Xavier Boyer
Une équipe de chercheurs de l’Université de Yale et d’autres establishments dans le monde a développé une plateforme innovante de triage des sufferers alimentée par l’intelligence artificielle (IA) qui, selon les chercheurs, est capable de prédire la gravité de la maladie des sufferers et la durée de leur hospitalisation lors d’une épidémie virale.
La plate-forme, qui exploite les données d’apprentissage automatique et de métabolomique, vise à améliorer la gestion des individuals et à aider les prestataires de soins de santé à allouer les ressources additionally efficacement lors d’épidémies virales graves qui peuvent rapidement submerger les systèmes de santé locaux. La métabolomique est l’étude des petites molécules liées au métabolisme cellulaire.
“Être able de prédire quels clients peuvent être renvoyés chez eux et ceux qui pourraient avoir besoin d’une admission en unité de soins intensifs est essentiel pour les responsables de la santé qui cherchent à optimiser les résultats de santé des patients et à utiliser les ressources hospitalières le in addition efficacement probable pendant une épidémie”, a déclaré l’auteur principal Vasilis Vasiliou, professeur de épidémiologie à la Yale School of Public Well being (YSPH). Les chercheurs ont développé la plateforme en utilisant le COVID-19 comme modèle de maladie. Les résultats ont été publiés en ligne dans la revue Human Genomics.
La plateforme intègre des données cliniques de plan, des informations sur la comorbidité des patients et des données métabolomiques plasmatiques non ciblées pour orienter ses prédictions.
« Notre plate-forme de triage des individuals basée sur l’IA est distincte des modèles typiques de prédiction de l’IA pour le COVID-19 », a déclaré Ga Charkoftaki, auteur principal de l’étude et chercheur associé au Département des sciences de la santé environnementale de l’YSPH. “Cela constitue la pierre angulaire d’une approche proactive et méthodique pour faire confront aux prochaines épidémies virales.”
Grâce à l’apprentissage automatique, les chercheurs ont construit un modèle de gravité du COVID-19 et de prédiction de l’hospitalisation basé sur des données cliniques et des profils métaboliques collectés auprès de people hospitalisés pour la maladie. “Le modèle nous a amené à identifier un panel de biomarqueurs cliniques et métaboliques uniques qui sont fortement révélateurs de la development de la maladie et permettent de prédire les besoins de prise en cost des patients très peu de temps après leur hospitalisation”, ont écrit les chercheurs dans l’étude.
Pour l’étude, l’équipe de recherche a collecté des données complètes auprès de 111 clients COVID-19 admis à l’hôpital Yale New Haven pendant une période de deux mois en 2020 et de 342 personnes en bonne santé (brokers de santé) qui ont servi de témoins. Les patients ont été classés en différentes courses en fonction de leurs besoins en matière de traitement, allant de l’absence de besoin d’oxygène externe à la nécessité d’une pression positive des voies respiratoires ou d’une intubation.
L’étude a identifié un selected nombre de métabolites élevés dans le plasma qui présentaient une corrélation distincte avec la gravité du COVID-19. Ils comprenaient l’allantoïne, le 5-hydroxy tryptophane et l’acide glucuronique.
Notamment, les clients présentant des taux sanguins élevés d’éosinophiles se sont avérés avoir un pronostic de maladie furthermore sombre, exposant ainsi un nouveau biomarqueur potentiel de la gravité du COVID-19. Les chercheurs ont également noté que les sufferers nécessitant une pression good des voies respiratoires ou une intubation présentaient une diminution des taux plasmatiques de sérotonine, une découverte inattendue qui, selon eux, justifie des recherches as well as approfondies.
La plateforme de triage des people assistée par l’IA comporte trois éléments essentiels :
- Arbre de décision clinique : Cet outil de médecine de précision intègre des biomarqueurs clés pour le pronostic de la maladie afin de fournir une prédiction en temps réel de la progression de la maladie et de la durée potentielle du séjour à l’hôpital d’un patient. Le modèle prédictif testé a démontré une grande précision dans l’étude
- Estimation d’hospitalisation : La plateforme a réussi à estimer la durée d’hospitalisation des sufferers avec une marge d’erreur de 5 jours. La fréquence respiratoire (> 18 respirations/moment) et l’azote uréique sanguin minimal (BUN), un sous-produit du métabolisme des protéines, se sont tous deux révélés être des facteurs importants dans la prolongation de l’hospitalisation des clients
- Prédiction de la gravité de la maladie : La plateforme a prédit de manière fiable la gravité de la maladie et la probabilité qu’un affected person soit admis dans une unité de soins intensifs. Cela aide les prestataires de soins de santé à identifier les sufferers les as well as à risque de développer des maladies potentiellement mortelles et leur permet de commencer rapidement les traitements pour optimiser les résultats, selon l’étude
Dans le cadre de l’étude, l’équipe de recherche a développé un logiciel convivial – le logiciel COVID Severity by Metabolomic and Clinical Study (CSMC) – qui intègre l’apprentissage automatique et les données cliniques pour assurer la gestion préhospitalière des clients et classer les ailments des patients lorsque ils arrivent aux urgences.
« Notre plate-forme modèle fournit une approche personnalisée pour gérer les people atteints de COVID-19, mais elle jette également les bases de futures épidémies virales », a déclaré Vasiliou, président du département des sciences de la santé environnementale de l’YSPH et professeur Susan Dwight Bliss d’épidémiologie (santé environnementale). Les sciences). « Alors que le monde proceed de lutter contre le COVID-19 et que nous restons vigilants deal with à d’éventuelles épidémies futures, notre plateforme basée sur l’IA représente une étape prometteuse vers une réponse de santé publique moreover efficace et fondée sur les données.
Les limites de l’étude incluent le fait que tous les échantillons ont été collectés entre mars et mai 2020, une période avant l’émergence des vaccins contre la COVID-19 et avant que de nombreux traitements contre le virus SARS-CoV-2, tels que le remdesivir, soient disponibles. De tels traitements pourraient réduire les changements observés dans les biomarqueurs métabolites. Deuxièmement, la inhabitants des témoins sains était principalement blanche, tandis que les patients atteints du COVID-19 comprenaient une proportion moreover élevée d’individus noirs. En tant que tel, la possibilité que la race/l’origine ethnique soit un facteur contribuant aux différences entre les sujets ne peut être exclue.
Chercheurs du Laboratoire de chimie analytique de l’Université nationale et capodistrienne d’Athènes, Grèce Collège impérial de Londres et l’Institut de chimie de São Carlos de l’Université de São Palo, au Brésil, ont contribué à l’étude.
