Big Data, intelligence artificielle, médecine 4.0 – la numérisation n’épargne pas la médecine. La technologie médicale numérique va déterminer de plus en plus d’activités médicales et donc modifier le rôle des médecins et leurs traitements. L’intelligence artificielle peut-elle également aider à établir un pronostic pour les patients hypertendus ?
La numérisation et la mise en réseau dans le secteur de la santé sont de plus en plus poussées et font leur entrée dans de nombreux hôpitaux. Le big data et l’intelligence artificielle sont également synonymes d’opportunités d’amélioration de l’efficacité des processus, de la qualité des soins et donc de la satisfaction des patients, ainsi que de réduction de la charge de travail liée à la documentation. Les décisions et la planification peuvent être optimisées à l’aide de machines et ciblées sur les besoins individuels du patient. L’un des domaines d’application est la surveillance de l’hypertension artérielle, qui génère un grand nombre de données différentes.
Une étude a maintenant pour objectif de décrire un score de changement thérapeutique (TCS) dans les cas d’hypertension traités et suivis à long terme, et de développer un modèle de prédiction du TCS. Pour cela, 1293 patients ont été suivis pendant 5,1 ans en moyenne. Les données démographiques, les antécédents médicaux, les paramètres cliniques avec la pression artérielle, mesurés de manière standardisée avec un appareil électronique par mesure automatique, ont été recueillis. En outre, à chaque consultation, la gestion actuelle du traitement a été notée. Le TCS a été calculé pour chaque visite avec 0 en cas de stabilité thérapeutique et 1 en cas de modification d’au moins un traitement antihypertenseur ou de sa posologie. Les données ont été anonymisées et organisées afin de permettre l’entraînement et la mise en œuvre de l’intelligence artificielle pour prédire les modèles TCS.
Un suivi optimisé grâce à l’intelligence artificielle
L’analyse Kaplan-Meyer a révélé un TCS positif chez 70% des sujets au cours de la première année et chez 98% au cours de la durée totale du suivi. Le modèle de prévision pour le TCS contient 160 variables. Ce modèle permet de prédire un changement de prescription d’antihypertenseurs lors de la visite suivante avec une valeur positive réelle de 95% et une valeur prédictive négative de 77%. Grâce à l’intelligence artificielle, il est donc possible d’optimiser le suivi de l’hypertension.
Source : 29th European meeting of hypertension and cardiovcascular protection (ESH) (publié le 10.10.19, ahead of print)
Littérature complémentaire :
- Bossiere F, et al. : Prediction oft he therapeutic change score in hypertensive subjects by Big Data analysis and artificial intelligence. Journal of Hypertension 2019 ; 37:e1
CARDIOVASC 2019 ; 18(5) : 32
