L'alcool peut entraîner des complications chirurgicales risquées pour les patients qui boivent dans les jours précédant une intervention, mais les signes d'une consommation dangereuse d'alcool ne sont pas toujours évidents dans l'histoire du patient. Une nouvelle analyse suggère que l’intelligence artificielle pourrait aider à mettre en lumière ces problèmes.
L'étude, publiée dans la revue Alcohol: Clinical & Experimental Research , a utilisé un modèle de traitement du langage naturel pour évaluer les dossiers médicaux de 53 811 patients ayant subi une intervention chirurgicale entre 2012 et 2019.
Les dossiers de santé électroniques des patients contiennent des codes de diagnostic, mais peuvent également inclure des informations telles que des notes, des résultats de tests ou des données de facturation pouvant suggérer une consommation d'alcool à risque.
Pour capturer des indices contextuels, les chercheurs ont programmé un modèle de traitement du langage naturel pour identifier à la fois les codes de diagnostic et d'autres indicateurs de consommation d'alcool à risque, tels que des consommations hebdomadaires supérieures aux seuils recommandés ou des antécédents de problèmes médicaux associés à l'abus d'alcool.
La consommation abusive d'alcool pendant une intervention chirurgicale est associée à des taux d'infection plus élevés, à des séjours hospitaliers plus longs et à d'autres complications chirurgicales. Parmi les patients étudiés, 4,8 % avaient des dossiers comportant un code de diagnostic lié à la consommation d’alcool. À l’aide d’indices contextuels, le modèle a classé trois fois plus de patients à risque, jusqu’à un total de 14,5 pour cent.
Le modèle a obtenu des résultats similaires à ceux d'un groupe d'experts en consommation d'alcool, car il était en accord avec leurs classifications sur un sous-ensemble d'enregistrements dans 87 % des cas. Les chercheurs ont conclu que les résultats indiquent que l’IA est un allié potentiel pour les médecins cherchant à identifier les patients ayant besoin d’une intervention ou d’un soutien postopératoire.
L'analyse pourrait « jeter les bases d'efforts visant à identifier d'autres risques dans les soins primaires et au-delà, avec une validation appropriée », a déclaré VG Vinod Vydiswaran, professeur agrégé d'apprentissage des sciences de la santé à la Faculté de médecine, dans un communiqué de presse. Université du Michigan et auteur principal de l'article. "Essentiellement, il s'agit d'un moyen pour un prestataire de mettre en évidence ce qui est déjà contenu dans des notes prises par d'autres prestataires, sans qu'ils aient à lire l'intégralité du dossier."
Les chercheurs disent qu'ils envisagent de rendre le modèle public à terme, mais notent qu'il devra être formé sur la base des dossiers médicaux de chaque centre.
(c) 2024, Le Washington Post