Selon les résultats à long terme d’un essai clinique randomisé publié par les enquêteurs de Penn Medicine, des coups de pouce électroniques fournis aux cliniciens de la santé sur la base d’un algorithme d’apprentissage automatique qui prédit le risque de mortalité ont quadruplé les taux de conversations avec les patients au sujet de leurs préférences en matière de soins de fin de vie. dans JAMA Oncologie aujourd’hui. L’étude a également révélé que les rappels déclenchés par l’apprentissage automatique réduisaient considérablement l’utilisation de la chimiothérapie agressive et d’autres thérapies systémiques en fin de vie, ce qui, selon la recherche, est associé à une mauvaise qualité de vie et à des effets secondaires pouvant entraîner des hospitalisations inutiles dans leurs derniers jours.
Pour les patients lorsque le cancer atteint un stade incurable, certains peuvent donner la priorité à un traitement qui prolongera leur vie le plus longtemps possible, et d’autres peuvent préférer un plan de soins conçu pour minimiser la douleur ou les nausées, selon les perspectives de leur maladie. Parler aux patients de leur pronostic et de leurs valeurs peut aider les cliniciens à élaborer des plans de soins mieux alignés sur les objectifs de chacun, mais il est essentiel que les discussions aient lieu avant que les patients ne deviennent trop malades.
« Cette étude démontre que nous pouvons utiliser l’informatique pour améliorer les soins en fin de vie », a déclaré l’auteur principal Ravi B. Parikh, MD, oncologue et professeur adjoint d’éthique médicale et de politique de santé et de médecine à la Perelman School of Medicine de l’Université. de Pennsylvanie et directeur associé du Penn Center for Cancer Care Innovation au Abramson Cancer Center. « La communication avec les patients atteints de cancer de leurs objectifs et de leurs souhaits est un élément clé des soins et peut réduire les traitements inutiles ou non désirés en fin de vie. Le problème est que nous ne le faisons pas assez, et il peut être difficile d’identifier quand c’est le temps d’avoir cette conversation avec un patient donné. »
Parikh et ses collègues ont précédemment démontré qu’un algorithme d’apprentissage automatique pouvait identifier les patients atteints de cancer qui présentent un risque élevé de décès dans les six prochains mois. Ils ont associé l’algorithme à des « coups de pouce » basés sur le comportement sous la forme d’e-mails et de SMS pour inciter les cliniciens à engager des conversations sur les maladies graves lors de rendez-vous avec des patients à haut risque. Les résultats préliminaires de l’étude, publiés en 2020, ont montré que l’intervention de 16 semaines a triplé les taux de ces conversations.
L’étude représente une étape importante pour l’intelligence artificielle en oncologie, en tant que premier essai randomisé d’une intervention comportementale basée sur l’apprentissage automatique dans les soins contre le cancer. L’étude a inclus 20 506 patients traités pour un cancer dans plusieurs sites de Penn Medicine, avec un total de plus de 40 000 rencontres avec des patients, ce qui en fait la plus grande étude d’une intervention basée sur l’apprentissage automatique axée sur les soins aux maladies graves en oncologie.
Les résultats publiés aujourd’hui ont montré qu’après une période de suivi de 24 semaines, les taux de conversation ont presque quadruplé, passant de 3,4 % à 13,5 %, chez les patients à haut risque. L’utilisation de la chimiothérapie ou de la thérapie ciblée au cours des deux dernières semaines de la vie a diminué de 10,4 % à 7,5 % chez les patients décédés au cours de l’étude. L’intervention n’a pas eu d’impact sur d’autres paramètres de fin de vie, y compris l’inscription en hospice ou la durée du séjour, le décès d’un patient hospitalisé ou l’utilisation d’une unité de soins intensifs en fin de vie.
Notamment, l’augmentation des conversations sur les objectifs de soins a également été observée chez les patients qui n’étaient pas signalés par l’algorithme comme à haut risque, ce qui suggère que les coups de pouce ont amené les cliniciens à modifier leur comportement dans leur pratique. L’augmentation a été observée dans toutes les données démographiques des patients, mais était plus importante chez les bénéficiaires de Medicare, ce qui suggère que l’intervention peut aider à rectifier une disparité dans les conversations sur les maladies graves.
S’appuyant sur les résultats de cette étude, l’équipe de recherche a étendu la même approche à toutes les pratiques d’oncologie au sein du système de santé de l’Université de Pennsylvanie et analyse actuellement ces résultats. Des plans supplémentaires pour la recherche incluent l’association d’algorithmes d’IA avec une invite pour une orientation précoce en soins palliatifs et l’utilisation de l’algorithme pour l’éducation des patients.
« Alors que nous avons considérablement augmenté le nombre de dialogues sur les maladies graves entre les patients et leurs cliniciens, moins de la moitié des patients ont eu une conversation », a déclaré Parikh. « Nous devons faire mieux parce que nous savons que les patients bénéficient lorsque leurs cliniciens en soins de santé comprennent les objectifs et les priorités de soins individuels de chaque patient. »
L’étude a été soutenue par les National Institutes of Health (5K08CA26354, K08CA263541) et le Penn Center for Precision Medicine.
