GRAND ORAL MATHÉMATIQUE : COMENT INTERPRÉTÉ LES TEST DIAGNOSTICS DE MANIÈRE

CORRECTE EN MÉDECINE

Interpréter les tests diagnostiques de manière correcte est d'une importance capitale
en médecine. Cela nous permet de déterminer avec précision si une personne est
atteinte d'une maladie ou non. Mais comment pouvons-nous effectuer cette
interprétation de manière adéquate ? Dans cette introduction, nous allons aborder
brièvement les trois aspects essentiels : comprendre la recherche diagnostique, les
tests et les probabilités, ainsi que la fiabilité́ du test et la fréquence de la maladie.

I. Recherche du diagnostic

L'analyse des symptômes constitue le point de départ de la recherche du diagnostic.

Le médecin recueille des informations détaillées sur les plaintes du patient, en
prêtant une attention particulière aux caractéristiques spécifiques des symptômes, à
leur durée, à leur fréquence et à leur évolution dans le temps. Le médecin va ici
procéder à l’anamnèse de son patient. Par exemple, dans le cas d'une douleur
abdominale, le médecin peut s'intéresser à sa localisation, à son intensité, à son lien
avec l'alimentation ou les mouvements, et à tout autre symptôme associé. Le
médecin peut alors hésiter entre différents scénarios et va donc demander à son
patient de faire des examens complémentaires. Pour prescrire un traitement et
traiter son patient il lui faut donc savoir plus ou moins précisément ce dont souffre
son patient

La recherche du diagnostic est donc la première étape de la consultation clinique

II. Les tests diagnostiques et les probabilités

Je vais vous parler plus en détail des tests diagnostiques utilisés en médecine

Parmi les tests diagnostiques que nous connaissons il y a par exemple : tous les bilans
sanguins, l’imagerie médicale, le test du VIH, le test de grossesse ou encore le PCR

Nous allons traiter le cas simplifié où le médecin n’a choisi que 2 situations :

- le patient est malade noté M

- le patient n’est pas malade noté M barre

Imaginons d’autre part que le médecin ne dispose du résultat que d’un seul examen
diagnostique. Le patient est classé soit en S porteur du signe diagnostiqué ou S (bar).
Quelle est la problématique que je souhaite soulever ?

La problématique que je souhaite soulever concerne les tests diagnostiques utilisés

en médecine. Face à une maladie, il est essentiel de trouver des marqueurs, c'est-à-
dire des signes qui sont à la fois très présent chez les patients malades et spécifiques
à la maladie en question. Par exemple, la fièvre est un signe courant de la grippe,
mais elle n'est pas spécifique à cette maladie. En revanche, l'antigène CA15-3 est un
marqueur spécifique de la présence d'un cancer du sein.

Pour évaluer l'efficacité d'un test, deux paramètres statistiques importants sont
utilisés : la sensibilité (Se) et la spécificité (Sp).

La sensibilité mesure la capacité d'un test à détecter la présence de la maladie chez

les patients réellement malades notée p de S indice M, tandis que la spécificité
évalue la capacité du test à exclure la maladie chez les patients sains notée p de S bar
indice M bar.

Ces indicateurs sont établis grâce à la recherche clinique, et les tests les plus
performants sont appelés "golf standard " Ou encoré test de références.

Pour qu'un test soit considéré comme bon, il doit être à la fois sensible et spécifique.
Un mauvais test serait donc caractérisé par une faible sensibilité et/ou une faible
spécificité, ce qui entrainerait un nombre élevé de faux positifs ou de faux négatifs. Il
est important de noter que même les meilleurs tests ne sont pas fiables à 100%.

Il y à 5ans lorsque la pandémie du covid 19 a été déclarée, les chercheurs se devait de

mettre en place un test de dépistage à la fois performant et à la fois rapide. Le
manque de donnée concernant la maladie avait entrainé un grand nombre de faux
positifs et de faux négatifs concernant le test PCR. Ainsi bien que les résultats
obtenus indiqués ou non si le patient était infecté, nous n’avions tous de même
aucune certitude (bien entendu au sens ou un test n’est jamais fiable à 100%).

