une-ai-pour-traiter-les-patients-atteints-du-covid-19

L’hôpital Addenbrooke de Cambridge et 20 autres hôpitaux du monde entier, ainsi que le leader des technologies de santé NVIDIA, ont utilisé l’intelligence artificielle (IA) pour prédire les besoins en oxygène des patients atteints du COVID-19 à l’échelle mondiale.

Prédire les besoins en oxygène 

Cette recherche a été déclenchée par la pandémie et a consisté à construire un outil d’IA pour prédire la quantité d’oxygène supplémentaire dont un patient pourrait avoir besoin dans les premiers jours des soins hospitaliers, en utilisant des données provenant des quatre continents. Cette technique, connue sous le nom d’apprentissage fédéré, a utilisé un algorithme pour analyser les radiographies pulmonaires et les données de santé électroniques des patients hospitalisés présentant les symptômes du COVID-19.

Pour préserver la stricte confidentialité des patients, les données ont été entièrement anonymisées et un algorithme a été envoyé à chaque hôpital afin qu’aucune donnée ne soit partagée ou ne quitte son emplacement. Une fois que l’algorithme a « appris » à partir des données, l’analyse a été regroupée pour construire un outil d’IA capable de prédire les besoins en oxygène des patients hospitalisés atteints du COVID-19 partout dans le monde.

Une prédiction rapide et précise

Cette étude baptisée EXAM (pour EMR CXR AI Model) est l’une des études cliniques d’apprentissage fédéré les plus importantes et les plus diversifiées à ce jour. Pour vérifier la précision d’EXAM, il a été testé dans un certain nombre d’hôpitaux sur cinq continents, dont l’hôpital d’Addenbrooke. Les résultats ont montré qu’il prédisait les besoins en oxygène dans les 24 heures suivant l’arrivée d’un patient aux urgences, avec une sensibilité de 95 % et une spécificité de plus de 88 %.

« L’apprentissage fédéré a le pouvoir de transformer l’innovation de l’IA en flux de travail clinique », a déclaré le professeur Fiona Gilbert, qui a dirigé cette étude à Cambridge et qui est radiologue consultante honoraire à l’hôpital Addenbrooke et présidente de la radiologie à l’école de médecine clinique de l’université de Cambridge.

« Notre travail continu avec EXAM démontre que ces types de collaborations mondiales sont reproductibles et plus efficaces, de sorte que nous pouvons répondre aux besoins des cliniciens pour relever les défis complexes en matière de santé et les futures épidémies. »

Le premier auteur de cette étude, le Dr Ittai Dayan, du Mass General Bingham aux États-Unis, où l’algorithme EXAM a été développé, a déclaré : « habituellement, dans le développement de l’IA, lorsque vous créez un algorithme sur les données d’un hôpital, il ne fonctionne pas bien dans un autre hôpital. En développant le modèle EXAM à l’aide de l’apprentissage fédéré et de données objectives et multimodales provenant de différents continents, nous avons pu construire un modèle généralisable qui peut aider les médecins de première ligne du monde entier. »

Réunissant des collaborateurs d’Amérique du Nord et du Sud, d’Europe et d’Asie, l’étude EXAM a nécessité seulement deux semaines d’apprentissage de l’IA pour obtenir des prédictions de haute qualité.

Il a permis d’établir un nouveau standard

« L’apprentissage fédéré a permis aux chercheurs de collaborer et d’établir un nouveau standard pour ce que nous pouvons faire au niveau mondial, en utilisant la puissance de l’IA « , a déclaré le Dr Mona G. Flores, responsable mondial de l’IA médicale chez NVIDIA. « Cela fera progresser l’IA non seulement pour la santé, mais aussi pour toutes les industries qui cherchent à construire des modèles robustes sans sacrifier la vie privée. »

Les résultats d’environ 10 000 patients du monde entier ont été analysés dans cette étude, dont 250 qui se sont présentés à l’hôpital d’Addenbrooke lors de la première vague de la pandémie en mars et avril 2020.

Les travaux sur le modèle EXAM se sont poursuivis. Le Mass General Brigham et le NIHR Cambridge BRC travaillent avec Rhino Health, une start-up créée par NVIDIA Inception et cofondée par le Dr Dayan, pour mener des études prospectives à l’aide d’EXAM.

Une réalisation complexe

Le professeur Gilbert a ajouté : « créer un logiciel capable d’égaler les performances de nos meilleurs radiologues est complexe, mais c’est une aspiration véritablement transformatrice. Plus nous pourrons intégrer en toute sécurité des données provenant de différentes sources en utilisant l’apprentissage et la collaboration fédérés, et disposer de l’espace nécessaire pour innover, plus vite les universitaires pourront faire de ces objectifs transformateurs une réalité. »

Cette recherche a été publiée dans Nature Medicine.

Source : University of Cambridge
Crédit photo : StockPhotoSecrets