Lorsque les patients reçoivent des soins après un arrêt cardiaque, les médecins peuvent désormais, en saisissant les données du patient dans une application Web, découvrir comment des milliers de patients similaires se sont comportés. Des chercheurs de l’Université de Göteborg ont mis au point trois systèmes d’aide à la décision en cas d’arrêt cardiaque qui pourraient, à l’avenir, faire une grande différence dans le travail des médecins.
L’un de ces outils d’aide à la décision (SCARS-1), désormais publié, est téléchargeable gratuitement sur le site Web Gothenburg Cardiac Arrest Machine Learning Studies. Cependant, les résultats de l’algorithme doivent être interprétés par des personnes ayant les bonnes compétences. L’aide à la décision basée sur l’IA se développe fortement dans de nombreux domaines des soins de santé, et des discussions approfondies sont en cours sur la manière dont les services de soins et les patients peuvent en tirer le meilleur parti.
L’application accède aux données du registre suédois de réanimation cardiorespiratoire sur des dizaines de milliers de cas de patients. Les chercheurs de l’Université de Göteborg ont utilisé une forme avancée d’apprentissage automatique pour apprendre aux modèles de prédiction clinique à reconnaître divers facteurs qui ont affecté les résultats précédents. Les algorithmes prennent en compte de nombreux facteurs liés, par exemple, à l’arrêt cardiaque, au traitement fourni, aux problèmes de santé antérieurs, aux médicaments et au statut socio-économique.
Nouvelles méthodes fondées sur des données probantes
Il faudra quelques années avant que les recommandations officielles en matière d’arrêt cardiaque n’incluent probablement une aide à la décision basée sur l’IA, mais les médecins sont libres d’utiliser ces modèles de prédiction et d’autres nouvelles méthodes fondées sur des preuves. Le groupe de recherche travaillant sur l’aide à la décision en cas d’arrêt cardiaque est dirigé par Araz Rawshani, chercheur à l’Académie Sahlgrenska de l’Université et médecin résident en cardiologie à l’hôpital universitaire Sahlgrenska.
“Moi et plusieurs de mes collègues qui traitent les patients d’urgence souffrant d’un arrêt cardiaque avons déjà commencé à utiliser les modèles de prédiction dans le cadre de notre processus de décision sur le niveau de soins. La réponse de ces outils signifie souvent que nous obtenons la confirmation des points de vue que nous avons Pourtant, cela nous aide à ne pas soumettre les patients à des traitements douloureux dont il est très peu probable qu’ils soient bénéfiques pour le patient, tout en économisant les ressources de soins », déclare Rawshani.
Haute précision
À ce jour, le groupe de recherche a publié deux outils d’aide à la décision. Un modèle de prédiction clinique, connu sous le nom de SCARS-1, est présenté dans Le Lancet eBioMédecine journal. Ce modèle indique si un nouveau cas de patient ressemble à d’autres cas antérieurs où, 30 jours après leur arrêt cardiaque, les patients avaient survécu ou étaient décédés. La précision du modèle est exceptionnellement élevée. Basé sur les dix facteurs les plus significatifs seuls, le modèle a une sensibilité de 95 % et une spécificité de 89 %. La “valeur AUC-ROC” (ROC étant la courbe caractéristique de fonctionnement du récepteur pour le modèle et AUC l’aire sous la courbe ROC) pour ce modèle est de 0,97. La valeur AUC-ROC la plus élevée possible est de 1,0 et le seuil pour un modèle cliniquement pertinent est de 0,7.
Une pièce du puzzle
Cette aide à la décision a été développée par Fredrik Hessulf, doctorant à l’Académie Sahlgrenska, Université de Göteborg, et anesthésiste à l’hôpital universitaire Sahlgrenska/Mölndal.
“Cette aide à la décision est l’une des pièces d’un grand puzzle : l’évaluation globale d’un patient par le médecin. Nous avons de nombreux facteurs à prendre en compte pour décider d’entreprendre ou non une réanimation cardiorespiratoire. C’est un traitement très exigeant que nous ne devrions donner qu’aux patients qui en bénéficieront et pourront, après leur séjour à l’hôpital, mener une vie digne d’eux-mêmes », déclare Hessulf.
Cette forme de soutien est basée sur 393 facteurs affectant les chances des patients de survivre à leur arrêt cardiaque pendant 30 jours après l’événement. La haute précision du modèle peut s’expliquer par le grand nombre de cas de patients (environ 55 000) sur lesquels l’algorithme est basé et le fait que dix des près de 400 facteurs se sont avérés avoir un impact important sur la survie. Le facteur de loin le plus important était de savoir si le cœur retrouvait un rythme cardiaque viable après l’admission du patient aux urgences.
Risque de nouvel arrêt cardiaque
Le deuxième outil d’aide à la décision publié a été présenté dans la revue Resuscitation. Cet outil est basé sur les données de patients qui ont survécu à leur arrêt cardiaque hors de l’hôpital jusqu’à leur sortie de l’hôpital. Les modèles prédictifs sont basés sur 886 facteurs dans 5098 cas de patients du registre suédois de réanimation cardiorespiratoire. Cet outil vise en partie à aider les médecins à identifier les patients à risque d’un autre arrêt cardiaque ou de décès dans l’année suivant leur sortie de l’hôpital suite à leur arrêt cardiaque. Il vise également à mettre en évidence les facteurs importants pour la survie à long terme après un arrêt cardiaque – un aspect du domaine qui n’a pas été bien étudié.
“La précision de cet outil est raisonnablement bonne. Il peut prédire avec une fiabilité d’environ 70 % si le patient mourra ou aura eu un autre arrêt cardiaque dans un délai d’un an. Comme l’outil de Fredrik, celui-ci a l’avantage que seuls quelques facteurs peut prédire le résultat presque aussi bien que le modèle avec plusieurs centaines de variables », explique Gustaf Hellsén, le médecin chercheur qui a développé cet outil d’aide à la décision.
« Nous espérons, poursuit-il, réussir à développer ce modèle de prédiction, afin d’en accroître la précision. Aujourd’hui, il peut déjà servir de support aux médecins pour identifier les facteurs ayant une incidence importante sur la survie chez les patients en arrêt cardiaque qui doivent sortir de l’hôpital.”
