Des chercheurs du MIT et du Massachusetts General Hospital (MGH) ont développé un modèle prédictif qui pourrait aider les cliniciens à décider quand donner des médicaments potentiellement salvateurs aux patients traités pour une septicémie aux urgences.

Le sepsis est l'une des causes les plus fréquentes d'admission, et l'une des causes de décès les plus fréquentes, dans l'unité de soins intensifs. Mais la grande majorité de ces patients arrivent d'abord par les urgences. Le traitement commence généralement par des antibiotiques et des liquides intraveineux, quelques litres à la fois. Si les patients ne répondent pas bien, ils peuvent entrer en choc septique, où leur tension artérielle chute dangereusement et les organes échouent. Ensuite, c'est souvent à l'USI, où les cliniciens peuvent réduire ou arrêter les fluides et commencer des médicaments vasopresseurs tels que la norépinéphrine et la dopamine, pour augmenter et maintenir la tension artérielle du patient.

C'est là que les choses peuvent se compliquer. Administrer des fluides pendant trop longtemps peut ne pas être utile et pourrait même causer des dommages aux organes, une intervention vasopressive précoce peut donc être bénéfique. En réalité, l'administration précoce de vasopresseurs a été associée à une amélioration de la mortalité en cas de choc septique. D'autre part, administrer des vasopresseurs trop tôt, ou lorsqu'il n'est pas nécessaire, a ses propres conséquences négatives sur la santé, tels que les arythmies cardiaques et les dommages cellulaires. Mais il n'y a pas de réponse claire sur le moment de faire cette transition; les cliniciens doivent généralement surveiller de près la tension artérielle du patient et d'autres symptômes, puis faites un appel de jugement.

Dans un article présenté cette semaine au Symposium annuel de l'American Medical Informatics Association, les chercheurs du MIT et du MGH décrivent un modèle qui « apprend » à partir des données de santé sur les patients atteints de sepsis en soins d'urgence et prédit si un patient aura besoin de vasopresseurs dans les prochaines heures. Pour l'étude, les chercheurs ont compilé le tout premier ensemble de données de ce type pour les patients atteints de sepsis aux urgences. En test, le modèle pourrait prédire un besoin d'un vasopresseur plus de 80 pour cent du temps.

La prédiction précoce pourrait, entre autres, éviter un séjour inutile aux soins intensifs pour un patient qui n'a pas besoin de vasopresseurs, ou commencer une préparation précoce à l'USI pour un patient qui le fait, disent les chercheurs.

"Il est important d'avoir une bonne capacité de discrimination entre qui a besoin de vasopresseurs et qui n'en a pas [aux urgences], " dit le premier auteur Varesh Prasad, un doctorat étudiant dans le programme Harvard-MIT en sciences et technologies de la santé. "Nous pouvons prédire en quelques heures si un patient a besoin de vasopresseurs. Si, à l'époque, les patients ont reçu trois litres de liquide IV, cela peut être excessif. Si nous savions à l'avance que ces litres n'allaient pas aider de toute façon, ils auraient pu commencer plus tôt les vasopresseurs."

En milieu clinique, le modèle pourrait être implémenté dans un moniteur de chevet, par exemple, qui suit les patients et envoie des alertes aux cliniciens dans les urgences souvent mouvementées pour savoir quand commencer les vasopresseurs et réduire les fluides. "Ce modèle serait un système de vigilance ou de surveillance travaillant en arrière-plan, " dit le co-auteur Thomas Heldt, le professeur de développement de carrière W. M. Keck au MIT Institute of Medical Engineering and Science. « Il existe de nombreux cas de septicémie que [les cliniciens] comprennent clairement, ou n'avez pas besoin de soutien avec. Les patients peuvent être si malades lors de la présentation initiale que les médecins savent exactement quoi faire. Mais il y a aussi une "zone grise, ' où ce genre d'outils devient très important."

Les co-auteurs de l'article sont James C. Lynch, un étudiant diplômé du MIT ; et Trent D. Gillingham, Saurav Népal, Michael R. Filbin, et Andrew T. Reisner, tout l'HGM. Heldt est également professeur adjoint de génie électrique et biomédical au département de génie électrique et d'informatique du MIT et chercheur principal au laboratoire de recherche en électronique.

