L’IA détecte le bipolar disorder dans les dossiers de patients avec diagnostics affectifs avec AUC 0.93
Prépublication medRxiv d’exactitude diagnostique : modèle DSE avec AUC 0.93, sensibilité 96.4 % et spécificité 84.4 %.
L’IA détecte le bipolar disorder dans les dossiers de patients avec diagnostics affectifs avec AUC 0.93
Original title: Artificial intelligence for detecting bipolar disorder in electronic health records of patients with affective diagnoses: a diagnostic accuracy study
Authors: Eugenio Ferro, Natalia Castaño-Villegas, Manuel F. Esteban Cárdenas, María Gómez Puentes, Carlos Torres-Delgado, Laura Ortiz Calderon, Katherine Monsalve, José Zea
Venue: medRxiv preprint — manuscript ID 2026.05.07.26352679v1
Status: Preprint, under journal review
Headline metrics: n=500 EHRs; validation subset n=100; AUC 0.93; sensitivity 96.4% (95% CI: 87.7–99.0); specificity 84.4% (95% CI: 71.2–92.3); domain-level concordance 91.3% (95% CI: 89.9–92.6); 36.4% of 387 patients without prior bipolar diagnosis newly classified as at risk
Cette étude d’exactitude diagnostique a évalué l’intelligence artificielle pour détecter le bipolar disorder dans les dossiers de santé électroniques de patients avec diagnostics affectifs. Le jeu de données rapporté comprenait n=500 DSE et un sous-ensemble de validation de n=100, selon STARD 2015 et TRIPOD-AI.
Les métriques clés incluent AUC 0.93, une sensibilité de 96.4 % (IC 95 % : 87.7–99.0), une spécificité de 84.4 % (IC 95 % : 71.2–92.3) et une concordance par domaine de 91.3 % (IC 95 % : 89.9–92.6). Parmi 387 patients sans diagnostic bipolaire antérieur, 36.4 % ont été nouvellement classés à risque.
Source
https://www.medrxiv.org/content/10.64898/2026.05.07.26352679v1