Cela souligne une lacune critique dans l’identification systématique des risques et la nécessité de solutions innovantes pour renforcer les efforts de prévention du suicide.
Une étude récente menée par des chercheurs du centre médical de l’université Vanderbilt offre des informations prometteuses sur la manière dont l’intelligence artificielle (IA) peut combler cette lacune.
Publié dans la revue, Réseau JAMA ouvertla recherche s’est concentrée sur le modèle Vanderbilt Suicide Attempt and Ideation Likelihood (VSAIL), un système d’IA conçu pour analyser les données de routine des dossiers de santé électroniques (DSE) afin de calculer le risque de suicide d’un patient sur 30 jours. En tirant parti des systèmes d’aide à la décision clinique (CDS) pilotés par l’IA, l’étude visait à améliorer les évaluations du risque de suicide lors des visites régulières de soins de santé, en particulier dans les cliniques de neurologie.
L’étude était un essai contrôlé randomisé (ECR) portant sur 7 732 visites de patients sur six mois dans trois cliniques de neurologie de Vanderbilt. Elle a comparé deux approches CDS : les alertes interrompues, qui perturbaient activement le flux de travail d’un clinicien pour inciter l’évaluation du risque de suicide, et les alertes non interrompues, qui affichaient passivement les informations sur les risques dans le dossier électronique du patient.
Aide à la décision clinique guidée par un modèle de risque pour le dépistage du suicide (CRÉDIT : JAMA Network Open)
Ces cliniques ont été sélectionnées en raison de leur population de patients, qui comprenait des personnes souffrant de troubles neurologiques associés à un risque de suicide plus élevé, comme la maladie de Huntington et certains troubles du mouvement.
L’accent mis par l’équipe de recherche sur les cliniques de neurologie était stratégique. Contrairement aux contextes à haut risque tels que les services d’urgence, ces cliniques ne disposent pas de protocoles de dépistage universels. Cependant, certains troubles neurologiques sont liés à un risque accru de suicide, ce qui souligne la nécessité d’interventions ciblées dans ces contextes. Cet essai marque l’une des premières tentatives d’évaluation des CDS préventifs contre le suicide dans un cadre clinique randomisé.
Les résultats de l’étude ont mis en évidence le potentiel des systèmes CDS basés sur l’IA pour améliorer la prévention du suicide en milieu médical. Les alertes interrompues ont conduit à des évaluations du risque de suicide dans 42 % des visites signalées, surpassant considérablement le système sans interruption, qui a déclenché des dépistages dans seulement 4 % des cas.
Même si le système automatisé a signalé environ 8 % de toutes les visites de patients, sa nature sélective a été jugée réalisable pour une mise en œuvre dans des environnements cliniques très fréquentés.
Le Dr Colin Walsh, auteur principal de l’étude et professeur agrégé d’informatique biomédicale, de médecine et de psychiatrie, a souligné l’importance des interventions ciblées. « Le dépistage universel n’est pas pratique dans tous les contextes », a expliqué Walsh. « Nous avons développé VSAIL pour aider à identifier les patients à haut risque et susciter des conversations ciblées sur le dépistage. »
Malgré l’efficacité des alertes interruptions, l’étude a reconnu des inconvénients potentiels, tels que la fatigue des alertes, où des notifications fréquentes pourraient submerger les cliniciens. Des recherches futures sont nécessaires pour équilibrer les avantages de ces alertes avec leur impact sur le flux de travail. “Les systèmes de santé doivent équilibrer l’efficacité des alertes interruptions et leurs inconvénients potentiels”, a ajouté Walsh.
Le dépistage du risque de suicide s’appuie traditionnellement sur le jugement clinique et des instruments validés, tels que le Patient Health Questionnaire et la Columbia Suicide Severity Rating Scale.
Cependant, des lacunes en matière de dépistage fiable persistent, en particulier dans les contextes autres que ceux liés à la santé mentale. Des études indiquent que 77 % des personnes qui se suicident ont consulté un prestataire de soins primaires au cours de l’année précédant leur décès, ce qui souligne l’importance d’améliorer l’identification des risques lors de ces rencontres.
