Les exigences sans précédent imposées aux fournisseurs de soins de santé pendant la pandémie de COVID ont mis en évidence un besoin de plus en plus pressant pour les équipes médicales : un accès plus rapide à des informations plus nombreuses et plus détaillées sur les patients pour accélérer la prise de décision. Le volume des données relatives aux soins de santé a explosé ces dernières années avec l'introduction d'une série de nouvelles technologies. Cela représente une possibilité croissante d'extraire des informations nouvelles et plus complexes de ces données.
Aujourd'hui, les soins aux patients exigent des médecins et des cliniciens qu'ils consultent une série de flux de données provenant d'un grand nombre d'appareils disparates. Ces données sont souvent utilisées sur le moment, mais une analyse plus poussée peut être longue et complexe.
La faculté de médecine de l'UAB lance un projet pilote basé sur l'IA avec MIC
La faculté de médecine de l'UAB, l'un des principaux centres médicaux universitaires des États-Unis et un leader reconnu dans le domaine des soins aux patients, de la recherche et de la formation, souhaitait analyser rapidement les nombreuses données qu'il générait sur les patients et en tirer le maximum d'informations. Les outils émergents tels que l'intelligence artificielle (IA) et le machine learning pourraient-ils être utilisés pour tirer davantage d'informations des données ? L'UAB pourrait-elle utiliser ces données pour optimiser davantage la prestation de soins pour les patients individuels ou même pour prédire les événements de santé ?
Le département d'anesthésiologie et de médecine périopératoire de l'UAB a cherché à répondre à cette question avec MIC, une société de logiciels spécialisée dans la surveillance clinique dans l'environnement hospitalier.
Il en a résulté un projet pilote unique en son genre avec la faculté de médecine de l'UAB, fondé sur la plateforme Sickbay de MIC, agréée par la FDA, et sur les technologies Cisco et Intel®. En travaillant ensemble, les entreprises ont créé un nouveau modèle à grande échelle pour l'acquisition et la synchronisation des données, et ont ouvert la voie à des soins plus personnalisés.
Une étude cardiaque adopte une approche novatrice pour exploiter la valeur des données
La faculté de médecine de l'UAB a commencé par mettre en œuvre la plateforme de surveillance clinique en temps réel Sickbay (RTCS, Real-Time Clinical Surveillance-as-a-Service), alimentée par Intel, dans ses salles d'opération. Sickbay s'appuie sur l'architecture réseau de Cisco pour permettre l'intégration d'appareils médicaux sécurisés et compatibles avec les formes d'onde à partir d'appareils hors réseau, tels que la spectroscopie proche infrarouge (NIRS), les ventilateurs, les appareils d'anesthésie, l'oxygénation par membrane extracorporelle (ECMO), les électroencéphalogrammes (EEG), etc.
Cela a permis à l'équipe d'obtenir une surveillance continue des données en temps quasi réel et une collecte de données pour l'analyse rétrospective des cas cardiaques. L'objectif était d'analyser plusieurs altérations pendant différents types de procédures cardiaques ainsi que pendant les différentes étapes de ces procédures. Les résultats pouvaient ensuite être mis en corrélation avec les différents types de gestion et de médicaments disponibles.
« L'UAB est une institution très axée sur les données », déclare le Dr Dan Berkowitz, président du département d'anesthésiologie et de médecine périopératoire de l'UAB. « La plateforme Sickbay nous permet de capturer et d'intégrer ces informations à haute résolution à partir de tous les appareils de surveillance dont nous disposons, sans tenir compte des fournisseurs. Cela constitue une base profondément utile pour la découverte et le suivi en temps réel. »
D'un point de vue général, l'analyse cardiaque a exigé le prélèvement d'une grande quantité de données de séries chronologiques comprenant des heures d'échantillons de chirurgie, collectées à 120 échantillons par seconde, et la transformation des données en courbes simples, illustratives et utiles. Ainsi, les données sont transformées en informations utiles et exploitables. Ce qui a rendu le pilote inhabituel était son ampleur. Bien que des analyses similaires aient été effectuées précédemment, elles portaient sur un seul patient à la fois. Le projet pilote de l'UAB a recueilli les signaux et calculé les courbes d'autorégulation cérébrale, ainsi que les valeurs clés de ces courbes, pour une liste de 55 patients, de manière non identifiée, à raison de quatre minutes seulement par patient.
« Nous pensons que c'est la première fois que ce type d'analyse a été effectué simultanément sur des groupes de plusieurs patients », explique le Dr Ryan Melvin, spécialiste principal des données au département d'anesthésiologie et de médecine périopératoire de l'UAB.
