Découvrez nos réseaux sociaux
Actualités

COVID-19 : L’intelligence artificielle pour prédire le risque de décès

Actualité publiée il y a 4 années 2 mois 3 semaines
The Lancet Digital Health
Développé à partir du plus large ensemble de données cliniques à ce jour et basé sur l’apprentissage automatique systématique, ce modèle de prédiction atteint une précision de 91% (Visuel Adobe Stock 300546901).

En regard de la propagation croissante de la pandémie de COVID-19, il est essentiel de pouvoir prédire avec précision les résultats futurs des patients ou du moins leur vulnérabilité et leur risque de décès lié à la maladie. Cette équipe de la Mount Sinai School of Medicine (New York) décrit, dans le Lancet Digital Health un nouveau modèle de prédiction de la mortalité associée à COVID-19. Développé à partir du plus large ensemble de données cliniques à ce jour et basé sur l’apprentissage automatique systématique, ce modèle de prédiction atteint une précision de 91%.

 

Pourtant le modèle est « simple » : basé sur seulement 3 caractéristiques cliniques collectées en routine, à savoir l'âge du patient, la saturation minimale en oxygène au cours de son évaluation médicale d’admission, et le type de consultation ou de premier contact (urgence, hospitalisation, ambulatoire, téléconsultation…) avec le patient.

Un index « vital » qui pourrait être réévalué régulièrement

Cette nouvelle technique d'évaluation pourrait permettre également un score réévalué régulièrement voire en continu pour le patient, que celui-ci soit « télésuivi » à domicile ou hospitalisé. L’évaluation pourrait être intégrée dans le parcours de soins du patient COVID-19 et ses données ajoutées au dossier de santé. Enfin, les équipes cliniques pourraient utiliser les résultats du modèle de prédiction tout au long de l’hospitalisation afin de détecter en temps réel les pics de risque de décès.

 

Ici, c’est l’analyse, au départ des données de 3.841 patients, qui ont nourri au départ un modèle de prédiction de mortalité, qui démontre aujourd’hui une grande précision de pronostic chez ce groupe de patients. Appliqué à d’autres ensembles de données patients diagnostiqués et suspects (n = 961 et n = 249), le modèle valide son niveau de précision, soit 91%.

 

3 caractéristiques cliniques « suffisent » : c'est la "beauté" du modèle, ces 3 facteurs, l'âge du patient, la saturation minimale en oxygène à l'admission et le type du premier contact médical avec le patient suffisent à alimenter la prédiction.

 

« Alors que prédire la mortalité chez les patients atteints de COVID-19 qui présentent un large spectre de complications reste aujourd'hui un défi, et entrave la gestion de la maladie  », commente l’auteur principal, le Dr Gaurav Pandey, professeur de génétique et de sciences génomiques, « notre modèle de prédiction de la mortalité par COVID-19 permet une approche pronostique d'une grande précision, à partir de caractéristiques cliniques simples et accessibles ».


Autres actualités sur le même thème