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 hier à 15:10 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

07 Oct

11:38

Philips Healthcare lance cette année en France le logiciel de télémanipulation, Radiologie Operations Command Center, « On a commencé avec un premier centre en France, à Quimper. C'est la première étape d'une expérimentation et d'un déploiement en plusieurs vagues », annonce Cyril Hervy, responsable des ventes informatique.

11:26

Au congrès des JFR 2025, Philips Healthcare a présenté son nouveau système d’échographie, Philips Flash 5100 POC®, pouvant être déplacé au chevet du patient et utilisable « essentiellement en salle de radio interventionnelle pour le musculosquelettique, et les infiltrations », informe Nadia Ben Hamida, spécialiste échographe.
06 Oct

15:00

Didier Dormont, chef du service de neuroradiologie diagnostique et fonctionnelle à la Pitié-Salpêtrière - AP-HP, a reçu ce dimanche 5 octobre la médaille d'honneur de la Société française de radiologie (SFR).

11:00

Le premier logiciel de l'entreprise GeodAIsics, permettant de détecter la maladie d'Alzheimer à partir d'une IRM, devrait recevoir son marquage CE début 2026.
Docteur Imago

GRATUIT
VOIR