Diagramme de flux des participants (CRÉDIT : JAMA Network Open)
Le modèle VSAIL représente une évolution vers une estimation informatique du risque, qui peut compléter les méthodes traditionnelles. En intégrant la modélisation prédictive dans les systèmes DSE, l’étude a démontré que l’IA pourrait renforcer la capacité des cliniciens à identifier et à évaluer les patients à risque.
Des tests antérieurs du modèle, qui fonctionnait silencieusement en arrière-plan sans déclencher d’alertes, avaient confirmé son exactitude dans l’identification des individus à haut risque. Parmi les patients signalés, un sur 23 a signalé par la suite des pensées suicidaires.
Bien que l’étude se soit principalement concentrée sur les cliniques de neurologie, ses implications s’étendent à d’autres milieux de soins de santé. Les soins primaires, par exemple, restent un point de contact essentiel pour les personnes à risque de suicide. Alors que 77 % des victimes de suicide consultent un prestataire de soins primaires au cours de l’année précédant leur décès, la mise en œuvre de CDS basés sur l’IA dans ces contextes pourrait améliorer considérablement les efforts de prévention.
Les chercheurs ont également noté que l’approche sélective du modèle, qui ne signale que 8 % des visites de patients, le rendait plus pratique pour les cliniques très fréquentées. Ce processus sélectif garantit que les cliniciens ne sont pas submergés d’alertes, ce qui leur permet de se concentrer sur les personnes à haut risque sans sacrifier la qualité des soins.
Les résultats de l’étude ont des implications significatives pour les efforts de prévention du suicide dans divers contextes médicaux. Alors que les cliniques de neurologie étaient au centre de cette recherche, les chercheurs ont suggéré que des systèmes similaires basés sur l’IA pourraient être testés dans les soins primaires et dans d’autres spécialités. L’élargissement de l’application de tels modèles pourrait contribuer à relever le défi plus vaste de l’évaluation opportune du risque de suicide.
Organigramme des résultats des essais par bras (CRÉDIT : JAMA Network Open)
La recherche a également souligné l’importance d’une conception centrée sur l’humain dans le développement de systèmes CDS. En adaptant les alertes aux flux de travail des cliniciens et en tenant compte de leurs commentaires, l’étude visait à créer des outils à la fois efficaces et peu perturbateurs.
“Le système automatisé n’a signalé qu’environ 8 % de toutes les visites de patients pour un dépistage”, a déclaré Walsh. «Cette approche sélective permet aux cliniques très occupées de mettre en œuvre des efforts de prévention du suicide.» Cette fonctionnalité garantit que les cliniciens peuvent se concentrer sur des interactions significatives avec les patients plutôt que d’être surchargés d’alertes excessives.
En outre, les chercheurs ont souligné la nécessité de s’attaquer à la fatigue d’alerte dans les études futures. Même si les alertes interruptions se sont révélées plus efficaces, des notifications excessives pourraient potentiellement diminuer leur impact au fil du temps. Les recherches futures devraient explorer des stratégies pour atténuer ce problème, en garantissant que les alertes restent efficaces sans surcharger les prestataires de soins de santé.
L’étude fournit également un cadre pour intégrer des outils basés sur l’IA dans les systèmes de santé existants. En tirant parti de modèles prédictifs tels que VSAIL, les professionnels de la santé peuvent améliorer leur capacité à identifier et à soutenir les patients à risque. Ces progrès pourraient jouer un rôle central dans la réduction des taux de suicide et dans l’amélioration des résultats globaux pour les patients.
Alors que les taux de suicide continuent d’augmenter, des approches innovantes comme le modèle VSAIL offrent une voie prometteuse pour renforcer les efforts de prévention. En intégrant des outils basés sur l’IA dans les consultations de routine en matière de soins de santé, les cliniciens peuvent identifier et soutenir plus efficacement les patients à risque.
Bien que des défis tels que la fatigue d’alerte demeurent, les résultats de l’étude soulignent le potentiel de la technologie pour transformer les stratégies de prévention du suicide en milieu médical. Avec des recherches et des améliorations supplémentaires, ces systèmes pourraient jouer un rôle central dans la réduction des taux de suicide et dans le sauvetage de vies.
#Une #nouvelle #révolutionnaire #aide #identifier #les #patients #risque #suicide