Le MIC aide la faculté de médecine de l'UAB à fusionner les données pour obtenir de nouvelles informations
La plateforme Sickbay a permis à la faculté de médecine de l'UAB de combiner et de transformer deux signaux complexes ou plus pour créer une toute nouvelle vue, plus complète, de l'état du patient. Une fois la nouvelle courbe construite, l'UAB et le MIC ont cherché à l'utiliser pour atteindre deux objectifs.
Le premier consistait à déterminer la pression artérielle optimale pour chaque patient au cours de son intervention, sur la base d'informations en temps réel, au lieu de s'appuyer sur des données historiques ou des moyennes de population. La nouvelle vue personnalisée proposée par Sickbay regroupe les données provenant des appareils cardiaques et NIRS sur l'état du patient à un moment donné. La plateforme utilise ensuite ces données pour déterminer la pression artérielle optimale pour cette personne pendant la procédure cardiaque. Ces informations supplémentaires contribuent à créer une vision plus complète du patient, ce qui permet d'optimiser les soins afin de garantir que le cerveau du patient reçoit le flux sanguin nécessaire à tout moment.
Le deuxième objectif, qui représente un objectif à plus long terme, est de dépasser la visualisation de la courbe pour fournir aux médecins un seul chiffre de pression artérielle mis à jour toutes les quelques secondes. Le chiffre spécifierait le niveau de pression artérielle recommandé pour ce patient individuel à chaque étape de la procédure. 1
La plateforme Sickbay de MIC permet d'accéder à des données jamais disponibles auparavant
Les signaux à haute résolution et l'API offerts par Sickbay ont servi de base au projet pilote de la faculté de médecine de l'UAB. La plateforme logicielle approuvée par la FDA aide l'équipe de l'UAB à automatiser la collecte de données sur les patients au chevet des malades et à les transmettre aux équipes soignantes où qu'elles se trouvent.
En fusionnant des sources de données autrefois distinctes, Sickbay permet au personnel de la faculté de médecine de l'UAB d'accéder à des données en temps réel et à des données rétrospectives illimitées sur les formes d'ondes qui, dans de nombreux cas, n'étaient jamais disponibles auparavant. La possibilité de consulter ces données à distance permet d'adopter une approche plus axée sur les données pour les soins quotidiens aux patients, mais aussi de fournir des informations nouvelles et inédites sur l'autorégulation de la pression artérielle dans les cas de cardiopathie. Ces informations peuvent s'avérer précieuses pour les patients comme pour les médecins, car elles permettent de répondre à toute une série de besoins cliniques et opérationnels critiques, notamment la prévision des arrêts cardiaques.
Un nouveau modèle améliore le processus de médecine de l'UAB
« Ce que nous avons construit avec la plateforme Sickbay prédit les choses que nous voulons prédire, et nous pouvons la mettre à jour à tout moment et la surveiller de n'importe où », explique le Dr Melvin de l'UAB.
Grâce à l'architecture évolutive et indépendante du fournisseur proposée par Sickbay, l'équipe médicale peut soumettre une demande au service analytique interne. L'équipe informatique travaille alors en collaboration avec l'équipe médicale pour créer un outil qui fait exactement ce qui est demandé. La solution est construite autour des patients de l'UAB et peut être modifiée et adaptée à tout moment pour répondre à l'évolution des besoins. Toutes les données sont accessibles à partir de n'importe quel appareil connecté à Internet, ce qui permet d'effectuer des rondes et des contrôles virtuels depuis presque n'importe où, pour une utilisation plus efficace des ressources et une meilleure collaboration.
« Dans le cadre de notre travail avec l'UAB, nous nous sommes penchés sur la manière dont nous construisons réellement des modèles pour calculer et aider à guider les cliniciens afin de prédire les accidents ou les détériorations catastrophiques imminentes », explique le Dr Emma Fauss, PDG de MIC. « Comment aborder le problème de l'acquisition et de la synchronisation des données pour que tout se fasse de manière passive ? L'un de nos objectifs était qu'en utilisant le Sickbay, vous pourriez prendre un médecin expert et le jumeler avec un ingénieur de premier cycle et ils devraient être en mesure, en quelques jours ou semaines, de construire une analytique et de tester leurs théories. »
Des résultats pilotes prometteurs pour les patients et les médecins
Pour le projet pilote de la faculté de médecine de l'UAB, il a fallu six mois pour mettre le système en place et permettre à l'UAB de commencer à travailler avec les données. Une fois l'impact positif sur les résultats des patients démontré, les leçons apprises au cours du projet ont le potentiel d'apporter des avantages dans tout le continuum des soins.
Les avantages du traitement pour le patient
La faculté de médecine de l'UAB et le MIC se concentrent maintenant sur la validation de leurs résultats et des algorithmes utilisés pour traiter les données de ce programme pilote. L'objectif final est de commencer à utiliser la plateforme Sickbay et ce qui a été appris au cours du projet d'autorégulation pour améliorer la prise de décision en temps quasi réel et les soins aux patients dans la salle d'opération, l'unité de soins intensifs et au-delà.
