Les modèles d’IA prédisent les risques et le traitement du COVID-19 pour les patients hospitalisés

La grippe saisonnière, le virus respiratoire syncytial (VRS) et le COVID-19 circulent activement aux États-Unis. Ces maladies respiratoires contribuent à des problèmes de santé généralisés, des cas étant signalés dans diverses régions du pays.

Grâce à l’intelligence artificielle et à l’apprentissage automatique, des chercheurs du Christine E. Lynn College of Nursing et du College of Engineering and Computer Science de la Florida Atlantic University, en collaboration avec Memorial Healthcare System, repoussent les limites des soins de santé pour favoriser l’innovation, améliorer la prise de décision, et, à terme, améliorer les résultats en matière de santé des individus et des populations.

Pour prédire la gravité du COVID-19 et les meilleures interventions thérapeutiques pendant la pandémie, les chercheurs ont établi un système d’aide à la décision basé sur l’IA en identifiant les caractéristiques critiques influençant la gravité des résultats de la maladie chez les patients hospitalisés pour le COVID-19 dans un hôpital du sud de la Floride.

Plus précisément, l’étude s’est concentrée sur la prévision de la nécessité d’une admission en unité de soins intensifs (USI) avec ou sans ventilation mécanique et d’une admission en unité de soins intermédiaires (IMCU). L’objectif était d’exploiter ces fonctionnalités pour permettre une prévision plus rapide et plus précise des plans de traitement, empêchant potentiellement l’aggravation de conditions critiques.

Pour l’étude, les chercheurs ont analysé les données des dossiers de santé électroniques (DSE) de 5 371 patients admis dans un hôpital du sud de la Floride avec le COVID-19 entre mars 2020 et janvier 2021. Ils ont formé trois modèles Random Forest pour prédire la ventilation mécanique, l’admission en soins intensifs et en IMCU en utilisant 24 variables, y compris les données sociodémographiques, les comorbidités et les médicaments. L’analyse s’est concentrée sur les données recueillies au moment de l’admission à l’hôpital.

Résultats de l’étude, publiés dans la revue Diagnosticau début de l’automne 2024, montrent que les modèles pour les admissions en USI avec ventilation mécanique, en USI et IMCU ont identifié les facteurs suivants qui se chevauchent comme prédicteurs les plus importants parmi les trois résultats : âge, race, sexe, indice de masse corporelle (IMC), diarrhée. , le diabète, l’hypertension, les premiers stades de la maladie rénale et la pneumonie.

Les chercheurs ont également découvert que les personnes de 65 ans et plus (« adultes plus âgés »), les hommes, les fumeurs actuels et dont l’IMC était classé comme « en surpoids » et « obèses » couraient un plus grand risque de gravité de la maladie. L’étude a également exploré la gravité de la maladie en fonction de la cooccurrence de facteurs de risque.

« C’est l’une des très rares études qui ont exploré de telles interactions entre les facteurs de risque en utilisant des approches d’interprétabilité d’apprentissage automatique. Par exemple, la pneumonie associée au diabète a augmenté le risque de ventilation mécanique, tandis que la diarrhée a interagi fortement avec le diabète pour les admissions en soins intensifs », a déclaré Debarshi Datta, Ph. .D., auteur principal et professeur adjoint au Christine E. Lynn College of Nursing de la FAU.

« La gravité de l’IMCU était liée à des combinaisons telles que la diarrhée, la pneumonie et l’hypertension chez les personnes âgées. De plus, des médicaments tels que les bloqueurs des récepteurs de l’angiotensine II et les inhibiteurs de l’ECA semblaient réduire la gravité de la maladie, conformément aux recherches antérieures sur leurs effets protecteurs. »

Les principales caractéristiques identifiées par l’interprétabilité des modèles provenaient des catégories « caractéristiques sociodémographiques », « comorbidités préhospitalières » et « médicaments ». Cependant, les « comorbidités préhospitalières » ont joué un rôle essentiel dans différentes conditions critiques. En plus de l’importance des caractéristiques individuelles, les interactions entre les caractéristiques fournissent également des informations cruciales pour prédire l’issue la plus probable de l’état des patients lorsque des plans de traitement urgents sont nécessaires lors de l’afflux de patients pendant la pandémie.

Par rapport aux études antérieures, cette nouvelle approche se distingue par l’utilisation de données DSE facilement accessibles et par la combinaison de techniques d’interprétabilité d’apprentissage automatique avec des méthodes statistiques traditionnelles. Cette méthode a permis une compréhension plus approfondie de caractéristiques telles que l’âge, le sexe, l’IMC et les comorbidités telles que le diabète et l’hypertension à différents niveaux de gravité.

« Bien que les biomarqueurs aient été utilisés dans d’autres études, leur accessibilité clinique limitée rend nos résultats plus pratiques pour les applications réelles en matière de soins de santé », a déclaré David Newman, Ph.D., co-auteur, professeur et statisticien, FAU Christine E. Collège d’infirmières Lynn.

« En identifiant les facteurs et interactions critiques influençant les résultats du COVID-19, notre étude fournit des informations exploitables pour améliorer les soins aux patients et soutenir les systèmes de santé dans des conditions de forte demande.

Il est important de noter que l’application de l’IA et de l’apprentissage automatique dans les soins de santé s’étend au-delà de la maladie COVID-19 et promet d’améliorer le diagnostic, la sélection des traitements, la surveillance de la maladie et les résultats pour les patients dans diverses spécialités médicales et établissements de soins de santé. Ces connaissances permettent aux autorités de santé publique de planifier et de mettre en œuvre de manière proactive des interventions ciblées, atténuant ainsi l’impact des épidémies et optimisant la prestation des soins de santé.

« Le développement d’un système d’aide à la décision basé sur l’IA pour prédire les événements cliniques critiques chez les patients hospitalisés atteints du COVID-19 répond non seulement aux demandes urgentes d’une pandémie, mais ouvre également de nouvelles voies en matière d’IA et d’apprentissage automatique dans les soins de santé », a déclaré Datta.

« En utilisant des technologies et des algorithmes avancés, tels que l’apprentissage automatique, les chercheurs et les cliniciens peuvent exploiter la puissance des informations basées sur les données pour révolutionner les soins aux patients. »

Les co-auteurs de l’étude sont Subhosit Ray, Ph.D., boursier postdoctoral ; Laurie Martinez, Ph.D., professeure adjointe ; Safiya George Dalmida, Ph.D., ancienne doyenne ; le tout avec le Christine E. Lynn College of Nursing de la FAU ; Javad Hashemi, Ph.D., président inaugural et professeur du Département de génie biomédical et doyen associé à la recherche, Collège FAU d’ingénierie et d’informatique ; Candice Sareli, MD, vice-présidente et directrice de la recherche médicale, Memorial Healthcare System ; et Paul Eckardt, MD, chef de la Division Memorial des maladies infectieuses, Memorial Healthcare System.