nous n'avons pas constaté de supériorité significative d'une technique sur l'autre. L'analyse marginale a démontré que l'âge inférieur à 7 ans, la fente labiale et palatine, l'absence de syndrome et l'IVP intermittente sont un facteur prédictif important de bon résultat quelle que soit la technique chirurgicale. L’analyse avec machine learning nous a permis d’introduire les variables relatives aux données fibroscopiques dans la modélisation. Nous pouvons donc conclure que devant une IVP, le facteur le plus important qui discrimine le choix chirurgical est la fibroscopie, et en particulier les dimensions de l’espace vélopharyngien et la tonicité et mobilité du voile du palais. L’autre élément clé de choix est le dégrée d’IVP préopératoire. Les variables âge, étiologie et altérations génétiques associée trouvent aussi un grand intérêt dans la prévision du succès postopératoire. CONCLUSIONS: La bibliographique de la chirurgie de la parole est dominé par des diagrammes décisionnels basés sur l’expérience des différentes écoles chirurgicales avec une différente priorisation de l’importance des variables. Dans ce contexte, avec les outils de la statistique traditionnelle nous avons construit un profil patient avec résultat postopératoire parfait. L’analyse par machine learning complète l’étude en hiérarchisant les variables en incluant aussi les données fibroscopiques. Nous avons donc construit un diagramme décisionnel qui prend en compte tout le chemin de prise en charge du patient.