Aujourd'hui, pour éviter ce risque, les médecins utilisent des longs questionnaires sur leurs antécédents d'anxiété, de qualité de sommeil et de dépression. Là, ces chercheurs proposent une méthode plus rapide et plus efficace: utiliser un logiciel informatique produit par de l'intelligence artificielle. Ces scientifiques assurent avoir mis au point trois modèles d'apprentissage automatique. Selon leurs calculs, le plus jeune âge, un indice de masse corporelle plus élevé, le sexe féminin, la douleur préexistante et l'utilisation antérieure d'opioïdes sont les facteurs les plus prédictifs de la douleur post-chirurgicale.
“Nous prévoyons d'intégrer les modèles à nos dossiers médicaux électroniques pour fournir une prédiction de la douleur post-chirurgicale pour chaque patient, déclare Mieke A. Soens, auteur principal de l'étude et anesthésiologiste au Brigham and Women's Hospital et instructeur en anesthésiologie à l'École de médecine de Harvard (États-Unis). S'il est déterminé que le patient présente un risque élevé de douleur post-chirurgicale sévère, le médecin anesthésiste peut alors ajuster le plan d'anesthésie du patient afin de maximiser les stratégies de gestion de la douleur non-opioïde qui réduiraient le besoin d'opioïdes après la chirurgie.”
Trois méthodes d'intelligence artificielle testées
Pour aboutir à ces 5 facteurs les plus prédictifs, les scientifiques ont surveillé les données médicales et l'évolution de la douleur auprès de 5 944 patients ayant déjà subi une chirurgie - comme l'ablation de la vésicule biliaire, l'hystérectomie, le remplacement de la hanche et la chirurgie de la prostate. Ils ont remarqué que 22% de la cohorte, soit 1 287 personnes, ont dans les 24h suivant leur opération consommé l'équivalent de 90 milligrammes de morphine (MME), une dose considérée comme élevée. À partir de ces données brutes, et consultations d'autres études et d'experts, les chercheurs ont décidé de tester les 163 facteurs potentiels identifiés de cette douleur élevée post-chirurgicale.
Fort de cette pré-sélection, ils ont élaboré trois modèles d'algorithmes d'apprentissage automatique qui utilisent des méthodes différentes de raisonnement : la régression logistique (combinaison linéaire de variables expliquant un phénomène à deux valeurs), la forêt aléatoire (exécution de multiples arbres de décision pour assurer une meilleure performance à la modélisation) et les réseaux de neurones artificiels (inspiration du fonctionnement des neurones avec les méthodes statistiques). Ces trois programmes d'intelligence artificielle ont alors croisé ces 163 facteurs potentiels de l'ensemble des 5 944 dossiers médicaux avec les besoins d'opioïdes post-chirurgie.
Après ces calculs, les chercheurs ont constaté que l'ensemble des trois modèles d'intelligence artificielle sont fiables : à 81% pour la méthode de régression logistique, 81% pour les forestières aléatoires, et 80% pour les réseaux de neurones artificiels. Cela signifie que les modèles ont identifié avec une bonne précision les personnes les plus susceptibles de ressentir une douleur intense et d'avoir besoin de doses plus élevées d'opioïdes dans environ 80% du temps. “Les dossiers médicaux électroniques sont une source précieuse et sous-utilisée de données sur les patients et peuvent être utilisés efficacement pour améliorer la vie des patients, a déclaré Mieke Soens. Il est important d'identifier de manière sélective les patients qui ont généralement besoin de fortes doses d'opioïdes après la chirurgie pour aider à réduire le mésusage d'opioïdes.”