L'apprentissage automatique est déployé à l'hôpital St. Michael's pour alerter rapidement les patients qui risquent d'être transférés dans une unité de soins intensifs (USI).

Toronto - Le Vector Institute Aujourd'hui, l'Institut Vecteur, un institut de recherche indépendant à but non lucratif axé sur l'apprentissage machine et profond de pointe, a annoncé le lancement du premier d'une série de projets exploratoires visant à mettre en œuvre des technologies assistées par l'IA dans le secteur de la santé.

"Ces projets mettront en évidence les résultats positifs qui peuvent être obtenus si nous tirons parti de la puissance de l'IA dans le secteur de la santé", déclare le Dr Garth Gibson, vice-président et directeur général de Vector.

Le premier projet Pathfinder soutiendra l'hôpital St. Michael's de Toronto. Dirigé par le Dr Amol Verma, interniste et clinicien-chercheur, et le Dr Muhammad Mamdani et leur équipe du Li Ka Shing Centre for Healthcare Analytics Research and Training (LKS-CHART) à l'hôpital St. Michael's, l'objectif est de tester et d'affiner un système d'alerte précoce basé sur l'IA pour l'unité de médecine interne générale (GIM) de l'hôpital, où les patients reçoivent des soins hospitaliers. Environ un patient sur 13 dans cette unité est gravement malade et devra être transféré dans une unité de soins intensifs ou succombera à sa maladie à l'hôpital. Cependant, il est souvent difficile de prédire quels patients sont susceptibles de nécessiter des soins de niveau ICU : c'est là que l'IA entre en jeu.

Le système utilisera l'IA pour traiter des flux réguliers de données de santé et prédire quand un patient doit être transféré à l'unité de soins intensifs. Le fait de prédire avec précision le moment où les patients doivent être transférés 12 à 24 heures plus tôt peut permettre de disposer de plus de temps pour des soins d'intervention précoce potentiellement salvateurs, et de réduire les taux d'arrêt cardiaque et de mortalité.

Les projets exploratoires sont des efforts à petite échelle conçus pour produire des résultats dans les 12 à 18 mois qui orientent la recherche future et l'adoption de la technologie. Avec le soutien technique et les ressources de l'Institut Vecteur, ils rassemblent chacun une équipe de recherche multidisciplinaire pour s'attaquer à un problème ou à une opportunité de soins de santé importants en utilisant l'apprentissage automatique et l'IA de manière plus générale. Chaque projet a été choisi pour son potentiel à aider à identifier une "voie" par laquelle la recherche sur l'apprentissage automatique de classe mondiale peut être traduite en avantages généralisés pour les patients.

"L'Institut Vector et les membres de son corps professoral souhaitent vivement contribuer à la mise en œuvre de l'IA en santé ; nous voulons améliorer les résultats pour les patients et réduire les coûts pour les fournisseurs", déclare le Dr Alison Paprica, vice-présidente de la stratégie et des partenariats en matière de santé à l'Institut Vector . "Nous espérons que ces projets exploratoires inciteront davantage d'équipes au sein du système de soins de santé à se concentrer sur la mise en pratique de recherches de haute qualité en matière d'IA pour la santé."

À propos de l'Institut Vecteur

L'Institut Vecteur est une société indépendante à but non lucratif qui se consacre à l'avancement de l'intelligence artificielle, en excellant dans l'apprentissage machine et l'apprentissage profond. La vision de l'Institut Vecteur est de stimuler l'excellence et le leadership dans la connaissance, la création et l'utilisation de l'IA au Canada afin de favoriser la croissance économique et d'améliorer la vie des Canadiens.

L'Institut Vecteur est financé par le gouvernement de l'Ontario, le gouvernement du Canada par le biais de la stratégie pancanadienne en matière d'IA administrée par le CIFAR, et des sponsors industriels issus de l'ensemble de l'économie canadienne.

Système d'alerte précoce pour la médecine interne générale

Le Dr Muhammad Mamdani, directeur du Li Ka Shing Centre for Healthcare Analytics Research and Training (LKS-CHART) à l'hôpital St. Michael's de Toronto, est confronté à une réalité : un patient sur 13 en médecine interne à l'hôpital St. Michael's de Toronto finit par être transféré aux soins intensifs ou succombe à sa maladie. Pour compliquer encore les choses, il est souvent difficile pour les médecins de prévoir la détérioration. "Si vous êtes suffisamment malade pour avoir besoin d'un hôpital, vous êtes déjà très malade", explique le Dr Amol Verma, médecin interniste et chercheur, responsable clinique de l'équipe. "Si vous êtes tellement malade que vous avez besoin de thérapies de maintien en vie, c'est à ce moment-là que vous devez être dans une unité de soins intensifs".  

