une-IA-prédit-si-il-faut-laisser-dormir-un-patient
Les perturbations de la surveillance des signes vitaux (SV), chez les patients hospitalisés pendant la nuit ont été liées à des troubles cognitifs, à l’hypertension, à un stress accru et même à la mortalité.

L’IA aide les médecins à prendre les bonnes décisions

Pour la première fois, une équipe des Feinstein Institutes for Medical Research a mis au point un outil clinique prédictif d’apprentissage approfondi pour identifier les patients qui n’ont pas besoin d’être réveillés pendant la nuit, ce qui leur permet de se reposer, de récupérer et de sortir plus rapidement de l’hôpital. Les résultats de cette étude, basés sur 24,3 millions de mesures des signes vitaux, ont été publiés.
Une équipe, dirigée par Theodoros Zanos, en étroite collaboration avec Jamie Hirsch, a recueilli et analysé les données de plusieurs hôpitaux de la Northwell Health entre 2012 et 2019, soit 2,13 millions de visites de patients.
Ils ont utilisé ce vaste ensemble de données cliniques issues des visites de patients – fréquence respiratoire, rythme cardiaque, pression sanguine systolique, température corporelle, âge du patient, etc. – pour mettre au point un algorithme qui prédit la stabilité d’un patient hospitalisé pendant la nuit, et s’il peut être laissé dormir sans interruption pendant la nuit. L’équipe travaille au déploiement de cet outil clinique, appelé « Let Sleeping Patients Lie », dans plusieurs hôpitaux.
« Le repos est un élément essentiel des soins aux patients, et il a été bien documenté que les troubles du sommeil sont une plainte courante qui pourrait retarder la sortie et la récupération des patients », a déclaré le Dr Zanos, professeur adjoint à l’Institut de médecine bioélectronique des Instituts Feinstein. « Nos conclusions mettent en évidence la sécurité et la précision des solutions basées sur l’apprentissage machine, pour ouvrir la voie à un sommeil plus paisible et plus sûr dans un hôpital ».

Un modèle prédictif très efficace

En moyenne, un patient est réveillé toutes les quatre ou cinq heures pour des contrôles des SV. Cette étude a révélé que le modèle prédictif a permis de sauver environ la moitié des nuits passées par les patients dans un hôpital. Le succès de ce modèle a été obtenu avec un risque extrêmement faible ; il a mal classé moins de deux nuits de patients sur 10 000.
Cet outil permet également aux équipes cliniques d’ajuster les seuils prédictifs de ce modèle, afin de mettre en place une évaluation plus stricte des patients. En outre, pour garantir des soins appropriés, une simple inspection visuelle des patients endormis pendant les visites typiques des infirmières devrait suffire à détecter ces patients mal classés, une procédure qui fait déjà partie des directives standard des infirmières.
Le potentiel de la mise en œuvre de ce modèle prédictif « Let Sleeping Patients Lie » va au-delà des soins aux patients et a le potentiel d’alléger la charge de travail nocturne du personnel hospitalier, la gestion du temps, et peut contribuer à réduire le stress et l’épuisement professionnel des employés. Les infirmières passent entre 20 et 35 % de leur temps à documenter les SV, et environ 10 % de leur temps de travail à les collecter.
Cet outil clinique permettrait aux infirmières de renoncer, en toute sécurité et en toute confiance, à la moitié des mesures des SV de nuit et pourrait entraîner une réduction de la charge de travail de 20 à 25 % en une seule équipe de nuit, ce qui faciliterait la concentration sur les patients les plus gravement malades.

Un modèle d’IA très prometteur

« L’expertise du Dr Zanos et de son équipe en matière d’apprentissage automatique leur a permis d’inventer une solution efficace pour améliorer le sommeil », a déclaré Kevin J. Tracey, président et PDG des instituts Feinstein. « La maladie et l’hospitalisation altèrent les cycles du sommeil, et les perspectives de l’intelligence artificielle dans ce domaine sont très prometteuses ».
Cette recherche a été publiée dans npj Digital Medicine.
Source : Feinstein Institutes for Medical Research
Crédit photo : Pexels