Bernard

  • La fusion des données médicales combinées à l’IA améliore le diagnostic de la tuberculose

    Un contexte de sous diagnostic de la tuberculose

    Un groupe de chercheurs colombiens ont étudié l’utilisation de l’intelligence artificielle (IA), du machine learning (ML) et du traitement du langage naturel (NLP) pour améliorer le diagnostic de la tuberculose dans les zones rurales à ressources limitées. La tuberculose, déclarée urgence mondiale par l’OMS, est l’une des principales causes de décès avec plus de 7,5 millions de morts chaque année. L’écart entre les cas estimés et diagnostiqués est de 3,1 millions. Le dépistage est insuffisant dans les régions éloignées en raison du manque d’accès aux tests microbiologiques standards (1).

    La méthode de l’étude exploratoire et technologique

    Les chercheurs et cliniciens de l’Hôpital universitaire national, de l’École de Médecine et des Sciences de la Santé de l’Université de la Rosario, du Département d’Ingénierie Biomédicale de l’Université Antonio Nariño, ainsi que du Réseau Intégré des Services de Santé Centre-Est et de la Fondation Santa Fe, toutes situées à Bogotá, ont combiné le traitement du langage naturel des dossiers médicaux électroniques et l’analyse des données cliniques à l’aide de l’IA. Cinq algorithmes de ML  ont ainsi ont été testés :

    • L’algorithme d’apprentissage supervisé utilisé pour la classification et la régression Support Vector Machine (SVM). ,
    • L’algorithme de classification K-Nearest Neighbors (KNN),
    • Le modèle statistique utilisé pour la classification binaire Logistic Regression (LR),
    • Le modèle d’apprentissage automatique inspiré du fonctionnement du cerveau humain ANN (Artificial Neural Network)
    • L’ensemble de modèles d’arbres de décision utilisés pour la classification et la régression RF (Random Forest)

    Les résultats sur 151 patients montrent que l’utilisation exclusive des données cliniques, avec une aire sous la courbe ROC (2) de 69,9 %, offre la meilleure performance. Cette approche, plus efficace que les rapports médicaux ou leur combinaison, laisse une marge d’amélioration de 30,1 %.

    Des solutions diagnostiques accessibles pour maladies Infectieuses

    Cette étude propose des solutions pour améliorer le diagnostic de la tuberculose en Colombie et dans d’autres régions à faible infrastructure, comme en Afrique, en Asie et en Inde. L’IA pourrait également être adaptée pour d’autres maladies infectieuses telles que les infections respiratoires, le paludisme, les maladies tropicales, les hépatites virales, les infections sexuellement transmissibles et les maladies émergentes ou réemergentes comme la dengue et le chikungunya.

    (1) Microscopie, tests moléculaires, cultures

    (2) Receiver Operating Characteristic

    Etude : Romero-Gómez, A. F.; Orjuela-Cañón, A. D.; Jutinico, A. L.; Awad, C. E.; Vergara, E.; Palencia, M. A. « Data Fusion Using Medical Records and Clinical Data to Support TB Diagnosis ». Preprints 2024, 2024061316. https://doi.org/10.20944/preprints202406.1316.v1

  • IA et immunohistochimie : une combinaison gagnante pour l’analyse avancée de cancers

    Une étude des applications de l’IA pour différents cancers entre 2014 et 2021

    Des chercheurs universitaires roumains de la faculté de pharmacie de l’université Dunarea de Jos de Galati, de l’hôpital d’urgence du comté Saint Apôtre André de Galati et de l’hôpital pédiatrique Saint Jean de Galati se sont concentrés sur l’intégration d’algorithmes d’apprentissage profond et de machine learning pour évaluer des marqueurs immunohistochimiques à travers cinq types de cancers : sein, prostate, poumons, proliférations mélanocytaires et cancers hématologiques. Leur étude a passé en revue systématique la littérature scientifique incluant des articles originaux sur les applications de l’IA en immunohistochimie (IHC) dans divers contextes oncologiques, publiés entre 2014 et 2021. Cette exploration de diverses plateformes logicielles d’IA intégrées est utilisée pour analyser des lames numériques d’IHC.

