L'insuffisance circulatoire est prévisible

Des chercheurs de l'ETH Zurich et de l'hôpital universitaire de Berne ont mis au point une méthode permettant de prédire l'insuffisance circulatoire chez les patients des unités de soins intensifs - ce qui permet aux cliniciens d'intervenir à un stade précoce. Leur approche fait appel à des méthodes d'apprentissage automatique pour évaluer un vaste ensemble de données sur les patients.
Grâce à cette nouvelle méthode, le nombre d'alarmes dans une unité de soins intensifs pourrait être réduit de 90 % (image symbole). (Photographie : Kiryl Lis / Adobe Stock)

Les patients de l'unité de soins intensifs d'un hôpital sont gardés sous étroite surveillance : les cliniciens surveillent en permanence leurs signes vitaux tels que le pouls, la pression sanguine et la saturation en oxygène du sang. Les médecins et les infirmières disposent ainsi d'une multitude de données sur l'état de santé de leurs patients. Néanmoins, utiliser ces informations pour prédire l'évolution de leur état ou pour détecter des changements mettant leur vie en danger bien à l'avance est tout sauf facile.

Les chercheurs de l'ETH Zurich et de l'hôpital universitaire de Berne ont récemment développé une méthode qui combine intelligemment les différents signes vitaux d'un patient avec d'autres informations médicales pertinentes. La fusion de ces données permet de prévoir une défaillance circulatoire critique plusieurs heures avant qu'elle ne se produise. À l'avenir, l'objectif est d'utiliser la méthode pour l'évaluation en temps réel des signes vitaux des patients hospitalisés afin de fournir un système d'alerte précoce au personnel médical de garde qui, à son tour, peut prendre des mesures appropriées à un stade précoce.

Un vaste ensemble de données

Les chercheurs ont pu développer cette approche grâce à la richesse des données fournies par le département de médecine des soins intensifs de l'hôpital universitaire de Berne. En 2005, il est devenu le premier grand service de soins intensifs en Suisse à commencer à stocker sous forme numérique des données granulaires à haute résolution pour les patients en soins intensifs. Pour leur étude, les chercheurs ont utilisé des données anonymes provenant de 36 000 admissions dans les unités de soins intensifs, qui provenaient exclusivement de patients ayant accepté que leurs données soient utilisées à des fins de recherche.

À l'initiative de Tobias Merz, collaborateur de recherche et ancien médecin-chef du département de médecine des soins intensifs de l'hôpital universitaire de Berne et qui travaille maintenant à l'hôpital de la ville d'Auckland, des chercheurs dirigés par les professeurs de l'ETH Zurich Gunnar Rätsch et Karsten Borgwardt ont analysé ces données en utilisant des méthodes d'apprentissage automatique. "Les algorithmes et les modèles que nous avons développés ont permis de prédire 90 % de toutes les défaillances circulatoires dans l'ensemble de données que nous avons utilisé. Dans 82 % des cas, la prédiction est arrivée au moins deux heures à l'avance, ce qui aurait donné aux médecins ce laps de temps pour intervenir", explique Gunnar Rätsch, professeur d'informatique biomédicale à l'ETH Zurich.

Relativement peu de variables requises

Pour chaque patient de leur étude, les chercheurs disposaient de plusieurs centaines de variables différentes combinées à d'autres informations médicales. "Cependant, nous avons pu montrer que seulement 20 de ces variables sont suffisantes pour faire des prédictions précises. Il s'agit notamment de la pression artérielle, du pouls, de diverses valeurs sanguines, de l'âge du patient et du médicament administré", explique Karsten Borgwardt, professeur d'extraction de données à l'ETH Zurich.

Pour améliorer encore la qualité des prévisions, les chercheurs prévoient d'intégrer les données des patients d'autres grands hôpitaux dans les analyses futures. En outre, ils mettront l'ensemble des données anonymes, les algorithmes et les modèles à la disposition d'autres scientifiques.

La nouvelle méthode pourrait réduire le nombre d'alarmes de 90 %

"La prévention de l'insuffisance circulatoire est un aspect crucial du traitement des patients en soins intensifs. Même de courtes périodes d'insuffisance circulatoire augmentent considérablement la mortalité des patients", déclare M. Merz. "Dans les unités de soins intensifs aujourd'hui, nous devons faire face à une multitude de systèmes d'alarme, mais ils ne sont pas très précis. Souvent, ils déclenchent de fausses alertes ou ne nous avertissent qu'un peu à l'avance, ce qui peut retarder le déclenchement de mesures adéquates pour soutenir la circulation des patients", dit-il. Avec leur approche, les chercheurs visent à remplacer le grand nombre d'alarmes par quelques unes, très pertinentes et précoces. C'est possible, car l'étude a montré que la nouvelle méthode pourrait réduire le nombre d'alarmes de 90 %.

Des travaux de développement supplémentaires sont nécessaires pour que la méthode soit prête à être utilisée comme système d'alerte précoce. M. Rätsch explique que le premier prototype existe déjà, mais avant que le système puisse être utilisé dans la pratique clinique quotidienne, sa fiabilité doit être démontrée par des études cliniques.

Cette recherche a été en grande partie financée par le Fonds national suisse de la recherche scientifique.

Référence

Hyland SL, Faltys M, Hüser M, Lyu X, Gumbsch T, Esteban C, Bock C, Horn M, Moor M, Rieck B, Zimmermann M, Bodenham D, Borgwardt K, Rätsch G, Merz TM: Early prediction of circulatory failure in the intensive care unit using machine learning. Nature Medicine, 9. März 2020, doi: 10.1038/s41591-​020-0789-4