Navigation

ICU-Cockpit: quand des ordinateurs viennent en aide à la médecine intensive et d’urgence

 

Le projet vise un développement fondamental dans le domaine de la médecine intensive et d’urgence ainsi qu’une amélioration de la manière de travailler au quotidien dans les hôpitaux en matière de diagnostics, de traitements et de gestion des risques.

Description du projet (projet de recherche terminé)

Le projet "ICU-Cockpit" est développé depuis 2014 aux soins intensifs de neurochirurgie de l’Hôpital universitaire de Zurich, en collaboration avec l’ETH Zurich, IBM Research à Rüschlikon et le partenaire industriel Supercomputing Systems. Une technologie informatique de pointe est utilisée pour traiter les données des nombreux appareils médicaux en temps réel avec une résolution allant jusqu’à 200 Hz. Les données sont synchronisées et enregistrées sous forme cryptée. Il s’agit maintenant de permettre à ICU-Cockpit de reconnaître et d’éliminer des artéfacts dans les biosignaux. Nous développons par ailleurs des algorithmes pour la détection précoce des crises d’épilepsie et des troubles vasculaires cérébraux secondaires.

Contexte

Le savoir médical évolue très rapidement. La croissance des connaissances est telle que les médecins n’arrivent plus à la gérer. En "médecine personnalisée", le volume des données existantes par patient augmente par ailleurs de façon exponentielle. En médecine intensive et d’urgence s’ajoutent à cela des signaux en temps réel émis par de multiples capteurs placés sur et dans l’organisme. Ce flot d’informations, notamment dans des situations d’urgence, ne peut plus être intégré dans une prise de décision rapide.

Objectif

Sur la base de l’exploration de données (data mining), de l’apprentissage automatique et de l’intelligence artificielle, les énormes quantités de données enregistrées sont utilisées afin de modéliser des mécanismes physiopathologiques complexes et de développer des algorithmes pour des systèmes d’alarme précoce et des recommandations thérapeutiques.

Résultats

Grâce à ce projet, le groupe de recherche a recueilli les données provenant de l’historique des patients, de l'imagerie cérébrale, des valeurs de laboratoire et des biocapteurs ainsi que de la vidéosurveillance chez plus de 300 patients. Sur la base de ces données multimodales, des algorithmes ont été développés pour les trois cas d'utilisation suivants:

    1. Les alarmes aident le personnel médical de l'unité de soins intensifs à prévenir des lésions cérébrales des patients en octroyant une reconnaissance et une réaction rapides aux situations critiques; toutefois ceci n’est possible que s'il n'y a pas trop de "fausses alertes". Le mouvement externe (p. ex. du patient ou du personnel soignant) introduit des artefacts imprévisibles et importants dans les signaux générés par les biocapteurs. Le groupe de recherche a développé avec succès deux algorithmes visant la réduction des fausses alertes, le premier utilisant l'apprentissage machine et le second basé sur la vidéosurveillance quantifiant la quantité des mouvements des patients. 

    2. À partir d'une base de données de plus de 100 patients atteints d'hémorragie sous-arachnoïdienne (un type particulier d'accident vasculaire cérébral), des algorithmes ont été développés pour détecter les lésions cérébrales secondaires imminentes.

    3. Enfin, le groupe de recherche a développé des algorithmes de détection automatique des crises épileptiques par vidéo et par électroencéphalographie.

Suite à la validation de ces algorithmes par des ensembles de données supplémentaires, les algorithmes seront implémentés dans un logiciel fonctionnant au chevet du patient dans la pratique clinique quotidienne. Les systèmes d'aide à la décision peuvent améliorer le traitement dans le domaine des soins neurocritiques et conduire à de meilleurs résultats pour les patients à l'avenir.

Importance / Application

La réduction des fausses alarmes et des artéfacts dans les signaux augmente la sécurité des patients aux soins intensifs. La détection des constellations de risques et la prévision des complications critiques permettent d’intervenir plus tôt au niveau thérapeutique. Les décisions thérapeutiques, souvent prises aujourd’hui de manière empirique, sont étayées grâce des analyses de données et aux connaissances médicales les plus actuelles. De l’analyse des flux de données en temps réel naissent de nouvelles connaissances en physiopathologie ainsi qu’un nouveau savoir grâce à des systèmes d’apprentissage automatique.

Titre original

ICU-Cockpit: IT platform for multimodal patient monitoring and therapy support in intensive care and emergency medicine

Responsables du projet

  • Prof. Emanuela Keller, Neurochirurgische Intensivstation, Neurochirurgische Klinik, Universitätsspital Zürich
  • Dr. Maria Gabrani, IBM Research GmbH, Cognitive Computing and Industry Solutions

 

 

Plus d’informations sur ce contenu

 Contact

Prof. Emanuela Keller Neurochirurgische Intensivstation, Neurochirurgische Klinik, Universitätsspital Zürich Frauenklinikstrasse 10 8091 Zürich +41 44 255 56 71 emanuela.keller@usz.ch

A ce sujet