D'autres modèles ont été construits pour prédire quels patients sont à risque de sepsis, ou quand administrer des vasopresseurs, en USI. Mais c'est le premier modèle formé sur la tâche pour l'ER, dit Heldt. "[L'USI] est une étape ultérieure pour la plupart des patients atteints de sepsis. L'urgence est le premier point de contact avec le patient, où vous pouvez prendre des décisions importantes qui peuvent faire une différence dans les résultats, " dit Heldt.

Le principal défi a été l'absence d'une base de données ER. Les chercheurs ont travaillé avec les cliniciens de l'HGM pendant plusieurs années pour compiler les dossiers médicaux de près de 186, 000 patients qui ont été traités aux urgences de l'HGM de 2014 à 2016. Certains patients de l'ensemble de données avaient reçu des vasopresseurs dans les 48 heures suivant leur visite à l'hôpital, alors que d'autres ne l'avaient pas fait. Deux chercheurs ont examiné manuellement tous les dossiers de patients présentant un choc septique probable pour inclure l'heure exacte de l'administration du vasopresseur, et autres annotations. (Le délai moyen entre la présentation des symptômes du sepsis et l'initiation du vasopresseur était d'environ six heures.)

Les enregistrements ont été répartis au hasard, avec 70 pour cent utilisés pour la formation du modèle et 30 pour cent pour le tester. Dans la formation, le modèle a extrait jusqu'à 28 des 58 caractéristiques possibles de patients qui avaient besoin ou n'avaient pas besoin de vasopresseurs. Les caractéristiques comprenaient la pression artérielle, temps écoulé depuis l'admission initiale aux urgences, volume total de liquide administré, fréquence respiratoire, état mental, Saturation d'oxygène, et les changements dans le volume systolique cardiaque – la quantité de sang que le cœur pompe à chaque battement.

En test, le modèle analyse plusieurs ou toutes ces caractéristiques chez un nouveau patient à des intervalles de temps définis et recherche des modèles indicatifs d'un patient qui a finalement eu besoin de vasopresseurs ou n'en a pas eu besoin. Sur la base de ces informations, il fait une prédiction, à chaque intervalle, savoir si le patient aura besoin d'un vasopresseur. Pour prédire si les patients ont besoin de vasopresseurs dans les deux heures ou plus, le modèle était correct 80 à 90 pour cent du temps, ce qui pourrait empêcher un demi-litre excessif ou plus de fluides administrés, en moyenne.

"Le modèle prend essentiellement un ensemble de signes vitaux actuels, et un peu de ce à quoi ressemble la trajectoire, et détermine que cette observation actuelle suggère que ce patient pourrait avoir besoin de vasopresseurs, ou cet ensemble de variables suggère que ce patient n'en aurait pas besoin, " dit Prasad.

Prochain, les chercheurs visent à étendre le travail pour produire plus d'outils qui prédisent, en temps réel, si les patients des urgences peuvent initialement être à risque de sepsis ou de choc septique. "L'idée est d'intégrer tous ces outils dans un seul pipeline qui aidera à gérer les soins dès leur arrivée aux urgences, " dit Prasad.

L'idée est d'aider les cliniciens des services d'urgence des grands hôpitaux comme l'HGM, qui voit environ 110, 000 patients par an, se concentrer sur les populations les plus à risque de sepsis. "Le problème avec la septicémie est que la présentation du patient dément souvent la gravité du processus pathologique sous-jacent, " dit Heldt. " Si quelqu'un arrive avec une faiblesse et ne se sent pas bien, un peu de liquide peut souvent faire l'affaire. Mais, dans certains cas, ils ont une septicémie sous-jacente et peuvent se détériorer très rapidement. Nous voulons pouvoir dire quels patients se sont améliorés et lesquels sont sur un chemin critique s'ils ne sont pas traités."

Cette histoire est republiée avec l'aimable autorisation de MIT News (web.mit.edu/newsoffice/), un site populaire qui couvre l'actualité de la recherche du MIT, innovation et enseignement.