Pour résoudre un problème émergent dans la prestation des soins de santé, des chercheurs de l’École de médecine de l’Université Emory et du Georgia Institute of Technology explorent comment l’intelligence artificielle (IA) peut offrir un moyen d’accroître l’efficacité des diagnostics et des traitements.
Pendant la pandémie de COVID-19, l’utilisation de la télémédecine et de la messagerie des dossiers de santé électroniques (DSE) a rapidement augmenté. Alors que les visites virtuelles devenaient plus courantes, la disponibilité généralisée des tests COVID-19 à domicile a permis aux patients de signaler un test positif et de commencer un traitement ou une récupération sans avoir à se rendre chez un médecin. Bien que ce changement dans la prestation des soins de santé offre de nombreux avantages, un afflux de messages sans système de triage numérisé crée un blocage qui peut ralentir la réponse et retarder l’accès à un traitement en temps opportun.
Une nouvelle étude publiée dans Réseau ouvert JAMA ont évalué comment un type spécifique d’IA, appelé traitement du langage naturel (PNL), peut accélérer le délai entre un message initié par le patient, une réponse du médecin et l’accès au traitement antiviral COVID-19.
S’appuyant sur des modèles prédictifs d’apprentissage en profondeur précédemment testés, l’équipe de recherche a développé un nouveau modèle de PNL pour classer les messages de DSE initiés par les patients et a évalué leur exactitude dans cinq hôpitaux de la région d’Atlanta entre le 30 mars et le 1er septembre 2022. Au cours de l’étude, 3 048 messages ont signalé des résultats positifs au test COVID-19. Lorsqu’un test positif a été signalé via EHR, le modèle NLP est entré en action.
Les résultats montrent que le modèle PNL a classé les messages des patients avec une précision de 94 %. De plus, lorsque les réponses aux messages des patients se produisaient plus rapidement, les patients étaient plus susceptibles de recevoir une prescription médicale antivirale dans une fenêtre de traitement de cinq jours.
« Nous étions ravis de voir comment le traitement du langage naturel triait avec précision et instantanément les messages des patients signalant un test COVID-19 positif et contribuait à améliorer l’accès des patients au traitement », déclare Nell Mermin-Bunnell, étudiante de troisième année à l’Emory School of Medicine et au auteur principal de l’étude. « Bien que ce modèle se soit avéré efficace pour cette application spécifique, il existe des opportunités d’élargir la portée au-delà des diagnostics COVID-19. »
May Wang, PhD, co-auteur de l’étude, professeur et Wallace. H. Coulter Distinguished Faculty Fellow de Georgia Tech ajoute : « Les résultats illustrent la puissance de l’utilisation de modèles avancés de PNL pour identifier avec précision les patients à risque d’une certaine maladie en temps réel. Cela a montré que la vitesse d’accès des patients aux soins de santé peut être considérablement augmentée. . «
L’étude est le résultat d’un partenariat entre l’Université Emory, Georgia Tech, et Switchboard, MD, une société de science des données et d’intelligence artificielle fondée par des médecins d’Emory Healthcare.
Le modèle PNL utilisé pendant la période d’étude, eCOV, a été initialement développé par Blake Anderson, MD, PDG de Switchboard, MD et médecin de soins primaires Emory. Alors que de plus en plus de patients ont commencé à utiliser le DSE pour communiquer avec leur équipe clinique, Anderson a constaté le besoin de mieux organiser les messages entrants pour alléger la charge cognitive du personnel clinique et atténuer l’épuisement professionnel. Anderson et son équipe ont mené des expériences pour évaluer les performances du modèle et ont perfectionné un algorithme pour tenir compte du contexte du message, pas seulement des mots-clés.
« Nous essayons de prendre une montagne de données entrantes et d’extraire ce qui est le plus pertinent pour les personnes qui ont besoin de le voir afin que les patients puissent obtenir des soins plus rapidement », explique Anderson, auteur principal de l’étude.
Une fois affiné, il s’est associé à Georgia Tech pour s’assurer que le modèle PNL était reproductible et a commencé le déploiement du modèle pour évaluer sa capacité à accélérer la communication médecin-patient.
Une analyse plus approfondie est nécessaire pour mesurer l’impact que le modèle aura sur les résultats cliniques. Ce qui devient clair cependant, c’est qu’à mesure que l’IA est davantage intégrée dans les composantes principales de la prestation des soins de santé, elle a la capacité de remodeler la façon dont la médecine est pratiquée.
Anderson dit que malgré l’inquiétude que certains ont autour de l’utilisation de l’IA en médecine, « ce type de PNL offre un moyen d’utiliser l’IA en donnant la priorité aux interactions humaines au lieu de les remplacer ».