L'abondance des données dont dispose l'équipe a joué en sa faveur : les hôpitaux sont inondés de données sur les patients. Pourtant, malgré toute l'expertise des cliniciens de l'hôpital, il était pratiquement impossible de les trier en temps voulu. "Lorsque nous nous rendons compte que ces patients ont un problème, nous avons généralement trois heures pour réagir", explique le Dr Mamdani.

"Et trois heures ne suffisent généralement pas", ajoute le Dr Verma.

Bien que difficile, le problème n'était pas insurmontable ; le Dr Mamdani travaille avec de grands ensembles de données - ce que nous appelons aujourd'hui les "big data" - depuis plus de 20 ans et le Li Ka Shing Centre est spécialisé dans l'analyse des données. Compte tenu du grand nombre de données à trier, lui et son équipe se sont tournés vers l'apprentissage automatique. Sous-domaine de l'intelligence artificielle, l'apprentissage automatique est idéal pour trouver des structures, des modèles et des tendances dans de grands ensembles de données.

L'équipe a créé un algorithme et l'a entraîné à l'aide des dossiers médicaux anonymes des anciens patients de médecine interne de l'hôpital. Lorsque l'algorithme prend en compte les nouvelles données des patients actuels, il les compare à celles de plus de 20 000 autres cas antérieurs, explique-t-il. précédents, explique-t-il.

Le système d'alerte précoce pour la médecine interne générale (le Dr Mamdani admet que leur création pourrait probablement porter un titre plus accrocheur) utilise un modèle de risque prédictif pour formuler des recommandations médicales. Système informatique "intelligent", il calcule le risque qu'un patient devienne plus malade et doive être transféré à l'unité de soins intensifs. "Lorsqu'il atteint un certain seuil, il alerte l'équipe médicale. "Leur taux de glucose est élevé, cela est transmis à notre système de laboratoire, cette information est introduite dans un algorithme avec d'autres, et il dit, 'Huh, il pourrait y avoir un problème ici'".

Seule une poignée d'institutions dans le monde tentent actuellement des approches similaires en matière de soins de santé. Les docteurs Verma et Mamdani et leur équipe seront parmi les premiers à tester la qualité et les effets de son pouvoir prédictif dans le cadre d'un essai clinique. "C'est beaucoup plus précis que ce à quoi nous sommes habitués avec les méthodes traditionnelles", déclare-t-il. "C'est assez puissant.

Conscient du caractère novateur des travaux de l'équipe et de leur capacité à produire des résultats directs et positifs en matière de soins de santé pour les patients, l'Institut Vecteur apporte un soutien opérationnel et technique à la recherche afin d'en maximiser l'impact.

La preuve du concept étant faite, la prochaine étape consiste à l'intégrer dans les systèmes hospitaliers existants, une tâche dont le Dr Mamdani admet qu'elle est plus facile à dire qu'à faire. "Comment le faire fonctionner de manière à ce qu'il fournisse aux médecins des informations utiles et significatives dans un environnement où les alarmes se déclenchent régulièrement ?

Mamdani et Verma s'accordent à dire que la clé de leur succès, et ce qui rend leur projet si unique, est l'accès au personnel soignant de première ligne. Ils réunissent des médecins, des infirmières et des patients afin de déterminer leurs besoins et de travailler dans le respect de ces contraintes. "Il est beaucoup plus efficace d'adapter un algorithme aux flux de travail des cliniciens que d'adapter le comportement des cliniciens aux performances d'un algorithme.

Le système d'alerte précoce pour la médecine interne générale est le premier d'une série de projets exploratoires identifiés et soutenus par l'Institut Vecteur.

Projets supplémentaires de Pathfinder : 

Des milliers d'images au bout des doigts du radiologue pour voir l'invisible

Identification des tiques pour lutter contre la maladie de Lyme

Un cardiologue canadien de renom utilise l'IA pour répondre à une bombe à retardement

Par Ian Gormely