    Reproductibilité et défis

    Les résultats publiés en juin dans le journal de Médecine Personnalisée révèlent l’amélioration de la reproductibilité et de la précision des analyses IHC. Ils montrent une évaluation plus précise et plus rapide des biomarqueurs au sein des échantillons tissulaires, surpassant l’œil humain dans la détection de certaines anomalies. L’étude, qui met en évidence le potentiel transformateur de l’IA en IHC pour améliorer la précision et l’efficacité du diagnostic en oncologie, ouvre trois perspectives :

    • Le développement d’algorithmes de diagnostic innovants pour assister les médecins.
    • L’amélioration de la standardisation et de la reproductibilité des analyses IHC.
    • L’intégration plus poussée de l’IA dans les flux de travail de pathologie numériques.

    Cependant, il faut dépasser trois limites :

    • Le besoin de validation clinique à grande échelle des algorithmes d’IA.
    • La nécessité d’harmoniser les pratiques et les standards entre les centres.
    • Les enjeux éthiques sur l’utilisation des données et la responsabilité en cas d’erreur diagnostique.

     

  • Big data : améliorer la réponse aux épidémies en Asie du Sud-Est (étude)

    Une région vulnérable aux épidémies

    Des chercheurs de l’Hôpital Mediclinic à Pietermaritzburg en Afrique du Sud, de l’hôpital général d’Albada à Tabuk en Arabie Saoudite, ainsi que de l’Université de Floride du Nord aux États-Unis, ont étudié l’impact des mégadonnées sur l’amélioration des stratégies de préparation et de réponse aux épidémies en Asie du Sud-Est. Cette région, densément peuplée et confrontée à une urbanisation rapide ainsi qu’à des changements environnementaux, est particulièrement vulnérable aux épidémies virales et bactériennes telles que le SARS-CoV-2, le MERS, le chikungunya, le Zika et la grippe aviaire H5N1.

    Une étude combinant une revue de la littérature et des études de cas pratiques :

    La détection précoce et la réponse rapide à ces épidémies représentent des défis sanitaires et épidémiologiques majeurs encore non résolus. Cette étude se distingue par une approche globale combinant une revue de la littérature et des études de cas pratiques. Les chercheurs ont analysé diverses applications des mégadonnées :

    • le machine learning pour classifier les rapports d’épidémies et identifier des clusters de cas ;
    • la visualisation des données pour faciliter leur interprétation ;
    • l’internet des objets connectés (IoT) pour collecter en temps réel de paramètres divers ;
    • et des applications mobiles de santé pour surveiller en temps réel les symptômes et l’adhésion des patients aux mesures préventives.

    La nécessité de collaborations interdisciplinaires

    Les résultats de cette recherche, publiés en juin dans l’International Journal of Scientific Research Updates (IJSRU), soulignent l’importance des collaborations interdisciplinaires et des partenariats pour partager et exploiter les métadonnées, améliorer la prévision des épidémies et mieux gérer des ressources humaines, renforçant ainsi les capacités de réponse épidémique à travers les frontières.

    Cependant, selon les auteurs, l’intégration des mégadonnées est entravée par divers défis :

    • la qualité des données ;
    • les préoccupations liées à la vie privée ;
    • et la nécessité d’infrastructures et d’expertise robustes.

    Pour surmonter ces obstacles, l’étude conclut qu’une coopération étroite entre gouvernements, organisations de santé et secteur privé est indispensable.

     

     

    * Big data for epidemic preparedness in southeast Asia: An integrative study

    Janet Aderonke Olaboye, Chukwudi Cosmos Maha, Tolulope Olagoke Kolawole and Samira Abdul International

    Journal of Scientific Research Updates, 2024, 07(02), 066–073​.

