Intelligence artificielle

Un modèle de machine learning pour rationaliser les soins aux urgences pédiatriques

Une étude présentée dans JAMA a évalué un modèle de directives médicales basées sur l’apprentissage machine. Ce processus automatisé permet de prédire et d’ordonner les examens d'imagerie au début du parcours du patient afin d’améliorer la prise de décision clinique et rationaliser les soins.

icon réservé aux abonnésArticle réservé aux abonnés
Le 06/05/22 à 15:00, mise à jour aujourd'hui à 15:09 Lecture 1 min.

Chaque modèle a été entraîné à prédire si le patient allait avoir un diagnostic associé à l’un des 6 examens suivants : test de jauge urinaire, électrocardiogramme, échographie abdominale, échographie testiculaire, dosage de la bilirubine et radiographie de l’avant-bras (photo d'illustration). © https://pxhere.com/en/photo/643025

Peut-être une solution pour accélérer la prise en charge aux urgences ? Des chercheurs canadiens ont entraîné et expérimenté des modèles d’apprentissage machine conçus pour « trier » les patients admis aux urgences pédiatriques qui auront de besoin d’un examen spécifique avant qu’ils aient été évalués par un professionnel de santé. Ils présentent leurs résultats dans un article de la revue JAMA [1]. Pour ce faire, ils ont exploité les données issues des dossiers électroniques de 77 219 patients âgés de 0 à 18 ans se présentant au service d’urgence pédiatrique de l’Hospital for Sick Children, un hôpital de soins tertiaires de Toronto, au Canada, du 1er juillet 2018 au 30 juin 2019. Ils ont « nourri » leurs modèles avec de nombreuses données telles que le rythme cardiaque, la saturation sanguine, la tension, la température corporelle, les symptômes, etc.

Rationaliser les soins pour 22,3 % des patients

Chaque modèle a été entraîné à prédire si le patient allait avoir un diagnostic associé à

Il vous reste 61% de l’article à lire

Docteur Imago réserve cet article à ses abonnés

S'abonner à l'édition
  • Tous les contenus « abonnés » en illimité
  • Le journal numérique en avant-première
  • Newsletters exclusives, club abonnés

Abonnez-vous !

Docteur Imago en illimité sur desktop, tablette, smartphone, une offre 100% numérique

Offre mensuelle 100 % numérique

23 €

par mois

S’abonner à Docteur Imago

Auteurs

Solenn Duplessy

Voir la fiche de l’auteur

Bibliographie

  1. Singh D., Nagaraj S., Mashouri P. et coll., « Assessment of machine learning-based medical directives to expedite care in pediatric emergency medicine », JAMA Network Open, 2022, vol. 5, n° 3. DOI : 10.1001/jamanetworkopen.2022.2599.

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

15 Mai

16:00

l'American Roentgen Ray Society a publié à l'occasion de ses 125 ans le premier numéro d'une nouvelle revue intitulée Roentgen Ray Review, annonce la société américaine. Cette revue proposera toutes les semaines du contenu pertinent cliniquement et riche en images, indique le communiqué.

13:30

Une mise à jour en libre accès des recommandations du Collège américain de radiologie (ACR) sur la prévention et la gestion des réactions d'hypersensibilité aux produits de contraste est parue le 6 mai dans Radiology.

7:18

L’arrêté du 25 avril 2025 modifiant l'arrêté du 18 juillet 2018 a fixé les listes permettant l'exercice infirmier en pratique avancée. Ces derniers sont désormais autorisés à prescrire  une mammographie « en renforcement des Programmes nationaux de dépistage organisés dans les cas où les prescriptions systématiques n'ont pas été suivies d'effet ».
Docteur Imago

GRATUIT
VOIR