En utilisant les données médicales de patients malades alors qu’ils sont encore à la maison, voyageant dans une ambulance et recevant des soins aux urgences, des chercheurs de Northeastern ont utilisé l’intelligence artificielle pour créer un outil qui prédit un choc septique potentiellement mortel avec une précision de 99 %.
La septicémie, une réponse extrême du système immunitaire à une infection dans le corps, est la cause du décès d’une personne sur trois décédée à l’hôpital.
« Si une septicémie est diagnostiquée aux urgences, le meilleur des cas est probablement de prier car le taux de survie est extrêmement faible », explique Sergey Aitan, professeur enseignant aux programmes multidisciplinaires d’études supérieures en ingénierie de la Northeastern University sur le campus d’Oakland et chercheur principal du projet. « Notre système s’apparente à un deuxième avis immédiat, ce qui est pratiquement impossible à réaliser en urgence avec des médecins physiques. »
Les chercheurs ont utilisé des données sur les patients, telles qu’une forte fièvre, des frissons, des difficultés respiratoires, une décoloration de la peau, une fatigue et une confusion, capturées lorsqu’un patient est à la maison, sur le chemin de l’hôpital et aux urgences, pour former un modèle d’apprentissage automatique permettant de prédire la septicémie.
L’apparition précoce du sepsis est difficile à identifier, explique Aitan, car les symptômes sont subtils et se chevauchent avec d’autres affections. La recherche a été publiée dans la revue Vie. Les co-chercheurs comprennent Rolando Herrero, directeur des programmes de maîtrise de Northeastern en systèmes cyber-physiques et réseaux de télécommunications, le professeur adjoint d’intelligence artificielle Abdolreza Mosaddegh et la faculté d’ingénierie adjointe Haitham Tayyar et les étudiants diplômés Ebunoluwa Adebesin, Sai Pranavi Jeedigunta et Hangyeol Kim.
« Aucune autre recherche ne prend en compte ces trois étapes », explique Herrero. « Nos étudiants ont collaboré pour créer ce modèle d’IA innovant qui permet aux médecins de détecter le sepsis très tôt dans le jeu. »
L’approche en trois étapes améliore la précision, explique Aitan. Les prédictions du modèle d’apprentissage automatique sont correctes dans 82 % des cas lorsqu’il ne contient que la description des symptômes d’un patient. Lorsque les signes vitaux d’une ambulance sont ajoutés, les prédictions sont correctes dans 99 % des cas et les résultats des tests effectués en salle d’urgence augmentent encore la précision.
En pratique, explique Aitan, les médecins des salles d’urgence tapent ou parlent dans leur téléphone pour saisir les informations sur le patient dans n’importe quelle langue et le système prédit la probabilité que le patient développe une septicémie.
Les chercheurs ont obtenu des données sur des patients atteints de sepsis auprès de deux universités italiennes de recherche médicale. Ils l’ont tissé dans l’ordre dans lequel les symptômes apparaissaient pour retracer l’évolution de la septicémie depuis les symptômes subtils jusqu’aux stades critiques. Cette structure, dit Herrero, a fourni une opportunité idéale pour qu’un modèle d’IA détecte la septicémie à différents stades des soins aux patients.
L’outil d’apprentissage automatique reconnaît les symptômes d’une personne susceptible de développer une septicémie, explique Herrero.
« Nous obtenons de meilleures performances qu’un médecin ordinaire », dit-il.
