Des scientifiques du Département de traumatologie et de médecine critique aiguë de la Graduate School of Medicine de l’Université d’Osaka ont développé un algorithme d’IA pour prédire le risque de mortalité des patients souffrant d’une blessure grave. À l’aide de la Japan Trauma Data Bank pour les années 2013 à 2017, ils ont pu obtenir les dossiers de plus de 70 000 patients ayant subi un traumatisme contondant, ce qui a permis aux chercheurs d’identifier les facteurs critiques susceptibles d’orienter plus précisément les stratégies de traitement.
Les médecins traumatologues des salles d’urgence doivent prendre des décisions de vie ou de mort rapidement, et souvent avec des informations très limitées. Une partie du défi est que les facteurs qui indiqueraient la probabilité de résultats cliniques indésirables ne sont pas complètement compris, et parfois les propres changements inflammatoires et de la coagulation sanguine du corps en réponse à des blessures graves font plus de mal que de bien. Une approche plus rigoureuse et globale des soins de traumatologie est clairement nécessaire.
Maintenant, une équipe de chercheurs de la Graduate School of Medicine de l’Université d’Osaka a analysé une base de données de tous les cas de traumatismes enregistrés au Japon à l’aide d’algorithmes d’apprentissage automatique. Cela comprenait des informations sur les patients, telles que l’âge et le type de blessure. De plus, la spectrométrie de masse et l’analyse du protéome ont été effectuées sur le sérum de patients traumatisés à l’hôpital d’Osaka. Cela a fourni des informations plus spécifiques sur les marqueurs sanguins qui pourraient indiquer une augmentation ou une diminution de protéines spécifiques.
Notre étude a des implications cliniques importantes. Cela peut aider à identifier les patients les plus à risque qui pourraient bénéficier le plus d’une intervention précoce. »
Jotaro Tachino, premier auteur de l’étude, École supérieure de médecine, Université d’Osaka
L’équipe a utilisé une analyse de regroupement hiérarchique sur les données et a constaté que 11 variables étaient les plus corrélées avec un taux de mortalité accru, qui comprenait le type et la gravité de la blessure. De plus, ils ont constaté que les patients les plus à risque présentaient souvent une inflammation excessive ou même une réponse inflammatoire aiguë. Ils ont également trouvé des marqueurs protéiques qui signalaient une coagulation négative fortement associée à des résultats négatifs.
« La méthode que nous avons utilisée pour ce projet peut également être étendue au développement de nouvelles stratégies de traitement et d’agents thérapeutiques pour d’autres conditions médicales pour lesquelles de grands ensembles de données sont disponibles », explique l’auteur principal Hiroshi Ogura. Ce travail peut considérablement optimiser l’allocation des rares ressources de soins de santé des urgences pour sauver plus de personnes. L’équipe espère également que cette recherche pourrait aider à faire la lumière sur les moyens d’aider à calmer les voies de l’inflammation qui peuvent devenir incontrôlables à la suite de blessures traumatiques.
