Des chercheurs dirigés par Penn Medicine ont utilisé l'IA pour découvrir des sous-populations distinctes de patients parmi les personnes souffrant de COVID longue durée, ouvrant la voie à des soins plus personnalisés et plus efficaces dans les hôpitaux.
Des chercheurs dirigés par la Perelman School of Medicine de l'Université de Pennsylvanie ont dévoilé une technique pionnière utilisant l'intelligence artificielle (IA) pour optimiser les soins aux patients atteints de COVID longue durée en adaptant les plans de traitement aux besoins spécifiques de divers groupes de patients. Publié Dans la revue Cell Patterns, cette étude marque une étape importante vers les soins de santé personnalisés en milieu hospitalier.
En utilisant une technique d’apprentissage automatique appelée « apprentissage par transfert latent », les chercheurs ont analysé les dossiers médicaux électroniques anonymisés de huit hôpitaux pédiatriques du pays. Cette méthode a révélé quatre sous-populations distinctes de patients atteints de COVID longue durée, chacune ayant des besoins de soins uniques. Les groupes identifiés comprenaient :
- Patients souffrant de troubles de santé mentale, tels que l'anxiété et la dépression
- Les personnes souffrant de maladies chroniques atopiques/allergiques comme l'asthme et les allergies
- Les personnes souffrant de maladies chroniques non complexes, notamment de problèmes de vision ou d'insomnie
- Patients souffrant de maladies chroniques complexes, notamment de troubles cardiaques ou neuromusculaires
« Les études existantes regroupent des données provenant de plusieurs hôpitaux mais ne tiennent pas compte des différences entre les populations de patients, ce qui limite la capacité d'appliquer les résultats à la prise de décision locale », a déclaré l'auteur principal Yong Chen, professeur de biostatistique à la Perelman School of Medicine, dans un communiqué. communiqué de presse« Notre travail offre l’avantage d’une connaissance plus généralisée, avec la précision d’une application spécifique à l’hôpital. »
En identifiant ces sous-populations, le système d’IA permet aux hôpitaux d’allouer les ressources plus efficacement, ce qui pourrait révolutionner les soins. Les recherches suggèrent que la reconnaissance de ces variations peut orienter les hôpitaux vers une meilleure planification des lits de soins intensifs, des respirateurs et du personnel spécialisé, essentiels à la gestion des pandémies et des demandes quotidiennes en matière de soins de santé.
« Sans identifier ces sous-populations distinctes, les cliniciens et les hôpitaux adopteraient probablement une approche unique pour le suivi et le traitement », a déclaré dans le communiqué de presse Qiong Wu, auteur principal de l’étude, ancien chercheur postdoctoral dans le laboratoire de Chen et aujourd’hui professeur adjoint de biostatistique à l’École de santé publique de l’Université de Pittsburgh. « Bien que cette approche unifiée puisse fonctionner pour certains patients, elle peut être insuffisante pour les sous-groupes à haut risque qui nécessitent des soins plus spécialisés. Par exemple, notre étude a révélé que les patients atteints de maladies chroniques complexes connaissent les augmentations les plus importantes de visites aux urgences et aux hospitalisations. »
Cette avancée représente également une amélioration potentielle significative dans la gestion des maladies chroniques répandues. Wu a souligné que des maladies comme le diabète, les maladies cardiaques et l’asthme présentaient des variations importantes d’un hôpital à l’autre. Ces variations peuvent provenir des ressources disponibles, de la démographie des patients et des charges sanitaires régionales, ce qui suggère qu’une approche personnalisée pourrait apporter des avantages substantiels.
Avec le recul, les chercheurs estiment que si cette technologie avait été disponible dès les premiers jours de la pandémie de COVID-19, elle aurait pu atténuer une partie de la pression sur les systèmes de santé en permettant une meilleure anticipation et distribution des ressources critiques.
« Cela aurait permis à chaque hôpital de mieux anticiper les besoins en lits de soins intensifs, en respirateurs ou en personnel spécialisé, contribuant ainsi à équilibrer les ressources entre les soins liés à la COVID-19 et les autres services essentiels », a ajouté M. Wu. « De plus, au début de la pandémie, l’apprentissage collaboratif entre les hôpitaux aurait été particulièrement précieux, permettant de résoudre les problèmes de pénurie de données tout en adaptant les informations aux besoins uniques de chaque hôpital. »
Les chercheurs sont optimistes quant à la possibilité d’une mise en œuvre à grande échelle de leur système d’IA, ce qui suggère que seule une infrastructure de partage de données « relativement simple » est nécessaire, a noté Wu. Même les hôpitaux qui n’ont pas la capacité d’intégrer directement des systèmes d’apprentissage automatique peuvent bénéficier des connaissances partagées générées par cette approche collaborative.
« En utilisant les résultats partagés par les hôpitaux du réseau, cela leur permettrait d'obtenir des informations précieuses », a ajouté Wu.
Soutenue par des subventions des National Institutes of Health et du Patient-Centered Outcomes Research Institute, cette étude jette les bases d'une nouvelle ère de soins de santé où une IA sophistiquée peut aider les hôpitaux à fournir des soins non seulement efficaces mais également parfaitement adaptés aux besoins spécifiques de leurs populations de patients.