COVID LONG : Beaucoup plus de cas révèle l'IA

23 % de la population pourraient présenter des symptômes de COVID long

Le nouvel outil aboutit précisément à une prévalence de 22,8 %, un chiffre qui pourrait correspondre à un bilan plus réaliste à long terme de la pandémie, écrivent les chercheurs. L’algorithme utilisé a été développé en extrayant des données anonymisées à partir des dossiers cliniques de près de 300.000 patients suivis dans 14 hôpitaux et 20 centres de santé communautaires du système Mass General Brigham. L’équipe utilise une nouvelle méthode d’IA développée pour cet outil et nommée  « phénotypage de précision » : la technique consiste à passe au crible les dossiers individuels pour identifier les conditions et les symptômes déjà connus comme pouvant être liés au  COVID-19 et pour suivre ces symptômes au fil du temps afin de les différencier de ceux d’autres maladies.

L’outil d’IA est en fait capable d’analyser l'historique de chaque patient au fil du temps et d’apporter une approche personnalisée des soins et réduire en fin de compte, à l’échelle de la population cette fois, les inégalités observées dans les diagnostics et les traitements actuels du COVID long. En pratique, l’outil passe au crible les dossiers médicaux électroniques afin d’identifier plus finement les cas de COVID long en analysant la complexe litanie de symptômes persistants, et souvent communs à d’autres affections, dont notamment la fatigue, la toux chronique et le brouillard cérébral.

• Par exemple, l’algorithme peut détecter si l’essoufflement est le résultat de conditions préexistantes comme une insuffisance cardiaque ou de l’asthme ou d’un COVID long. Ce n’est que lorsque toutes les autres possibilités ont été épuisées que l’outil conclut au diagnostic de COVID long.

Ce protocole d’analyse non seulement conclut à une prévalence beaucoup plus élevée,

soit près d’1 quart de la population

mais va permettre d'identifier davantage de patients qui devraient recevoir des soins pour cette maladie invalidante. En effet, l’outil était environ 3 % plus précis que ce que capturent les codes CIM-10, avec un biais plus faible. Sa portée plus large garantit que des communautés marginalisées, souvent mises à l’écart dans les études cliniques ou ayant un accès plus réduit aux soins, puissent être diagnostiquées et traitées.

« Notre outil d’IA va transformer un processus de diagnostic flou en quelque chose de précis et ciblé, en donnant aux médecins la possibilité de donner un sens à une maladie complexe », explique l’auteur principal, Hossein Estiri, chercheur en IA au Center for AI and Biomedical Informatics of the Learning Healthcare System (CAIBILS) du MGB et professeur à Harvard : « Grâce à cet outil, nous pourrons peut-être enfin voir le COVID long pour ce qu’il est vraiment ».

« Les médecins pataugent dans un enchevêtrement de symptômes et d’antécédents médicaux, sans savoir sur quels fils tirer, tout en jonglant avec une charge de travail élevée. Disposer d’un outil alimenté par l’IA qui peut le faire méthodiquement pourrait changer la donne ».