La prééclampsie, caractérisée par une hypertension artérielle accompagnée de protéinurie, est une complication de la grossesse qui survient le plus souvent après la vingtième à vingt-cinquième semaine de gestation. Elle représente une cause majeure de morbidité et de mortalité, tant pour la mère que pour le fœtus, et concernerait 5 à 7 % des grossesses dans le monde, à l'origine de plus de 70 000 décès maternels et de 500 000 décès fœtaux chaque année. En France, sur la période 2010-2016, environ 5,2 % des grossesses se compliquaient d'une hypertension gestationnelle et 2 % d'une prééclampsie ou d'une éclampsie. Les méthodes actuelles de dépistage précoce, notamment fondées sur la détection combinée de biomarqueurs comme sFLT1, sEng et PlGF, restent perfectibles, leur performance prédictive diminuant à mesure que la grossesse progresse. C'est dans ce contexte qu'a été recherchée une approche permettant un diagnostic plus précoce.
Le récepteur activé par les proliférateurs de peroxysomes de type γ (PPARγ) joue un rôle essentiel dans le développement placentaire, et certains de ses polymorphismes nucléotidiques (SNP) ont été associés à une susceptibilité accrue à des pathologies de la grossesse. L'étude a porté sur trois SNP de PPARγ — Pro12Ala, C1431T et C681G — combinés à neuf facteurs cliniques, à partir des données de 1 648 femmes issues de la cohorte EDEN, dont 35 avaient présenté une grossesse prééclamptique et 1 613 une grossesse normale. Le génotypage a été réalisé à partir de l'ADN extrait de leucocytes, selon deux techniques (sondes d'hybridation sur LightCycler puis procédure TaqMan), avec un taux de réussite supérieur à 98 % pour chacun des trois SNP.
L'analyse univariée a identifié le SNP C1431T comme le seul facteur significativement associé à la prééclampsie (p < 0,05), avec un rapport de cotes compris entre 4,90 et 8,75 (intervalle de confiance à 95 %). En parallèle, trois méthodes de sélection multivariée des variables ont retenu sept prédicteurs potentiels : les variants maternels C1431T et C681G, l'obésité, l'indice de masse corporelle, le nombre de grossesses, la primiparité, le tabagisme et le niveau d'éducation. Ces sept variables ont servi à entraîner huit algorithmes d'apprentissage automatique. Le modèle fondé sur les arbres de décision renforcés (boost tree) s'est révélé le plus performant, avec une précision et une aire sous la courbe ROC de 0,971 et 0,991 sur le jeu d'entraînement, et de 0,951 et 0,701 sur le jeu de test. À partir de ce modèle, les auteurs ont construit un arbre décisionnel confirmant l'association significative du variant C1431T de PPARγ avec la susceptibilité à la prééclampsie. Selon eux, cet outil pourrait contribuer au dépistage des grossesses à risque dès les tout premiers stades et servir de référence d'aide à la décision en pratique clinique.