De ce fait, la probabilité d'une erreur diagnostique est calculée à partir de la

sensibilité, de la spécificité et de la prévalence de la maladie (la proportion de
personnes atteintes de la maladie dans une population donnée) donc p de m. Cette
probabilité permet de quantifier la proportion de personnes qui pourraient échapper
à un diagnostic précis.

A présent, prenons un exemple concret : une étude de cas pratique.

IV. Applications aux tests de dépistage :

Vous êtes directeur de cabinet du ministre de la Santé. Une maladie est présente
dans la population, dans la proportion d'une personne malade sur 10000. Un
responsable d'un grand laboratoire pharmaceutique vient vous vanter son nouveau
test de dépistage : si une personne est malade, le test est positif à 99%. Si une personne
n'est pas malade, le test est positif à 0,1%.

Ces chiffres ont l'air excellent, vous ne pouvez qu'en convenir. Toutefois, avant
d'autoriser la commercialisation de ce test, vous faites appel au statisticien du
ministère : ce qui vous intéresse, ce n'est pas vraiment les résultats présentés par le
laboratoire, c'est la probabilité qu'une personne soit malade si le test est positif. La
formule de Bayes permet de calculer cette probabilité.

On note M l'événement : "La personne est malade", et T l'événement : "Le test est
positif". Le but est de calculer la probabilité que la personne soit malade sachant que
le test est positif (noté : p de M indice T).

Les données que vous avez en main sont :

p(M)=0,0001 (et donc p(M bar)=0,9999), p(T) indice M=0,99 et p (T) indice M bar=0,001.

La formule de Bayes donne :

C'est catastrophique ! Il n'y a que 9% de chances qu'une personne positive au test soit
effectivement malade ! C'est tout le problème des tests de dépistage pour des
maladies rares : ils doivent être excessivement performants, sous peine de donner
beaucoup trop de "faux-positifs".

La formule de Bayes a longtemps été appelée formule de probabilité des causes. Elle
permet en effet de remonter le temps, c'est-à-dire de calculer la probabilité d'une
cause sachant celle de sa conséquence. Longtemps, les mathématiciens ont
manifesté une retenue prudente à son sujet.

Passons de l’aspect de recherche clinique au point de vue du métier.

III. Du point de vue du médecin, deux questions se posent lorsqu'il analyse les
résultats d'un test chez un patient :

1) Si le test est positif, est-ce sur que le patient est atteint de la maladie ?

2) Si le test est négatif, peut-on arrêter les investigations ?

Pour répondre à ces questions, deux autres paramètres statistiques sont importants :
la valeur prédictive positive (VPP) notée p de M indice S, et la valeur prédictive
négative (VPN) notée p de M bar indice S bar. La VPP indique la probabilité que le
patient soit réellement malade lorsque le test est positif, tandis que la VPN indique la
probabilité que le patient soit réellement sain lorsque le test est négatif. Ces valeurs
prédictives sont fortement influencées par la prévalence de la maladie dans la
population concernée.

Il est donc essentiel pour un médecin d'évaluer son diagnostic en tenant compte de la
région du monde dans laquelle il exerce, car la prévalence des maladies peut varier.
La connaissance des caractéristiques des tests diagnostiques permet une
interprétation judicieuse des résultats, ce qui aide les médecins à prendre des
décisions éclairées. À plus grande échelle, ces informations sont également utiles aux
autorités de santé pour mettre en place des mesures de protection de la population.

En conclusion, la compréhension des caractéristiques des tests diagnostiques est

essentielle pour leur interprétation adéquate. Cela aide les médecins à prendre des
décisions éclairées et facilite la mise en place de mesures de santé publique
appropriées.