Test de dépistage alimenté par l'IA pour COVID-19

Une nouvelle étude réalisée par des chercheurs de l'Université d'Oxford et de l'Université Harvard et publiée sur le serveur de préimpression medRxiv * en juillet 2020 rapporte l'utilisation de l'intelligence artificielle (IA) pour dépister les patients se présentant ou admis à l'hôpital pour COVID-19. Cela pourrait aider à trier les patients dans des environnements où les tests sont bas et à réduire le risque d'infection.

Étude: L'évaluation, basée sur l'intelligence artificielle, des données de soins de santé collectées en routine est un test de dépistage efficace pour COVID-19 chez les patients se présentant à l'hôpital. Crédit d'image: Gorodenkoff / Shutterstock

La pandémie de COVID-19 en cours se propage largement et en partie en raison du retard de diagnostic, en particulier lorsque les symptômes présentés ne sont pas spécifiques. L'utilisation de la RT-PCR peut identifier la présence du coronavirus 2 du syndrome respiratoire aigu sévère (SRAS-CoV-2), mais les résultats peuvent prendre jusqu'à 48 heures. Il existe donc un besoin urgent de tests rapides et immédiats pour identifier cette infection sur le lieu des soins. Cela accélérera les soins requis ainsi qu'un triage et un contrôle rapides de l'infection.

L'utilisation des dossiers de santé électroniques (DSE) peut être adaptée à cette fin, en utilisant l'apprentissage automatique pour détecter les signes d'infection au COVID-19 tout en restant dans le cadre du régime ordinaire de dépistage hospitalier. L'étude actuelle a examiné l'utilisation de l'IA formée à partir de données cliniques qui sont systématiquement collectées lors de la présentation à l'hôpital, pour permettre un dépistage rapide de cette maladie dans l'heure qui suit la consultation par le premier professionnel de la santé.

L'étude comprend plus de 170 500 présentations consécutives aux services d'urgence ou aux services médicaux aigus d'un grand hôpital au Royaume-Uni. Après avoir formé les machines à IA, ils ont simulé les performances réelles des systèmes à différents points de l'épidémie par des ensembles de tests ayant une prévalence différente de l'infection. Les chercheurs ont examiné les valeurs prédictives.

Ils ont ensuite mené une étude de validation sur tous les patients entre le 20 avril 2020 et le 6 mai 2020, en comparant les prévisions aux résultats du test PCR. Près de 115 400 et plus de 72 300 patients se sont présentés et ont été admis, respectivement.

Les chercheurs ont développé deux modèles de dépistage du COVID-19, un pour les patients admis et un pour tous les patients se présentant à l'hôpital. Ils ont découvert que les deux modèles pouvaient être formés à l'aide de tests sanguins de laboratoire de routine effectués lors de la présentation, des résultats des gaz sanguins au point de soins et des signes vitaux. Ils ont constaté que les premier et troisième avaient la valeur prédictive la plus élevée pour COVID-19.

Le modèle de détection de COVID-19 chez les patients présentant avait une sensibilité de 77% mais une spécificité de 96%. Pour ceux admis avec COVID-19, la sensibilité et la spécificité étaient respectivement de 77% et 95%.

Sur une période de deux semaines, ces modèles ont été prospectivement validés par rapport à la RT-PCR pour tous les patients. Ils ont constaté que les modèles de présentation et d'admission avaient une précision de 92%, avec des valeurs prédictives négatives élevées. En d'autres termes, plus de 99% des patients pour lesquels le test était négatif étaient vraiment exempts de COVID-19.

Implications

Les chercheurs résument: «Nos modèles de service des urgences et d'admission identifient efficacement les patients atteints de COVID-19 parmi tous les patients se présentant et admis à l'hôpital, en utilisant les données généralement disponibles dans la première heure de présentation.»

Lorsque la prévalence est faible, à 5% ou moins, ces modèles peuvent atteindre une valeur prédictive négative de plus de 99%, ce qui signifie qu'ils peuvent exclure la maladie. Lorsque la prévalence est beaucoup plus élevée, supérieure à 25%, les modèles peuvent être adaptés pour fournir une valeur prédictive positive supérieure à 83%, ce qui est nécessaire. La capacité des modèles à s'adapter aux conditions changeantes à mesure que la pandémie continue de se propager, et le changement est un avantage important de cette approche.

Les valeurs prédictives négatives élevées permettent leur utilisation comme test de dépistage afin que les patients se présentant aux urgences puissent être rapidement dépistés pour COVID-19. Cela aidera à fournir des soins immédiats, à guider les patients à travers le processus de diagnostic et d'admission en toute sécurité, et même à former un groupe de pré-test pour la RT-PCR formelle lorsque ces dernières sont limitées en disponibilité.

L'étude est importante dans la mesure où elle possède le plus grand ensemble de données de toute étude de laboratoire COVID-19 basée sur l'IA jusqu'à présent, la grande cohorte de patients non COVID-19 permettant d'utiliser un large éventail d'infections non diagnostiquées et d'autres présentations pour la formation.

Non seulement l'utilisation de tests sanguins et de signes vitaux en laboratoire empêche les tests spécialisés qui ne sont pas disponibles dans la première heure de présentation, mais peut aider à identifier les facteurs qui exposent les individus à un risque plus élevé de COVID-19 ou d'autres conditions similaires. Troisièmement, cela serait idéal pour les diagnostics urgents dans les pays avancés et pauvres, qui ont un déficit de kits de test. Enfin, ils sont facilement évolutifs.

*Avis important

medRxiv publie des rapports scientifiques préliminaires qui ne sont pas évalués par des pairs et, par conséquent, ne doivent pas être considérés comme concluants, orienter la pratique clinique / les comportements liés à la santé, ou traités comme des informations établies.

Vous pourriez également aimer...