Des scientifiques de l’hôpital universitaire de Heidelberg développent un “assistant médical cognitif” / Un algorithme doit détecter à l’avance le risque opératoire individuel du patient, faciliter les décisions thérapeutiques et prévenir les complications
Afin d’évaluer et de prendre en compte le plus précisément possible le risque individuel de complications d’un patient avant l’opération, des scientifiques de l’hôpital universitaire de Heidelberg veulent utiliser des méthodes de “machine learning”. Dans le cadre du projet “Assistant médical cognitif (KoMed)”, une équipe interdisciplinaire des cliniques d’anesthésiologie et de chirurgie générale, viscérale et de transplantation va, au cours des deux prochaines années, former un algorithme à l’évaluation d’un grand nombre de données cliniques de patients par le biais d’analyses de big data. L’objectif est de reconnaître des modèles dans les données et d’identifier des corrélations qui peuvent être utilisées pour créer des profils de risque individuels. Développé en collaboration avec des partenaires industriels, KoMed devrait à l’avenir fournir une aide à la décision fondée afin d’éviter les complications grâce à un traitement et des soins adaptés.
Jusqu’à présent, les scores de risque dépendaient par exemple de l’âge, du sexe et des maladies antérieures. Ils ne reflètent pas suffisamment le risque réel de complications pour chaque patient. Le KoMed analysera un grand nombre de données disponibles sur les patients et identifiera les caractéristiques associées à un risque accru ou faible de complications telles que les infections de plaies ou les crises cardiaques. “Cela donne non seulement aux patients et aux équipes soignantes une plus grande sécurité dans la prise de décision thérapeutique”, explique le chef de projet, le Dr Jan Larmann, médecin-chef de la clinique universitaire d’anesthésiologie. “L’évaluation la plus précise possible du risque permet en outre une utilisation ciblée des ressources et apporte donc également un avantage économique”.
“Le développement des techniques chirurgicales et des procédures d’anesthésie ne permet de réduire le risque de complications que dans une certaine mesure. Nous avons besoin de toute urgence de plus d’informations sur les caractéristiques des patients qui sont associées à un risque accru ou réduit de complications, afin de pouvoir traiter les patients de manière individualisée à l’avenir”, explique le professeur Pascal Probst, chef de clinique à l’hôpital universitaire de chirurgie et directeur médical du centre d’étude de la Société allemande de chirurgie (SDGC). Dans le cadre d’une première étude clinique d’observation, les données de routine et les parcours de soins de 600 patients chirurgicaux seront recueillis dans un premier temps. Ces données sont traitées sous une forme structurée et analysable et fournissent la base à partir de laquelle KoMed apprend à identifier les risques potentiels. Certes, les données relatives aux maladies de base et concomitantes, à l’imagerie, au type et à l’évolution de l’opération, à la médication et aux valeurs sanguines ainsi qu’à une multitude d’autres mesures de la routine clinique sont déjà saisies numériquement, mais seule une fraction de ces données est utilisée pour le pronostic des risques – les systèmes utilisés pour le traitement ne permettent pas une analyse.
En outre, des analyses protéomiques sont effectuées sur les patients de l’étude : Celles-ci donnent une vue d’ensemble de toutes les protéines actuellement actives dans le corps et permettent ainsi de comprendre les processus métaboliques, leur modification ou leur perturbation. “En combinant les données protéomiques et les données cliniques de routine, nous espérons mieux comprendre dans quelles circonstances des complications surviennent et quels mécanismes pathologiques les déclenchent. Il sera ainsi possible à l’avenir de prendre des mesures correctives ciblées”, a déclaré Larmann.
A la fin de la phase d’entraînement, le système devrait être en mesure de prédire les complications avec une précision jamais atteinte auparavant. “Nous pensons que ces connaissances contribueront à elles seules à prévenir les complications, car les patients à risque pourront être surveillés de manière plus intensive et traités plus tôt”, déclare Larmann avec confiance. Alors qu’une prise en charge en soins intensifs est souvent indiquée pour les patients à risque, KoMed doit d’autre part éviter aux patients à faible risque un séjour inutile en soins intensifs : Si aujourd’hui, par exemple, un patient est automatiquement affecté à un groupe à haut risque en raison de son âge ou du type d’intervention, KoMed devrait à l’avenir reconnaître un état de santé stable et en tenir compte dans l’analyse des risques. Avant d’être utilisé en clinique, KoMed doit toutefois être entraîné avec d’autres données de patients et validé dans un groupe de patients indépendant.
Source : Clinique universitaire d’anesthésiologie de Heidelberg (D)
