Transformer les données de surveillance en soins critiques en aide à la décision pour la prise en charge de la ventilation

L’Hôpital d’Ottawa est le premier établissement au monde à évaluer Extubation Advisor, un outil prédictif fondé sur l’intelligence artificielle et l’apprentissage automatique qui aide les équipes des soins critiques à déterminer à quel moment les patients sont prêts à respirer par eux-mêmes. L’outil surveille et analyse le profil de variabilité de la fréquence respiratoire du patient lors des essais de soutien minimal du respirateur. Il utilise ensuite l’intelligence artificielle pour traduire ces profils respiratoires modifiés en une prédiction qui aide à déterminer si le patient pourrait être retiré du respirateur en toute sécurité.

Extubation Advisor est issu de l’intérêt de longue date du Dr Andrew Seely pour l’analyse de la variabilité des signes vitaux et la surveillance prédictive en soins critiques. Le Dr Seely est médecin en soins critiques, chirurgien thoracique et scientifique à L’Hôpital d’Ottawa et à l’Institut de recherche de l’Hôpital d’Ottawa, et professeur à l’Université d’Ottawa. Il est aussi fondateur et directeur scientifique de Therapeutic Monitoring Systems, et l’outil d’aide à l’extubation Extubation Advisor est l’un de ses principaux produits.

Le travail à l’origine d'Extubation Advisor a commencé par la recherche, et non par un logiciel. La question était de savoir si les évaluations de la variabilité respiratoire contiennent des signes précoces annonciateurs d’un échec de l’extubation. Le Dr Seely et ses collègues ont constaté que la perte de variabilité de la respiration et de la fréquence cardiaque était associée à un risque plus élevé.

L’équipe est ensuite passée à la conception et à l’essai de modèles de prédiction. Une étape importante a été une vaste étude menée dans 10 centres auprès de plus de 700 patients, financée par les Instituts de recherche en santé du Canada. Ce travail a servi à élaborer et à valider le modèle prédictif qui sous-tend l’outil Extubation Advisor. Cette recherche a montré qu’une réduction de la variabilité de la fréquence respiratoire permettait de mieux prédire l’échec de l’extubation.

L’étape suivante a été celle de la traduction : passer des modèles et des analyses à un produit d’aide à la décision pouvant être utilisé de façon uniforme auprès des patients. Extubation Advisor a été conçu et mis en œuvre dans le cadre d’études cliniques observationnelles et fait maintenant l’objet d’une évaluation dans le cadre d’un essai randomisé. Après avoir mené à bien un essai clinique randomisé multicentrique de faisabilité auprès de 100 patients dans 10 centres, financé par les Instituts de recherche en santé du Canada, le Dr Seely et sa cochercheuse principale, la Dre Karen Burns, viennent de soumettre une demande de subvention pour un essai randomisé comparatif décisif de plus grande envergure auprès de 700 patients afin de répondre à une question plus large : l’aide à la décision en matière d’extubation améliore-t-elle les résultats dans les soins courants à grande échelle?

L’outil est aussi passé à l’étape de l’évaluation réglementaire et en contexte réel. Santé Canada a approuvé Extubation Advisor à titre d’instrument médical de classe III, ce qui signifie qu’il s’agit d’un logiciel en tant qu’instrument médical destiné à un usage clinique. L’outil est aussi approuvé pour un usage clinique dans l’Union européenne. Parallèlement, à L’Hôpital d’Ottawa, l’outil d’aide à l’extubation Extubation Advisor est mis en œuvre à l’unité de soins critiques pour une période d’un an amorcée en octobre.

Le Dr Seely souligne que la collaboration et le travail d’équipe sont des facteurs clés dans les progrès réalisés jusqu’à maintenant. Il rend hommage à son équipe de l’Institut de recherche de l’Hôpital d’Ottawa : les ingénieurs biomédicaux titulaires d’un doctorat Christopher Herry et Nathan Scales, la coordonnatrice principale de recherche Jill Allen et l’inhalothérapeute Emma Lee. Il décrit aussi une vaste collaboration entre plusieurs sites, à laquelle ont contribué de nombreux cliniciens, membres du personnel de recherche et inhalothérapeutes, et il souligne le leadership d’essais cliniques au-delà d’Ottawa, notamment celui de la Dre Karen Burns à Unity Health.

