Suchi Saria et d’autres chercheurs de l’université Johns Hopkins ont mis au point un nouvel outil d’IA pour détecter la septicémie.

Les infections peuvent déclencher toutes sortes de réactions dans le corps humain, et l’une des plus extrêmes est la septicémie. Cette complication potentiellement mortelle est à l’origine de plus de 250 000 décès aux États-Unis chaque année, mais un nouveau système d’intelligence artificielle mis au point à l’université Johns Hopkins promet de faire une réelle différence dans ce domaine, en détectant rapidement les principaux symptômes.

La septicémie survient à la suite d’une infection qui déclenche une réponse immunitaire sévère dans l’organisme. Cela déclenche une séquence d’événements qui commence par une inflammation généralisée et peut se terminer par la formation de caillots sanguins, une fuite des vaisseaux sanguins, une défaillance des organes ou la mort. Les symptômes évidents, comme la fièvre ou la confusion, peuvent être interprétés à tort comme les symptômes d’autres affections, ce qui rend le diagnostic de la maladie difficile à ses débuts.

Or, il s’agit là d’un point critique, car l’état d’un patient atteint de septicémie peut se détériorer rapidement, la maladie tuant environ 30 % des personnes qui la développent. Nous avons vu quelques technologies prometteuses visant à améliorer les chances de réussite dans ces situations en détectant la septicémie clairement et rapidement. Il s’agit notamment de dispositifs qui détectent des biomarqueurs clés dans le sang en quelques minutes et d’outils permettant de repérer rapidement les agents pathogènes à l’origine de l’infection initiale.

L’équipe de Johns Hopkins a adopté une approche différente, en cherchant à tirer parti d’une intelligence artificielle avancée pour identifier les patients à risque. Pour ce faire, elle analyse les antécédents médicaux du patient et les combine avec ses symptômes actuels, ses notes cliniques et ses résultats de laboratoire. Appelée « Targeted Real-Time Early Warning System », l’IA suit les patients depuis leur admission à l’hôpital jusqu’à leur sortie. En les suivant de cette manière, le système est conçu pour s’assurer qu’aucun détail médical important, ou potentiellement dangereux, ne passe inaperçu.

Développé et déployé en collaboration avec la spin-off Bayesian Health de Johns Hopkins, l’outil a été utilisé dans cinq hôpitaux dans le cadre d’un essai de deux ans, impliquant plus de 700 000 patients. Dans ce contexte de chevet, le système d’alerte précoce est conçu pour envoyer des alertes aux médecins et aux prestataires de soins lorsqu’il y a lieu de s’inquiéter. Selon les chercheurs, le système s’est révélé très efficace, permettant de détecter la septicémie en moyenne près de six heures plus tôt que les méthodes traditionnelles, avec un taux de sensibilité de 82 %. Il a également favorisé un taux d’adoption élevé parmi les prestataires de soins de santé, soit 89 %.

Le résultat a été une réduction significative de la morbidité, de la durée de l’hospitalisation et, surtout, une réduction de la mortalité de 18,2 %.

« Il ne reste pas beaucoup de choses en médecine qui ont un taux de mortalité de 30 % comme la septicémie », a déclaré Neri Cohen, MD, PhD, président du Center for Healthcare Innovation qui a collaboré avec les chercheurs. « Ce qui la rend si contrariante, c’est qu’elle est relativement courante et que nous n’avons encore fait que très peu de progrès pour la reconnaître suffisamment tôt pour réduire sensiblement la morbidité et la mortalité. Réduire la mortalité de près de 20 % est remarquable et se traduit par de nombreuses vies sauvées. »

Les chercheurs adaptent également la technologie de chevet pour détecter d’autres pathologies, comme les escarres ou l’insuffisance respiratoire aiguë.

« C’est le premier cas où l’IA est mise en œuvre au chevet du patient, utilisée par des milliers de prestataires, et où nous voyons des vies sauvées », a déclaré Suchi Saria, auteur principal des études. « C’est un bond extraordinaire qui permettra de sauver des milliers de patients atteints de septicémie chaque année. Et l’approche est maintenant appliquée pour améliorer les résultats dans d’autres domaines problématiques importants, au-delà de la septicémie. »

https://www.nature.com/articles/s41746-022-00597-7

https://hub.jhu.edu/2022/07/21/artificial-intelligence-sepsis-detection/

https://www.bayesianhealth.com/sepsis-research/

https://www.nature.com/articles/s41591-022-01894-0

https://www.nature.com/articles/s41591-022-01895-z