Notebookcheck Logo

Le système d'IA d'un hôpital canadien réduit les décès inattendus de 26 % en alertant en temps réel les patients à haut risque

L'étude impliquant CHARTwatch a montré que les décès dans l'unité GIM sont passés de 2,1 % (avant l'outil d'IA) à 1,6 % (après l'outil d'IA). (Source de l'image : Natanael Melchor via Unsplash)
L'étude impliquant CHARTwatch a montré que les décès dans l'unité GIM sont passés de 2,1 % (avant l'outil d'IA) à 1,6 % (après l'outil d'IA). (Source de l'image : Natanael Melchor via Unsplash)
Un nouvel outil d'apprentissage automatique, CHARTwatch, a permis d'améliorer les soins aux patients dans l'unité de médecine générale d'un hôpital canadien, réduisant les décès inattendus de 26 %. En identifiant les patients à haut risque en temps réel, CHARTwatch incite les médecins et les infirmières à intervenir rapidement, transformant ainsi les données en actions vitales.

Les hôpitaux sont constamment à la recherche de moyens pour identifier rapidement les patients qui risquent de se détériorer soudainement. Ce laps de temps peut faire la différence entre sauver une vie et en perdre une. La bonne nouvelle, c'est que l'IA s'avère être une aubaine dans ce secteur. Une nouvelle étude Canadienne canadienne a trouvé une solution : une intelligence artificielle d'intelligence artificielle conçu pour alerter rapidement les professionnels de la santé. Ce système, appelé CHARTwatcha été mis en place à St. Michael's Hospitamichael's Hospita, à Toronto, afin d'aider les médecins et les infirmières à détecter les signes avant-coureurs du déclin d'un patient et à réagir plus rapidement.

L'étude a révélé que l'unité de médecine interne générale (GIM) de l'hôpital a constaté une diminution de certains types de décès de patients grâce à l'utilisation de ce système. L'étude s'est concentrée sur les décès "non palliatifs", c'est-à-dire les décès qui surviennent sans que le patient ne soit en état de recevoir des soins palliatifs. Les soins palliatifs sont des traitements spécialisés dispensés aux patients atteints de maladies graves, souvent mortelles, qui visent à améliorer la qualité de vie plutôt qu'à guérir la maladie. L'objectif de l'outil d'IA était de prévenir les décès inattendus ou non planifiés, plutôt que ceux qui surviennent alors que les patients reçoivent des soins palliatifs.

Taux de mortalité chez les patients à haut risque : Après l'introduction de l'outil d'IA, le nombre de décès de patients à haut risque a diminué dans l'unité GIM, mais il n'y a pas eu de grand changement dans les autres services de l'hôpital. (Source de l'image : CMAJ)
Taux de mortalité chez les patients à haut risque : Après l'introduction de l'outil d'IA, le nombre de décès de patients à haut risque a diminué dans l'unité GIM, mais il n'y a pas eu de grand changement dans les autres services de l'hôpital. (Source de l'image : CMAJ)
Décès non palliatifs et globaux chez les patients : Les taux de décès ont chuté dans l'unité GIM après l'utilisation de l'outil d'IA, mais sont restés à peu près les mêmes dans les autres secteurs de l'hôpital. (Source de l'image : CMAJ)
Décès non palliatifs et globaux chez les patients : Les taux de décès ont chuté dans l'unité GIM après l'utilisation de l'outil d'IA, mais sont restés à peu près les mêmes dans les autres secteurs de l'hôpital. (Source de l'image : CMAJ)

L'étude, qui s'est déroulée de 2016 à 2022, a porté sur plus de 13 000 admissions de patients dans l'unité GIM. Les résultats ont révélé une réduction relative de 26 % des décès non palliatifs au cours de cette période d'intervention, passant de 2,1 % à 1,6 %. Bien que ce pourcentage de réduction puisse sembler minime, il se traduit par un impact significatif sur les résultats pour les patients. Dans un hôpital, une réduction, même minime, des taux de mortalité peut se traduire par des dizaines de vies sauvées au fil du temps.

CHARTwatch envoie des alertes en temps réel aux cliniciens, ce qui implique qu'ils peuvent agir rapidement lorsqu'un patient montre des signes de déclin, ou plutôt de déclin soudain. Parmi les patients à haut risque identifiés par le système, les décès non palliatifs sont passés de 10,3 % à 7,1 %. En outre, des soins plus proactifs ont été prodigués aux patients à la suite de la mise en œuvre de CHARTwatch. Par exemple, les doses d'antibiotiques et de corticostéroïdes ont été augmentées en conséquence, et les constantes vitales ont été contrôlées plus souvent que d'habitude.

Il s'agit évidemment d'une évolution positive, mais les chercheurs ont inclus des mises en garde dans le document de recherche. L'étude n'était pas randomisée et d'autres facteurs inconnus auraient pu influencer les résultats. En outre, l'étude s'est concentrée sur une seule unité hospitalière, et les résultats pourraient être très différents dans un environnement plus vaste. Néanmoins, cette étude est une preuve essentielle que les outils d'apprentissage automatique joueront un rôle vital dans l'assurance-maladie, en contribuant à l'amélioration des soins aux patients et, espérons-le, en sauvant de nombreuses vies dans le processus.

Les patients ont été répartis en groupes "à haut risque" ou "à faible risque" sur la base des alertes de l'IA. Cette image montre le nombre de patients inclus dans chaque groupe avant et après l'utilisation de l'outil d'IA. (Source de l'image : CMAJ)
Les patients ont été répartis en groupes "à haut risque" ou "à faible risque" sur la base des alertes de l'IA. Cette image montre le nombre de patients inclus dans chaque groupe avant et après l'utilisation de l'outil d'IA. (Source de l'image : CMAJ)
Please share our article, every link counts!
Mail Logo
> Revues et rapports de ordinateurs portatifs et smartphones, ordiphones > Archives des nouvelles 2024 09 > Le système d'IA d'un hôpital canadien réduit les décès inattendus de 26 % en alertant en temps réel les patients à haut risque
Anubhav Sharma, 2024-09-17 (Update: 2024-09-17)