Des chercheurs de l’École de médecine de l’Université du Maryland ont développé une nouvelle application très efficace d’un outil d’intelligence artificielle (IA) pour scanner rapidement des notes dans les dossiers médicaux électroniques et identifier les patients à haut risque qui ont peut-être été infecté par la grippe aviaire H5N1 ou la «grippe oiseau», selon de nouvelles résultats publiés dans la revue Maladies infectieuses cliniques.
En utilisant un modèle génératif de grande langue (LLM), l’équipe de recherche a analysé 13 494 visites dans les services d’urgence de l’hôpital médical de l’Université du Maryland (UMMS) de patients adultes dans les zones urbaines, suburbaines et rurales en 2024. Ces patients avaient tous des maladies respiratoires aiguës (comme la toux, la fièvre, la congestion) ou la conjonctivite – des symptômes cohérentes avec la toux, la fiche de la fiche. L’objectif était d’évaluer la façon dont l’IA générative pouvait trouver des patients à haut risque qui auraient pu être négligés au moment du traitement initial.
En balayant toutes les notes du service d’urgence, le modèle a signalé 76 parce qu’ils ont mentionné une exposition à haut risque pour la grippe oiseaux, comme le travail comme boucher ou dans une ferme avec du bétail, comme les poulets ou les vaches. Habituellement, ces expositions ont été mentionnées incidemment – par exemple, documentant l’occupation d’un patient en tant que boucher ou travailleur agricole – et non en raison de suspicion clinique pour la grippe oiseaux.
Après un bref examen par le personnel de recherche, 14 patients ont été confirmés avoir eu une exposition récente et pertinente aux animaux connus pour transporter H5N1, y compris la volaille, les oiseaux sauvages et le bétail. Ces patients n’ont pas été testés spécifiquement pour H5N1, de sorte que leurs infections potentielles sur la FLU des oiseaux n’ont pas été confirmées, mais le modèle a travaillé pour trouver ces cas « aiguille dans une botte de foin » parmi des milliers de patients traités pour la grippe saisonnière et d’autres maladies respiratoires de routine.
« Cette étude montre comment l’IA générative peut combler une lacune critique dans notre infrastructure de santé publique en détectant des patients à haut risque qui autrement passeraient inaperçus », a déclaré l’auteur correspondant à l’étude Katherine E. Goodman, Ph.D., JD, professeur adjoint d’épidémiologie et de santé publique à UMSOM et un membre du corps professoral de l’Université de Maryland pour l’informatique de la santé (UM-IHC).
« Avec H5N1 qui continuait de circuler chez nous, les animaux, notre plus grand danger à l’échelle nationale est que nous ne savons pas ce que nous ne savons pas. Parce que nous ne suivons pas le nombre de patients symptomatiques qui ont des expositions potentielles sur la grippe oiseaux et combien de ces patients sont testés, les infections peuvent être détachées.
Depuis le début de 2024, H5N1 a infecté plus de 1 075 troupeaux laitiers dans 17 États, et plus de 175 millions de volailles et d’oiseaux sauvages ont été testés positifs pendant cette période d’épidémie. Les cas humains identifiés restent rares, avec 70 infections confirmées et une seule décès aux États-Unis d’ici la mi-2025, selon les Centers for Disease Control and Prevention (CDC). Il y a cependant probablement beaucoup plus d’infections qui ne sont pas détectées en raison d’un manque de tests généralisés. De plus, de nouvelles souches pourraient survenir, permettant une propagation aéroportée humaine à humaine, ce qui entraînerait une augmentation des cas et une épidémie potentielle.
« La revue de l’IA n’a nécessité que 26 minutes de temps humain et ne coûte que trois cents par note de patient, démontrant une éleve et une efficacité élevée », a déclaré la co-auteur de l’étude Anthony Harris, MD, MPH, professeur et président d’acteur de l’épidémiologie et de la santé publique à Umsom. « Cette méthode a le potentiel de créer un réseau national de sites sentinelles cliniques pour la surveillance émergente des maladies infectieuses pour nous aider à mieux surveiller les épidémies émergentes. »
Le LLM (GPT-4 Turbo) a démontré de fortes performances dans l’identification des mentions d’exposition aux animaux, avec une valeur prédictive positive de 90% et une valeur prédictive négative de 98% lorsqu’elle a été évaluée sur un échantillon de 10 000 visites historiques du service d’urgence de 2022-2023, avant que la grippe des oiseaux ne circule dans le bilan américain. Cependant, le modèle était conservateur lors de l’identification des expositions spécifiquement pertinentes pour la grippe aviaire – en signalant parfois des patients avec un contact animal à faible risque, comme l’exposition aux chiens – obligeant la nécessité d’une revue humaine de tout cas signalé.
À mesure que le risque d’infections transmises par les animaux augmente, les chercheurs suggèrent que les modèles de langues importants pourraient également être utilisés de manière prospective pour alerter les prestataires de soins de santé en temps réel. Cela pourrait les inciter à être plus vigilants sur la question de l’exposition potentielle aux animaux infectés, les tests ciblés et le contrôle des infections en isolant les patients. Le CDC s’appuie actuellement sur des rapports en laboratoire obligatoires pour suivre la grippe aviaire mais manque de systèmes pour évaluer si les cliniciens demandent ou documentent les expositions pertinentes chez les patients symptomatiques.
Les chercheurs espèrent ensuite tester le modèle de langue importante pour la surveillance et le déploiement prospectifs dans le dossier de santé électronique, pour une identification plus rapide en temps réel des patients à haut risque. À mesure que la saison du virus respiratoire reprenne à l’automne, ayant un moyen rapide et précis d’identifier les patients ayant besoin de tests spéciaux pour la grippe oiseaux, ou une isolement de précaution tout en recevant un traitement, sera particulièrement critique.
« Nous sommes à l’avant-garde d’une révolution perturbatrice mais incroyablement prometteuse autour des mégadonnées et de l’intelligence artificielle », a déclaré le doyen de l’Umsom Mark T. Gladwin, MD, qui est également vice-président des affaires médicales, professeur Distinguished de John Z. et Akiko K. Bowers.
« Les ingénieurs et les chercheurs de médecins travaillant à l’Institut pour l’informatique de la santé ont un accès sécurisé aux dossiers médicaux des deux millions de patients que nous servons dans tout le Maryland, et comme le démontre cette étude, peut utiliser l’IA et les mégadonnées pour identifier les premiers signaux de maladies infectieuses émergentes comme la grippe oiseau pour nous permettre d’agir plus tôt pour tester ces maladies et empêcher la propagation. »
Les autres co-auteurs de la faculté UMSOM sur le journal comprennent Laurence S. Magder, Ph.D., professeur d’épidémiologie et de santé publique à UMSOM, Jonathan D. Baghdadi, Ph.D., MD, professeur agrégé d’Epidemiology & Public Health à Umsom, qui est également sur le professeur de la Santé UM-IHC et Daniel J. Umsom.