Le programme pilote technologique soutient également la possibilité d'adopter une thérapie davantage axée sur les objectifs, plutôt que de s'appuyer sur les méthodes conventionnelles de mesure de la pression artérielle. L'hôpital pourrait alors prendre les données physiologiques dynamiques et en apprendre davantage en les comparant à différentes populations et à différentes courbes de relation dans ces populations.
En utilisant l'IA par machine learning, la plateforme Sickbay permet à la faculté de médecine de l'UAB de capturer des signaux à haute résolution en temps quasi réel pour aider les médecins à faire un pas de plus vers la médecine de précision. Les données relatives à d'autres questions de santé et de mode de vie pourraient éventuellement être intégrées. Il peut s'agir de l'exposition au soleil, de la microbiologie et du comportement génétique de la personne. La lumière et le bruit de leur environnement pourraient être pris en compte. Elles pourraient même inclure les réseaux sociaux ou l'activité de jeu d'une personne, ce qui rendrait possible le nec plus ultra en matière de traitement personnalisé.
Les avantages des flux de travail de l'hôpital
L'accès et la synchronisation des données présentent des avantages opérationnels pour l'hôpital et son personnel également. Pour les médecins et les cliniciens, Sickbay peut aider les médecins à minimiser les exigences liées à l'intégration de nombreuses sources de données différentes et à les vérifier par rapport à leurs propres connaissances et à la littérature disponible. Ainsi, les médecins peuvent récupérer du temps et profiter d'une plus grande liberté pour se concentrer sur ce qu'ils font le mieux, à savoir établir des liens étroits et empathiques avec leurs patients.
« L'objectif ultime de l'IA dans le domaine des soins de santé est d'alléger la charge cognitive des fournisseurs tout en améliorant les résultats pour les patients », explique le Dr Melvin de l'UAB. « Si nous avons un projet qui n'est pas en mesure d'atteindre cet objectif, je pense qu'il n'aura jamais de succès. Voilà où vous obtenez l'adhésion des équipes médicales. »
Les capacités prédictives rendues possibles par les riches données des patients en temps réel peuvent également permettre aux hôpitaux de mieux prévoir les besoins futurs et de fonctionner plus efficacement. À l'aide de ces données, le personnel peut-il déterminer s'il est prévu qu'un patient quitte l'unité de soins intensifs trop tôt ou y reste trop longtemps ? Peut-il prévoir et éviter un événement ou un accident sanitaire ? Qu'en est-il de la capacité à prédire la probabilité de réadmission ou le nombre de lits qui seront nécessaires demain ?
Grâce au modèle MIC-UAB basé sur la technologie Intel®, les décisions de planification peuvent être fondées sur des données accessibles sur les patients. Cela aide les hôpitaux comme la faculté de médecine de l'UAB à mieux identifier et éviter les problèmes de santé indésirables des patients, tout en fournissant de meilleurs soins à ceux qui en sont victimes. Les principaux avantages sont une plus grande efficacité pour les fournisseurs et une meilleure expérience globale pour les patients.
MIC et Intel : Une vision commune des possibilités
La relation entre MIC et Intel a commencé par la mission commune des deux entreprises, qui consiste à faire progresser l'idée de la collecte de données à la périphérie. Cette collaboration a donné naissance à un partenariat continu qui présente aujourd'hui de nombreuses facettes.
Intel Capital
Les premiers engagements ont conduit Intel à investir dans MIC et à lui apporter son soutien dans le cadre de son programme de sociétés de portefeuille Intel Capital.
Processeurs Intel®
La plateforme MIC Sickbay repose sur une plateforme SaaS dédiée, alimentée par des processeurs Intel® Xeon® Scalable et dotée d'une sécurité renforcée.
Expertise Intel
Le MIC s'appuie sur l'expérience et les ressources approfondies d'Intel et sur son vaste écosystème de partenaires industriels pour l'aider à résoudre des problèmes liés à la sécurité, à la gestion des données fédérées, à l'infrastructure, au calcul, ainsi qu'au prototypage rapide et à la validation de l'IA. Les experts d'Intel ont par exemple évalué l'architecture de MIC pour confirmer qu'elle offrait une solution sécurisée.
Philosophie d'Intel
« D'un point de vue philosophique, je pense que travailler avec l'équipe d'Intel a été merveilleux, car nous sommes très proches des mêmes principes », a déclaré Emma Fauss, PDG de MIC. « Nous sommes tous deux fondés par des ingénieurs. Nous voulons être curieux et résoudre de manière créative les problèmes auxquels nous sommes confrontés, pas seulement pour nos clients, mais aussi pour réfléchir en profondeur aux possibilités qui se présentent à nous. »