Un outil d’IA peut analyser les récits des patients sur les blessures qui les ont envoyés aux urgences pour prédire qui développera plus tard un trouble de stress post-traumatique (SSPT), selon une nouvelle étude.
Environ 43 millions de patients sont admis chaque année dans un service d’urgence américain en raison de blessures physiques (traumatismes), et plus d’un quart d’entre eux développent un syndrome de stress post-traumatique, selon des études antérieures. Cela fait du service d’urgence un point de contrôle permettant de détecter rapidement la maladie, mais les cliniciens sont confrontés à des contraintes de temps suffisamment sévères pour exclure l’utilisation de questionnaires de dépistage standard.
Dirigée par des chercheurs de NYU Langone Health, la nouvelle étude a révélé que l’ensemble de modèles d’IA de l’équipe – chacun analysant les récits de traumatisme de 145 patients atteints de dysfonction érectile – a correctement identifié plus de 95,4 pour cent des patients à risque. Dans un test comparatif, l’outil d’IA, appelé PREVIA, a signalé 100 pour cent des 30 cas du même groupe de patients qui ont développé un SSPT, tandis qu’un clinicien des urgences spécialisé dans le SSPT a correctement identifié 89 pour cent de ces cas.
Il s’agit de la première étude à montrer que les réponses spontanées d’un patient à une seule question de routine en matière de soins : « Qu’est-ce qui vous a amené aux urgences ? – véhicule suffisamment de signaux psychologiques pour prévoir leur risque de SSPT un mois plus tard. PREVIA peut servir d’outil de dépistage par IA qui identifie les patients à risque et explique pourquoi, sans ajouter de temps à l’admission dans les salles d’urgence très fréquentées. »
Katharina Schultebraucks, PhD, auteur principal de l’étude, professeur agrégé, départements de psychiatrie et de santé des populations, NYU Langone
Publié en ligne le 9 novembre dans Communications naturellesles nouveaux travaux ont examiné les capacités de l’IA générative, qui prédit les options pour le mot suivant dans une phrase en fonction de la façon dont des milliards de personnes ont utilisé ce mot dans son contexte. Cette sensibilité au langage permet aux modèles d’analyser la description faite par une personne de ce qui lui est arrivé pour trouver des modèles liés à son risque de développer un SSPT, ont indiqué les chercheurs. Les réponses des patients ont été enregistrées et transcrites pour analyse.
« Le service des urgences est souvent le seul point de contact d’un survivant d’un traumatisme avec le système de santé avant que les symptômes ne deviennent beaucoup plus difficiles à traiter », a ajouté le Dr Schultebraucks, également codirecteur de la psychiatrie informatique à la NYU Grossman School of Medicine. « En identifiant les patients à risque dès la première rencontre, PREVIA pourrait ouvrir la voie à des approches de soins rapides, lorsque l’intervention préventive est la plus efficace. »
Le premier mois après un traumatisme est une fenêtre clé pour trouver les personnes à risque de syndrome de stress post-traumatique, car de nombreux patients ne sont plus en contact avec l’hôpital par la suite, ont indiqué les chercheurs. Les questionnaires actuels – tels que le questionnaire sur les expériences dissociatives péritraumatiques et l’échelle d’ajustement post-traumatique – prévoient efficacement le développement du SSPT, mais seulement environ 28 % des services d’urgence effectuent régulièrement un test de dépistage du SSPT, et seulement les deux tiers d’entre eux utilisent des outils validés.
Cela reflète probablement la surpopulation et le temps limité des cliniciens, généralement environ 15 à 20 minutes par patient, ce qui oblige les cliniciens à donner la priorité aux préoccupations médicales immédiates plutôt qu’aux longues évaluations de santé mentale, ont déclaré les auteurs de l’étude.
PREVIA a été conçu comme un pipeline d’étapes utilisant différents outils d’IA en fonction de leurs points forts (par exemple, le modèle Llama a tendance à mettre l’accent sur les signes de risque de SSPT, tandis que Mistral met en évidence les facteurs de protection et contextuels qui pourraient l’atténuer). Plus précisément, la première couche de l’outil analyse le langage du récit d’un patient pour détecter les symptômes qui surviennent lors du traumatisme initial, comme la perte de contrôle ou l’amnésie, ainsi que les premiers symptômes qui apparaissent lorsqu’une personne est aux urgences, comme le sentiment de déconnexion du corps. Les deux types de symptômes ont été associés au développement ultérieur du SSPT.
La deuxième couche de l’outil d’IA de l’équipe prend également en compte les facteurs de risque tels que les problèmes de santé mentale préexistants ou un statut socio-économique inférieur, ainsi que les facteurs de protection tels que les capacités d’adaptation ou un fort soutien social. Un troisième modèle d’IA synthétise ces évaluations dans un résumé structuré, réduisant ainsi le risque qu’un modèle unique domine les résultats. Une couche finale combine ce résumé avec des informations démographiques (par exemple, âge, sexe), le type de traumatisme et les taux de prévalence connus du SSPT pour produire un score de risque avec une explication en langage simple.
Les expériences ont confirmé que cette conception à trois couches surpassait systématiquement les configurations plus simples pour la plupart des mesures de performances. Contrairement à l’IA qui réussit ou échoue pour des raisons inconnues, PREVIA explique son raisonnement et fonde ses prédictions sur des facteurs de risque établis de SSPT. Les résultats de l’outil ont également été validés en les comparant aux diagnostics posés pour les mêmes cas à l’aide de l’échelle de SSPT administrée par le clinicien pour le DSM-5 (CAPS-5), l’entretien clinique de référence pour le diagnostic du SSPT.
« Nous avons construit PREVIA sur des modèles open source sans aucune formation ni réglage précis », a déclaré le Dr Schultebraucks. « Cela signifie que d’autres hôpitaux peuvent le tester de manière indépendante, sans accès à un logiciel propriétaire ou à nos données sur les patients, ce qui est essentiel pour une adoption généralisée. »
Aux côtés du Dr Schultebraucks, les auteurs de l’étude de NYU Langone étaient Victoria Mueller, Jyoti Yadav, Annie Farnsworth, Charlotte Hilberdink, Sapir Gershov et Arieh Shalev du département de psychiatrie, Eric Oermann du département de neurochirurgie et Stephen Wall du département de médecine d’urgence Ronald O. Perelman.
L’étude a été financée par la subvention R01 MH129856 de l’Institut national pour la santé mentale (PI Dr Katharina Schultebraucks).
