Le futur de la médecine : l'IA détecte les infections résistantes dès le diagnostic
L'intelligence artificielle pourrait-elle aider les médecins à savoir dès le début du traitement si un enfant est infecté par une bactérie résistante aux antibiotiques ? Une étude menée par l'Université d'Ariel et les services de santé Clalit démontre que des modèles d'apprentissage automatique, basés sur les dossiers médicaux, peuvent évaluer avec précision le risque d'infections causées par des bactéries produisant l'enzyme ESBL.
L'intelligence artificielle pourra-t-elle aider les médecins à savoir dès le début du traitement si un enfant atteint d'une infection urinaire a été infecté par une bactérie résistante aux antibiotiques ? Une étude menée par des chercheurs de l'Université d'Ariel et des services de santé Clalit a examiné des modèles d'apprentissage automatique conçus pour faire exactement cela, en utilisant des informations déjà présentes dans le dossier médical de l'enfant au moment du diagnostic initial. Les modèles sont conçus pour évaluer le risque que l'infection soit causée par des bactéries produisant l'enzyme ESBL – un mécanisme qui confère aux bactéries une résistance aux principaux groupes d'antibiotiques et peut nécessiter un traitement différent de celui habituel. Aujourd'hui, lorsqu'un enfant est diagnostiqué avec une infection urinaire, le traitement est souvent administré avant même que le résultat de la culture ne soit reçu, ce qui peut prendre au moins deux à trois jours.
Environ 36 000 cas d'infections urinaires examinés
Dans l'étude, les données des dossiers médicaux électroniques des services de santé Clalit ont été analysées, incluant environ 36 000 événements d'infections urinaires prouvées chez des enfants âgés d'un mois à 18 ans. Les données ont été collectées entre janvier 2010 et août 2020. Les chercheurs ont examiné les informations déjà disponibles lors de la première rencontre médicale, notamment l'âge et le sexe de l'enfant, le statut socio-économique, les antécédents médicaux, si l'infection était acquise en communauté ou à l'hôpital, l'utilisation antérieure d'antibiotiques et l'historique des infections précédentes. Sur la base de ces données, cinq modèles d'apprentissage automatique différents ont été développés pour évaluer la probabilité qu'il s'agisse d'une infection causée par une bactérie produisant l'ESBL.
Le risque a été multiplié par 18 chez les enfants déjà infectés par le passé
L'une des conclusions les plus marquantes de l'étude a été le lien fort entre une infection antérieure par une bactérie résistante et le risque de récidive : les enfants ayant déjà souffert d'une infection à ESBL par le passé présentaient un risque 18 fois plus élevé de souffrir de ce type d'infection lors d'un nouvel événement. D'autres facteurs associés au risque ont été identifiés : l'âge et le sexe de l'enfant, le statut socio-économique, le lieu où l'infection a été contractée, l'utilisation antérieure d'antibiotiques et le type de bactérie ayant causé l'infection.
Objectif : savoir plus tôt quel antibiotique administrer
L'un des principaux avantages des modèles était leur grande capacité à exclure une infection résistante. Dans les cinq modèles, une valeur prédictive négative d'environ 0,98 a été enregistrée, ce qui signifie que lorsque le modèle estimait que l'infection n'était pas causée par une bactérie ESBL, l'évaluation était correcte dans la grande majorité des cas. L'implication possible est qu'un système basé sur l'intelligence artificielle pourrait à l'avenir fournir au médecin une évaluation des risques avant même que les résultats de la culture n'arrivent, et ainsi aider à décider s'il est nécessaire d'envisager un traitement antibiotique adapté aux bactéries résistantes. Le besoin d'une identification précoce est particulièrement important car les infections causées par des bactéries produisant l'ESBL ont été liées à des taux de morbidité plus élevés, à des hospitalisations prolongées et même à des hospitalisations en unités de soins intensifs.
Pas encore un remplacement pour le médecin
Parallèlement aux résultats encourageants, les chercheurs soulignent qu'il s'agit d'un stade de recherche. Les modèles ne sont pas destinés à remplacer le jugement du médecin, qui repose également sur l'état clinique de l'enfant, l'examen physique et les résultats des tests de laboratoire. Selon les chercheurs, des études supplémentaires sont nécessaires pour améliorer les performances des modèles, les valider dans d'autres populations et surtout examiner si leur utilisation dans le monde réel améliore réellement les résultats du traitement. L'étude souligne le potentiel supplémentaire de l'intégration de l'intelligence artificielle en médecine : utiliser les informations déjà présentes dans le dossier médical pour aider à une prise de décision plus rapide et plus précise, précisément à une époque où la résistance aux antibiotiques devient l'un des principaux défis pour les systèmes de santé dans le monde.
