Une unité de soins intensifs (USI) est un service de l’hôpital qui prodigue des soins de suppléance à une défaillance aigüe. Cette structure, entre les services de réanimation et les unités de soins continus (USC), prend en charge une défaillance unique sur une durée limitée.
Les médecins et infirmiers surveillent en permanence les signes vitaux de leurs patients: pouls, pression sanguine, saturation en oxygène du sang… Si les informations sont nombreuses, prédire l’évolution de l’état des malades ou détecter assez tôt les changements qui pourraient mettre leur vie en danger reste un vrai défi. Une nouvelle étude pourrait toutefois changer la donne. Selon des travaux parus le 9 mars dans la revue Nature, des chercheurs suisses ont réussi à mettre au point une méthode combinant intelligemment les différents signes vitaux d’un patient avec d’autres informations pertinentes sur le plan médical.
La fusion de ces données permettrait ainsi de prévoir une insuffisance respiratoire (incapacité de l'appareil respiratoire à assumer correctement son rôle d'oxygénation correcte du sang) critique plusieurs heures avant que cette dernière ne survienne. A terme, les chercheurs aimeraient pouvoir utiliser cette méthode pour évaluer les signes vitaux des patients hospitalisés en soins intensifs en temps réel pour que le personnel médical puisse disposer d’un système d’alerte précoce lui permettant de prendre des mesures appropriées en avance.
“Aujourd’hui, nous devons faire face à une multitude de système d’alarmes”
Ici, les chercheurs ont travaillé avec des données du département de médecine des soins intensifs de l’hôpital universitaire de Berne (Suisse). Les informations, anonymes, provenaient de 36 000 admissions dans les unités de soins intensifs, les patients ayant au préalable accepté de les transmettre pour des recherches futures. Les scientifiques les ont analysées avec des méthodes d’apprentissage automatique. “Les algorithmes et les modèles que nous avons développés ont permis de prédire 90 % de toutes les défaillances respiratoires 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 au moins deux heures pour intervenir”, s’enthousiasme Gunnar Rätsch, professeur d'informatique biomédicale à l'Ecole polytechnique fédérale de Zurich (Suisse).
Pour chaque patient, les chercheurs disposaient de plusieurs centaines de variables, 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.
Des travaux de développement sont prévus
Pour améliorer encore davantage la qualité des prédictions, les chercheurs prévoient désormais d’intégrer dans des analyses futures les données des patients d’autres grands hôpitaux. Ils voudraient également pouvoir mettre l’ensemble des données, les algorithmes et les modèles à la disposition d’autres scientifiques.
“La prévention de l'insuffisance respiratoire 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 Tobias Merz, associé de recherche et ancien médecin-chef au département de médecine des soins intensifs de l'hôpital universitaire de Berne. 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”, poursuit-il.
A terme, cette nouvelle technique pourrait permettre de réduire le nombre d’alarme de 90%, remplaçant les nombreuses existant actuellement par quelques-unes bien plus pertinentes et réactives. Toutefois, des travaux de développement doivent encore avoir lieu pour peaufiner cette méthode. Si le premier prototype existe déjà, sa fiabilité doit être démontrée dans des études cliniques avant de pouvoir être utilisée dans la pratique quotidienne.