    DOI: 10.53430/ijsru.2024.7.2.0041

  • USA : la FDA donne son accord pour le Vitek Reveal de bioMérieux

    Une analyse 9 fois plus rapide

    Le système modulaire d’antibiogramme Vitek Reveal de bioMérieux fournit une analyse en seulement 5,5 à 6 heures à partir d’hémocultures positives. Cela permet de prendre des décisions thérapeutiques le jour même pour les patients souffrant de sepsis bactériémique. En comparaison, les méthodes conventionnelles nécessitent généralement 48 heures pour fournir des résultats, qui peuvent varier en fonction des conditions techniques des tests utilisés.

    La technologie métabolomique utilise des capteurs pour mesurer les changements métaboliques. Biomérieux a intégré cette nouvelle technologie à son offre avec l’acquisition en mai 2022 de la société américaine Specific Diagnostics pour 425 millions de dollars.

    Un fort besoin des laboratoires

    L’autorisation des autorités sanitaires américaines permet désormais de commercialiser ce nouveau système d’antibiogramme aux États-Unis, élargissant ainsi le marché de bioMérieux et renforçant sa position concurrentielle face aux trois autres acteurs majeurs du marché des antibiogrammes : Becton Dickinson, Thermo Fisher Scientific et Beckman Coulter. bioMérieux , société cotée sur Euronext Paris, vise un marché mondial de 4 milliards de dollars, qui croît à un taux annuel composé de 6 à 8 %.

    « …le système d’antibiogramme VITEK REVEAL est un instrument qui couvre un grand nombre d’antibiotiques. Avec sa taille réduite et sa modularité permettant d’adapter les cadences, il répond parfaitement aux besoins des laboratoires cliniques» déclare Jennifer Zinn, Directrice Exécutive des Opérations Cliniques.

    Chaque année, 11 millions de personnes dans le monde meurent des suites d’un sepsis, dont 1,3 million de ces décès sont imputables à des bactéries résistantes aux antibiotiques.

     

     

  • Soins infirmiers en Asie : l’IA au service de la détection rapide des signes de détérioration

    Réduire le risque de septicémie

    Des chercheurs de l’Institut des Sciences Infirmières de la République de Corée et de l’École de Soins Infirmiers de l’Université Johns Hopkins à Baltimore, États-Unis, ont mené une étude approfondie sur les applications et les impacts de l’IA en soins infirmiers en Chine, au Japon, en Corée du Sud, à Singapour, en Thaïlande et en Inde.

    Leur recherche publiée dans l’Asian Pacific Island Nursing Journal, repose sur une analyse bibliométrique et une cartographie scientifique. Diverses applications ont été identifiées, allant de chatbots pour l’historique médical en Chine à des systèmes sophistiqués de prédiction des chutes et des besoins en soins palliatifs au Japon.

    En Corée du Sud, des outils pilotés par l’IA comme Auto-SepRAS ont été déployés pour évaluer et réduire le risque de septicémie, ainsi que pour optimiser les soins en unité de soins intensifs et prévenir les escarres hospitalières.

    Les chercheurs ont souligné quatre principaux avantages:

    1️⃣ La capacité des systèmes de surveillance basés sur l’IA à offrir une surveillance continue et précise des patients, permettant une détection rapide des signes de détérioration et facilitant des interventions rapides.

    2️⃣ L’automatisation des tâches répétitives grâce à l’IA contribue à améliorer l’ergonomie des tâches infirmières et à réduire le temps consacré aux tâches administratives jusqu’à 40 %, avec des interfaces utilisateur intuitives.

    3️⃣ Le renforcement de la productivité en fournissant des systèmes de support décisionnel basés sur des données, permettant aux infirmières de prendre des décisions cliniques plus éclairées et rapides.

    4️⃣ Enfin, les outils de simulation basés sur l’IA offrent des expériences d’apprentissage adaptatives et personnalisées, répondant aux besoins variés des étudiants en soins infirmiers.