IA Analyses les Observations des Infirmières pour Prévenir les Risques Patients Plus Tôt

Un outil d'intelligence artificielle (IA) analyse les notes des infirmières pour détecter plus tôt les signes de dégradation de la santé des patients, réduisant ainsi considérablement les risques pour leur vie. Développé par des chercheurs, ce système d'alerte précoce baptisé CONCERN (Conscious Nurse Observations Reveal Necessary Signals) a été testé cliniquement entre 2020 et 2022 sur plus de 60 000 patients. Les résultats, publiés en avril dans la revue Nature Medicine, ont montré une réduction de 35% du risque de décès parmi les patients, une diminution de 7,5% du risque de sepsis, et une réduction de la durée moyenne de séjour hospitalier de plus de demi-journée. Le principal atout de CONCERN est son capacité à interpréter la métadonnée associée aux notes prises par les infirmières dans les dossiers médicaux électroniques (DME). Bien que l'IA comprenne le langage naturel et puisse lire les observations notées par les soignants, son innovation réside davantage dans l’analyse des décisions prises par les infirmières. Par exemple, si une infirmière constate que le teint d'un patient a légèrement changé, qu'il paraît plus fatigué ou que ses capacités cognitives semblent altérées, elle peut augmenter la fréquence des visites ou reporter l’administration de certains médicaments. CONCERN EWS examine ces micro-décisions, ainsi que les dates, heures et lieux des interventions, à la recherche de modèles indiquant une potentielle dégradation de l'état de santé du patient. Si le système identifie des tendances alarmantes, comme une surveillance plus fréquente en pleine nuit, il alerte immédiatement l'équipe soignante. L'interface de CONCERN EWS affiche les détails cliniques qui entrent en ligne de compte pour calculer le score de risque prédictif de chaque patient (Figure 1). Sarah Rossetti, auteure principale de l'étude et professeure agrégée de bio-informatique et d'infirmière à l'Université Columbia, a souligné que le modèle d'apprentissage automatique avait permis de réduire la durée de séjour hospitalier en moyenne de 11%. Les cartes graphiques NVIDIA RTX A2000 12GB ont été utilisées pour développer l'algorithmie derrière cet outil. Pendant les essais cliniques, CONCERN EWS a été déployé dans quatre hôpitaux répartis sur deux systèmes hospitaliers différents, situés au Massachusetts et à New York. Grâce à ce système, les équipes médico-soignantes ont réussi à détecter les signes de danger 42 heures plus tôt que par les méthodes traditionnelles. Cette anticipation a permis une intervention plus rapide, avant que la condition du patient ne se dégrade dangereusement. En mai, ces résultats prometteurs ont valu au projet l'une des trois prestigieuses bourses "Reimagining Nursing Initiative" décernées chaque année par la Fondation Américaine des Infirmières (American Nurses Foundation). Le montant total des bourses, de 1,5 million de dollars, sera réparti parmi les récipiendaires. Sarah Rossetti et Kenrick Cato, professeur d'informatique à l'Université de Pennsylvanie et co-directeur du projet, prévoient d'utiliser leur part de la bourse pour travailler avec l'Hôpital pour Enfants du Colorado. L'objectif est de créer une version pédiatrique de leur modèle actuel et de l'évaluer dans les hôpitaux de proximité. Ce système s'appuie sur les précieuses observations des infirmières, qui, par leurs interactions fréquentes avec les patients, identifient souvent des changements subtils mais significatifs dans leur état de santé. CONCERN EWS transforme ces observations en prédictions précises, fournissant aux équipes soignantes des informations cruciales pour anticiper et gérer de manière proactive les situations à risque. Pour en savoir plus sur CONCERN EWS ou pour visionner une vidéo de présentation de la technologie, vous pouvez consulter les articles de presse et les ressources multimédias disponibles.