Le nouvel algorithme prédictif d’IA améliore considérablement la rapidité et la précision des prédictions de la septicémie

Le nouvel algorithme prédictif d’IA améliore considérablement la rapidité et la précision des prédictions de la septicémie
Le nouvel algorithme prédictif d’IA améliore considérablement la rapidité et la précision des prédictions de la septicémie

Chaque année, la septicémie affecte plus de 30 millions de personnes dans le monde, causant environ six millions de décès. La septicémie est la réponse extrême du corps à une infection et met souvent la vie en danger.

Étant donné que chaque heure de traitement retardé peut augmenter les risques de décès de quatre à huit pour cent, des prédictions précises et opportunes de la septicémie sont cruciales pour réduire la morbidité et la mortalité. À cette fin, diverses organisations de soins de santé ont déployé des analyses prédictives pour aider à identifier les patients atteints de sepsis en utilisant les données des dossiers médicaux électroniques (DME).

Une équipe de recherche internationale, comprenant des scientifiques des données, des médecins et des ingénieurs de l’Université McMaster et de St. Joseph’s Healthcare Hamilton, a créé un algorithme prédictif d’intelligence artificielle (IA) qui améliore considérablement la rapidité et la précision des prédictions de sepsie basées sur les données.

« La septicémie peut être prédite très précisément et très tôt à l’aide de l’IA avec des données cliniques, mais les questions clés pour le clinicien et les scientifiques des données sont de savoir de combien de données historiques ces algorithmes ont besoin pour faire des prédictions précises et jusqu’où ils peuvent prédire la septicémie avec précision », a déclaré Manaf Zargoush, co-auteur de l’étude et professeur adjoint de politique et de gestion de la santé à la DeGroote School of Business de McMaster.

Pour prédire la septicémie dans les milieux de soins cliniques, certains systèmes utilisent des données de DME avec des outils d’évaluation de la maladie pour déterminer les scores de risque de sepsis – agissant essentiellement comme des outils d’évaluation numériques et automatisés. Des systèmes plus avancés utilisent des analyses prédictives, telles que des algorithmes d’IA, pour aller au-delà de l’évaluation des risques et identifier la septicémie elle-même.

À l’aide de l’analyse prédictive de l’IA, les chercheurs ont créé un algorithme appelé le Mémoire bidirectionnelle à long terme (BiLSTM). Il examine plusieurs variables dans quatre domaines clés : les variables administratives (par exemple, la durée du séjour en unité de soins intensifs (USI), les heures entre l’hôpital et l’admission aux soins intensifs, etc.), les signes vitaux (par exemple, la fréquence cardiaque et l’oxymétrie de pouls, etc.) , les données démographiques (par exemple, l’âge et le sexe) et les tests de laboratoire (par exemple, la glycémie, la créatinine, la numération plaquettaire, etc.). Comparé à d’autres algorithmes, le BiLSTM est un sous-ensemble plus complexe de l’apprentissage automatique – appelé apprentissage profond – qui utilise des réseaux de neurones pour augmenter son pouvoir prédictif.

L’étude a comparé le BiLSTM à six autres algorithmes d’apprentissage automatique et a constaté qu’il était supérieur aux autres en termes de précision. Améliorer la précision en réduisant les faux positifs est la clé d’un algorithme réussi, car ces erreurs non seulement gaspillent des ressources médicales, mais elles érodent également la confiance des médecins dans l’algorithme.

Fait intéressant, l’étude a révélé que la précision prédictive peut être augmentée grâce à des algorithmes qui se concentrent davantage sur les points de données récents d’un patient, au lieu de regarder en arrière pour inclure autant de points de données que possible.

Les chercheurs ont noté qu’il est compréhensible que les cliniciens soient enclins à remplir l’algorithme avec autant de points de données que possible sur une longue période. Cependant, leurs résultats suggèrent que lorsque le but de la prédiction est précis et opportun en ce qui concerne les prédictions de sepsis, les médecins avec de longs horizons de prédiction devraient se fier davantage aux données cliniques moins nombreuses mais plus récentes du patient.

“St. Joe’s lancera fin novembre un projet pilote d’informatique cognitive qui comprend la compréhension de la façon dont l’IA peut être utilisée pour aider à prédire la septicémie chez de vrais patients et en temps réel”, a déclaré Dan Perri, co-auteur de l’étude, médecin et responsable de l’information. agent à St. Joseph’s Healthcare Hamilton. Il est également professeur agrégé de médecine à McMaster.

Comprendre l’étendue et la portée des données permettant de prédire la septicémie est important pour toute organisation cherchant à utiliser l’IA pour sauver des vies contre des infections graves. »

Dan Perri, co-auteur de l’étude, médecin et directeur de l’information à St. Joseph’s Healthcare Hamilton

« Les enseignements tirés des modèles de sepsis se traduisent par la création de meilleurs outils d’apprentissage automatique qui conduisent à une intervention précoce appropriée pour certains des patients les plus malades, tout en évitant les avertissements inutiles qui pourraient entraîner la fatigue des travailleurs de la santé. »

La source:

Référence de la revue :

Zargoush, M., et al. (2021) L’impact de la récence et de l’adéquation des informations historiques sur les prédictions de la septicémie à l’aide de l’apprentissage automatique. Rapports scientifiques. doi.org/10.1038/s41598-021-00220-x.

 
For Latest Updates Follow us on Google News
 

PREV Le dollar domine alors que l’inflation s’intensifie
NEXT Trading Technologies va être racheté par 7RIDGE
----