Les programmes d'apprentissage automatique prédisent le risque de décès sur la base des résultats des tests hospitaliers de routine

Jun 18, 2023

Résumé: À l'aide des données ECG, un nouvel algorithme d'apprentissage automatique a pu prédire le décès dans les 5 ans suivant l'admission d'un patient à l'hôpital avec une précision de 87 %. L'IA a pu trier les patients en 5 catégories allant du risque de décès faible à élevé.

Source:Université de l'Alberta

Si vous avez déjà été hospitalisé ou visité un service d'urgence, vous avez probablement subi un électrocardiogramme, ou ECG, un test standard impliquant de minuscules électrodes collées sur votre poitrine qui vérifie le rythme cardiaque et l'activité électrique.

Les ECG hospitaliers sont généralement lus par un médecin ou une infirmière à votre chevet, mais les chercheurs utilisent désormais l'intelligence artificielle pour glaner encore plus d'informations à partir de ces résultats afin d'améliorer simultanément vos soins et le système de santé.

Dans des découvertes récemment publiées, l'équipe de recherche a construit et formé des programmes d'apprentissage automatique basés sur 1,6 million d'ECG effectués sur 244 077 patients dans le nord de l'Alberta entre 2007 et 2020.

L'algorithme a prédit le risque de décès à partir de ce moment pour chaque patient, toutes causes confondues, dans un délai d'un mois, un an et cinq ans avec un taux de précision de 85 %, triant les patients en cinq catégories, du risque le plus faible au risque le plus élevé.

Les prédictions étaient encore plus précises lorsque des informations démographiques (âge et sexe) et six résultats de tests sanguins de laboratoire standard étaient inclus.

Selon la chercheuse principale Padma Kaul, professeure de médecine et codirectrice du Canadian VIGOR Centre, l'étude est une preuve de concept pour l'utilisation de données recueillies de façon routinière afin d'améliorer les soins individuels et de permettre au système de soins de santé « d'apprendre » au fur et à mesure.

"Nous voulions savoir si nous pouvions utiliser de nouvelles méthodes telles que l'intelligence artificielle et l'apprentissage automatique pour analyser les données et identifier les patients présentant un risque de mortalité plus élevé", explique Kaul.

"Ces résultats illustrent comment les modèles d'apprentissage automatique peuvent être utilisés pour convertir les données collectées régulièrement dans la pratique clinique en connaissances pouvant être utilisées pour augmenter la prise de décision au point de service dans le cadre d'un système de soins de santé apprenant."

Un clinicien ordonnera un électrocardiogramme si vous souffrez d'hypertension artérielle ou de symptômes de maladie cardiaque, tels que des douleurs thoraciques, un essoufflement ou un rythme cardiaque irrégulier. La première phase de l'étude a examiné les résultats de l'ECG chez tous les patients, mais Kaul et son équipe espèrent affiner ces modèles pour des sous-groupes particuliers de patients.

Ils prévoient également de concentrer les prévisions au-delà de la mortalité toutes causes confondues pour examiner spécifiquement les causes de décès liées au cœur.

« Nous voulons prendre les données générées par le système de soins de santé, les convertir en connaissances et les réinjecter dans le système afin que nous puissions améliorer les soins et les résultats. C'est la définition d'un système de soins de santé apprenant.

Auteur:Ross NeitzSource:Université de l'AlbertaContact:Ross Neitz – Université de l'AlbertaImage:L'image est dans le domaine public

Recherche originale : Libre accès "Vers un système de santé basé sur l'intelligence artificielle pour la prédiction de la mortalité au niveau de la population à l'aide d'électrocardiogrammes" par Padma Kaul et al. npj Médecine numérique

Abstrait

Vers un système de santé d'apprentissage basé sur l'intelligence artificielle pour la prédiction de la mortalité au niveau de la population à l'aide d'électrocardiogrammes

La faisabilité et la valeur de relier les données d'électrocardiogramme (ECG) aux données administratives longitudinales sur la santé au niveau de la population pour faciliter le développement d'un système de soins de santé d'apprentissage n'ont pas été pleinement explorées. Nous avons développé des modèles d'apprentissage automatique basés sur l'ECG pour prédire le risque de mortalité chez les patients se présentant aux urgences ou à l'hôpital pour une raison quelconque.

À l'aide des tracés ECG à 12 dérivations et des mesures de 1 605 268 ECG de 748 773 épisodes de soins de santé de 244 077 patients (2007-2020) en Alberta, au Canada, nous avons développé et validé des modèles d'apprentissage en profondeur (DL) basés sur ResNet et XGBoost (XGB) pour prédire la mortalité à 30 jours, 1 an et 5 ans. Les modèles de mortalité à 30 jours, 1 an et 5 ans ont été formés sur 146 173, 141 072 et 111 020 patients et évalués sur 97 144, 89 379 et 55 650 patients, respectivement. Dans la cohorte d'évaluation, 7,6 %, 17,3 % et 32,9 % des patients sont décédés à 30 jours, 1 an et 5 ans, respectivement.

Les modèles ResNet basés sur les tracés ECG seuls présentaient des performances allant de bonnes à excellentes avec une courbe caractéristique de fonctionnement de l'aire sous le récepteur (AUROC) de 0,843 (IC à 95 % : 0,838-0,848), 0,812 (0,808-0,816) et 0,798 (0,792-0,803) pour la prédiction sur 30 jours, 1 an et 5 ans, respectivement ; et étaient supérieurs aux modèles XGB basés sur des mesures ECG avec AUROC de 0,782 (0,776–0,789), 0,784 (0,780–0,788) et 0,746 (0,740–0,751).

Cette étude démontre la validité des modèles de prédiction de la mortalité DL basés sur l'ECG au niveau de la population qui peuvent être exploités pour le pronostic au point de service.

Super article Ross! Il est impressionnant de voir comment les algorithmes d'apprentissage automatique peuvent prédire le risque de décès avec des taux de précision aussi élevés basés sur les données ECG et d'autres tests hospitaliers de routine. Pensez-vous que cette technologie sera largement mise en œuvre dans le système de santé et quel impact aura-t-elle sur les soins aux patients ?

S'il a été programmé avec des données suffisantes et précises, il ne s'agit que de statistiques. Rien de nouveau sous le soleil, pour ainsi dire. Ce qui s'est produit un nombre important de fois avec un certain résultat est susceptible de se reproduire.

Je me demande si les causes de décès iatrogènes ont été incluses?

Les commentaires sont fermés.