Un autre thème clé est celui des partenariats, y compris avec le secteur privé, sans perdre de vue l’objectif public centré sur le patient. Le Dr Seely a fondé son entreprise pour aider à faire entrer Extubation Advisor dans les soins aux patients et a indiqué que le travail avec des partenaires de l’industrie fait partie de ce qu’il faut pour commercialiser les outils et les amener jusqu’à une utilisation clinique réelle.

« Tout le monde essaie d’atteindre le même objectif : améliorer la qualité clinique et l’efficacité des soins », affirme le Dr Seely. « Dans ce contexte, les partenariats avec le secteur privé ne nuisent pas des soins aux patients. Ils peuvent jouer un rôle important dans la façon dont les outils sont conçus, soutenus et maintenus au fil du temps. »

Même si des progrès importants ont été réalisés, le parcours n’a pas été sans défis. Le Dr Seely souligne trois obstacles qui peuvent déterminer le succès des outils d’intelligence artificielle médicale.

Le premier est la disponibilité et l’état de préparation des données. La modélisation prédictive exige le couplage de deux types de données : les données d’entrée utilisées pour générer les prédictions et les résultats que le modèle tente de prédire. Il ne suffit pas d’avoir des données de surveillance, qui sont exigeantes à recueillir. Les équipes ont aussi besoin de définitions uniformes des résultats, par exemple la réussite ou l’échec de l’extubation et la question de savoir si les patients ont dû être remis sous respirateur dans un délai défini. Le Dr Seely a souligné que les systèmes de dossiers de santé électroniques représentent un investissement majeur, mais qu’ils ne produisent pas automatiquement des ensembles de données normalisés et reliés entre eux, prêts pour ce type de modélisation et de validation.

Le deuxième obstacle est l’adoption. L’aide à la décision vise à appuyer le jugement clinique, non à le remplacer, mais elle n’est utile que si les cliniciens l’utilisent réellement. En pratique, cela dépend du fait que les cliniciens soient intéressés, curieux et ouverts à des renseignements additionnels d’aide à la décision. Cela dépend aussi de la confiance, qui vient souvent de l’expérience. De nombreux cliniciens veulent essayer un outil seulement après qu’il a été rigoureusement testé, avant qu’il fasse partie de la pratique courante.

Le troisième obstacle est la viabilité dans un contexte réglementaire. Pour les logiciels cliniques réglementés, l’approbation n’est pas la ligne d’arrivée. Les systèmes continus de qualité, les audits, le travail de conformité et les coûts élevés se poursuivent année après année. Le Dr Seely décrit ces exigences continues comme nécessaires, mais aussi comme un facteur réel de coûts qui influe sur ce qui est réaliste en matière de maintenance, de tarification et de déploiement à grande échelle, surtout dans une catégorie encore nouvelle.

Ce qui fait avancer le travail, c’est un véritable besoin clinique, appuyé par des recherches et des essais constants au fil du temps. Pour le Dr Seely, cela est aussi porté par sa passion pour ce travail, par sa conviction qu’il a de la valeur et par le fait qu’il y trouve du plaisir. Cela dit, passer d’un problème clinique à un outil réglementé utilisé dans les soins aux patients demande du temps et des efforts soutenus.

Le Dr Seely estime qu’Ottawa est bien placée pour jouer un rôle de chef de file dans les applications cliniques des outils d’intelligence artificielle, en offrant un environnement solide pour concrétiser l’intelligence artificielle dans les soins. Les éléments qu’il met en avant sont les suivants : des établissements extrêmement favorables, une recherche multidisciplinaire approfondie, des équipes cliniques motivées et novatrices, une culture remarquable de collaboration et un leadership fort dans l’ensemble de la communauté des soins de santé d’Ottawa. Extubation Advisor en est un exemple, mais il s’inscrit dans un écosystème plus vaste où des travaux importants et prometteurs en intelligence artificielle médicale sont en train d’émerger.