Un modèle mathématique prédit le risque de mortalité des patients en soins intensifs

Dans le domaine de l’IA, il est désormais possible de développer un modèle pouvant prédire diverses situations grâce à l’apprentissage automatique. Cependant, ces modèles ont fait face à quelques difficultés lors de leur utilisation dans le domaine médical. Pourtant, l’IA peut être un outil efficace pour identifier certaines situations.

Ce processus est complexe et a un coût élevé, et dépend de la variabilité inhérente de l’opinion des spécialistes, basée sur leur expérience et leur instinct. Par conséquent, pour améliorer la qualité des soins dans les unités de soins intensifs, il est important d’établir des protocoles basés sur des données objectives et sur une prédiction précise du risque de mortalité d’un patient en fonction de ses caractéristiques.

Améliorer les méthodes actuelles

L’utilisation de ce modèle représente une nette amélioration des approches traditionnelles, cohérente avec la prédiction du risque de mortalité basée sur le score Acute Physiology And Chronic Health Evaluation (APACHE), un questionnaire largement utilisé pour évaluer l’état de santé d’une personne à l’aide de différents indicateurs. Le nouveau modèle utilise une régression logistique estimée qui a été validée dans les groupes de patients précédents. Les chercheurs ont pu démontrer expérimentalement que le nouveau modèle qu’ils ont créé surmonte les points faibles des approches traditionnelles, offrant de bons résultats et se présentant comme une meilleure alternative.

Voici une vidéo en anglais présentant ce type de procédé :

Le modèle de pronostic prédictif auto-apprenant créé par les chercheurs consiste en un ensemble de classificateurs bayésiens utilisés en attribuant une étiquette de pronostic de vie (vivre ou mourir) à chaque individu, selon des traits tels que la démographie, le sexe et l’âge ; l’indice de comorbidité de Charlson ; leur lieu d’origine ; la cause de l’admission ; la présence ou l’absence de septicémie ; sévérité atteinte dans les premières 24 heures après une admission ; et la note APACHE II.

Méthodologie prometteuse

La prédiction du modèle a été améliorée par les chercheurs. Ils ont combiné ces informations à des prédictions individuelles de divers classificateurs. Ces derniers ont été développés afin de permettre une prédiction beaucoup plus précise. Le modèle prédit la cause de décès des patients à haut risque, ainsi que l’issue des patients à faible risque de mourir. Il s’agit du modèle prédictif hiérarchique. Il a été appelé ainsi, car il présente deux étapes de prédiction.

Ce type de prédiction que les chercheurs ont introduit, présente des résultats précis. D’ailleurs, ces informations peuvent parfaitement être utilisées afin d’avoir de meilleures prédictions, aidant ainsi le personnel à prendre les meilleures décisions.