Article - Boudry et al. - Sci Rep
APMS Parutions
Boudry F, Durand F, Gaston A-F, Mucci P, Mouakher , Meric H. Preliminary results on using machine learning methods to predict exercise induced hypoxemia of endurance athletes a posteriori. Sci Rep 2026, 16:34270.
Cette étude a évalué si un modèle d'apprentissage automatique (machine learning) pouvait permettre de déterminer de manière rétrospective, si un sportif présentait l'hypoxémie induite par l'exercice (HIE) à partir de paramètres cardiorespiratoires simples mesurés lors d'une épreuve d'effort maximale. Les données d’épreuves d’effort de 165 athlètes (présentant ou pas une HIE) ont été analysées. Des méthodes d'apprentissage automatique non supervisées et supervisées ont été utilisées et évaluées. Les modèles non supervisés et linéaires se sont révélés insuffisamment robustes pour prédire l'HIE (exactitude < 60 %). À l'inverse, le modèle supervisé non linéaire a atteint une exactitude de 85 %. Le débit ventilatoire maximal, VO2 et le ratio VCO2/VO2, seraient les variables les plus informatives pour ce modèle. Cette approche pourrait faciliter une réévaluation rétrospective des travaux scientifiques en physiologie de l'exercice et aider à expliquer les variations interindividuelles en ciblant l’existence ou pas d’une HIE sans l’avoir préalablement mesurée.