Utilisation de l’Intelligence Artificielle pour déterminer un score prédictif d’hypotension artérielle lors d’une chirurgie majeure non cardiaque, à partir d’un simple monitorage invasif de la pression artérielle
|
Contexte : L’hypotension artérielle péri-opératoire est un facteur de risque de mortalité et morbidité postopératoire. Lors de l’anesthésie générale, l’apparition d’une hypotension augmente le risque de complications neurologiques (AVC), cardiologique (ischémie myocardique) et rénale (insuffisance rénale) postopératoires. Ceci a largement été démontré par plusieurs études. La morbi-mortalité postopératoire est liée à la durée et la profondeur de l’hypotension artérielle. L’optimisation de la prise en charge hémodynamique peropératoire consiste à éviter ou limiter la durée des épisodes hypotensifs en utilisant des traitements médicamenteux à visée corrective. Ceux-ci ne sont administrés qu’après l’apparition de l’hypotension, en réaction et non en anticipation de sa survenue. Actuellement dans le cadre de la chirurgie majeure non cardiaque, malgré le monitorage invasif de la pression artérielle et la surveillance d’autres paramètres, il n’existe pas de score prédictif permettant d’anticiper la survenue d’un épisode hypotensif. Récemment, plusieurs études se sont intéressées à l’apport de l’intelligence artificielle (IA) pour aider le clinicien dans sa démarche quotidienne d’anticipation des évènements hypotensifs. Ainsi, Hatib et al., ont élaboré rétrospectivement, un index prédictif d’hypotension artérielle dans ce type de chirurgie (HPI = Hypotension Prediction Index) en utilisant l’intelligence artificielle. La principale limite de cette étude est la nécessité d’un monitorage spécifique afin d’analyser les variations de courbe de tension artérielle. Wijnberge et al., en collaboration avec Edwards Lifesciences, ont validé cet algorithme en pratique clinique. L’utilisation de ce système permettait d’anticiper la survenue d’un épisode hypotensif, plusieurs dizaines de seconde avant le praticien (« early warning »). La principale limite là encore était l’utilisation d’un monitorage associé à un outil d’analyse spécifique. De ce fait, cet index est difficilement transposable à la pratique quotidienne des établissements de santé publics et privés. Dans notre institut, depuis plus de 10 ans, nous bénéficions d’une informatisation complète péri-opératoire (logiciel Diane® BowMedical), permettant l’enregistrement de très nombreuses données en temps réel au niveau anesthésique (hémodynamique, ventilatoire, administrations des médicaments…) avec corrélation aux différents temps chirurgicaux. Notre hypothèse repose sur l’utilisation de l’intelligence artificielle pour établir un score prédictif d’hypotension artérielle peropératoire à partir des éléments enregistrés dans le logiciel Diane® sans nécessité de monitorage hémodynamique spécifique supplémentaire. La prédictibilité de survenue d’une hypotension artérielle pourrait être réévaluée en temps réel par l’intelligence artificielle en peropératoire afin d’apporter une aide précieuse au praticien en routine dans nos établissements publics et privés. Objectif principal : Etablir un score prédictif d’hypotension artérielle peropératoire à partir des éléments enregistrés dans le logiciel Diane® en l’absence de monitorage spécifique (et onéreux) de l’hémodynamique. Objectifs secondaires : - Utiliser l’intelligence artificielle en temps réel pour adapter en permanence le score prédictif d’hypotension artérielle en intégrant au fur et à mesure les paramètres recueillis. - Valider ce score en pratique quotidienne. Projet en deux parties : 1) Cohorte d’apprentissage 2) Cohorte de validation (objet d’une demande d’autorisation de la CNIL ultérieure) |
Institut Claudius Regaud – IUCT-Oncopole
1 avenue Irène Joliot Curie
31059 Toulouse Cedex 9
France