Les programmes d’apprentissage automatique prédisent le risque de décès en fonction des résultats des tests hospitaliers de routine

Les programmes d’apprentissage automatique prédisent le risque de décès en fonction des résultats des tests hospitaliers de routine

Newswise – Si vous avez déjà été hospitalisé ou visité un service d’urgence, vous avez probablement subi un électrocardiogramme, ou ECG, un test standard impliquant de minuscules électrodes collées sur votre poitrine qui vérifie le rythme cardiaque et l’activité électrique.

Les ECG hospitaliers sont généralement lus par un médecin ou une infirmière à votre chevet, mais les chercheurs utilisent désormais l’intelligence artificielle pour glaner encore plus d’informations à partir de ces résultats afin d’améliorer simultanément vos soins et le système de santé.

Dans découvertes récemment publiées, l’équipe de recherche a construit et formé des programmes d’apprentissage automatique basés sur 1,6 million d’ECG effectués sur 244 077 patients dans le nord de l’Alberta entre 2007 et 2020. L’algorithme a prédit le risque de décès à partir de ce moment pour chaque patient de toutes causes dans un délai d’un mois, un an et cinq ans avec un taux de précision de 85 %, triant les patients en cinq catégories, du risque le plus faible au risque le plus élevé. Les prédictions étaient encore plus précises lorsque des informations démographiques (âge et sexe) et six résultats de tests sanguins de laboratoire standard étaient inclus.

L’étude est une preuve de concept pour l’utilisation de données recueillies en routine pour améliorer les soins individuels et permettre au système de santé « d’apprendre » au fur et à mesure, selon le chercheur principal Padma Kaoulprofesseur de médecine et co-directeur du Centre canadien VIGOR.

“Nous voulions savoir si nous pouvions utiliser de nouvelles méthodes telles que l’intelligence artificielle et l’apprentissage automatique pour analyser les données et identifier les patients présentant un risque de mortalité plus élevé”, explique Kaul. “Ces résultats illustrent comment les modèles d’apprentissage automatique peuvent être utilisés pour convertir les données collectées régulièrement dans la pratique clinique en connaissances pouvant être utilisées pour améliorer la prise de décision au point de service dans le cadre d’un système de soins de santé apprenant.”

Un clinicien ordonnera un électrocardiogramme si vous souffrez d’hypertension artérielle ou de symptômes de maladie cardiaque, tels que des douleurs thoraciques, un essoufflement ou un rythme cardiaque irrégulier. La première phase de l’étude a examiné les résultats de l’ECG chez tous les patients, mais Kaul et son équipe espèrent affiner ces modèles pour des sous-groupes particuliers de patients. Ils prévoient également de concentrer les prévisions au-delà de la mortalité toutes causes confondues pour examiner spécifiquement les causes de décès liées au cœur.

« Nous voulons prendre les données générées par le système de soins de santé, les convertir en connaissances et les réinjecter dans le système afin d’améliorer les soins et les résultats. C’est la définition d’un système de soins de santé apprenant.

Facebook
Twitter
LinkedIn
Pinterest

Leave a Comment

This site uses Akismet to reduce spam. Learn how your comment data is processed.