Utiliser l’intelligence artificielle pour prédire la demande en oxygène des patients atteints de COVID
L’établissement de santé d’Addenbrooke à Cambridge et 20 autres établissements de santé du monde entier et le leader de la technologie des soins médicaux, NVIDIA, ont utilisé l’intelligence artificielle (IA) pour prévoir les besoins en oxygène des patients Covid sur une plage mondiale.
La pandémie a déclenché l’étude de recherche et a mis au point un outil d’IA pour prévoir la quantité d’oxygène supplémentaire dont un individu Covid-19 pourrait avoir besoin au cours des premiers jours de soins hospitaliers, en utilisant des informations provenant de quatre continents.
La stratégie, appelée connaissance fédérée, utilisait un algorithme pour analyser les radiographies mammaires ainsi que les données électroniques de bien-être des clientes hospitalières présentant des symptômes de Covid.
Pour maintenir une stricte confidentialité individuelle, les données des patients ont été entièrement anonymisées, et un algorithme a également été envoyé par établissement médical, de sorte qu’aucune donnée n’a été partagée ou n’a quitté son emplacement.
Une fois que l’algorithme a appris des données, l’analyse a été unie pour construire un outil d’IA qui pourrait anticiper les besoins en oxygène des individus Covid des établissements de santé partout dans le monde.
Publiée dans Nature Medication, la recherche appelée EXAM (pour EMR CXR AI Version) fait partie des études de recherche scientifique sur l’apprentissage fédéré les plus étendues et les plus variées à ce jour.
Pour vérifier la précision de l’EXAM, il a été testé dans de nombreux hôpitaux sur les cinq continents, y compris l’hôpital d’Addenbrooke. Les résultats ont montré qu’il prévoyait l’oxygène nécessaire dans les 24 heures suivant l’arrivée d’une personne dans la division des urgences, avec un niveau de sensibilité de 95 % et une spécificité de plus de 88 %.
« L’apprentissage fédéré a le pouvoir de transformation pour faire progresser l’IA dans le flux de travail médical », a déclaré l’enseignante Fiona Gilbert, qui a dirigé l’étude à Cambridge et est radiologue spécialiste honoraire à l’établissement de santé d’Addenbrooke et présidente de radiologie à l’Institution of Medical de l’Université de Cambridge. Des médicaments.
« Notre travail en cours avec EXAM montre que ces types de collaborations mondiales sont reproductibles et également plus efficaces, pour nous assurer que nous pouvons répondre aux demandes des cliniciens pour faire face aux obstacles sanitaires complexes ainsi qu’aux futures épidémies. »
Le premier auteur de la recherche, le Dr Ittai Dayan, de Mass General Bingham aux États-Unis, où l’algorithme TEST a été développé, a déclaré :
« Généralement dans le cadre de la croissance de l’IA, lorsque vous produisez un algorithme sur les informations d’un établissement médical, il ne fonctionne pas bien dans un autre centre de santé. En créant la conception EXAM en utilisant l’apprentissage fédéré et également l’objectif, des informations multimodales provenant de différents continents, nous avons pu construire une conception généralisable qui peut aider les médecins de première ligne dans le monde entier.
Combinant des partenaires d’Amérique du Nord et du Sud, d’Europe et d’Asie, l’étude de recherche EXAM a pris deux semaines de « découverte » de l’IA pour obtenir des prévisions de premier ordre.
” Federated Discovering a permis aux chercheurs de faire équipe et d’établir une toute nouvelle norme de ce que nous pouvons faire dans le monde entier, en utilisant la puissance de l’IA “, a déclaré le Dr Mona G Flores, Global Head for Medical AI chez NVIDIA. “Cela fera progresser l’IA non seulement pour les soins médicaux, mais sur tous les marchés qui cherchent à créer des versions durables sans compromettre la confidentialité.”
Les résultats d’environ 10 000 personnes COVID du monde entier ont été analysés dans la recherche, dont 250 qui impliquaient l’établissement de santé d’Addenbrooke lors de la toute première vague de la pandémie en mars/avril 2020.
La recherche a été soutenue par le Centre de recherche biomédicale de Cambridge (BRC) de l’Institut national de recherche sur la santé et le bien-être (NIHR).
Le traitement de la conception de TEST a été effectué. Mass General Brigham et le NIHR Cambridge BRC travaillent avec la startup NVIDIA Inception Rhinocerous Wellness, cofondée par le Dr Dayan, pour mener des études de recherche potentielles utilisant EXAM.
Le professeur Gilbert a ajouté : « Produire un logiciel qui correspond à l’efficacité de nos meilleurs radiologues est compliqué, mais c’est un objectif transformateur. Plus nous pourrons intégrer fermement des informations provenant de différentes sources en utilisant la découverte fédérée ainsi que la coopération, ainsi que disposer de l’espace nécessaire pour innover, plus les universitaires pourront concrétiser rapidement ces objectifs de transformation. »
Référence: Ittai Dayan, Holger R. Roth, Aoxiao Zhong, Ahmed Harouni, Amilcare Gentili, Anas Z. Abidin, Andrew Liu, Anthony Beardsworth Costa, Bradford J. Wood, Chien-Sung Tsai, Chih-Hung Wang, Chun-Nan Hsu, C. K. Lee, Peiying Ruan, Daguang Xu, Dufan Wu, Eddie Huang, Felipe Campos Kitamura, Griffin Lacey, Gustavo César de Antônio Corradi, Gustavo Nino, Hao-Hsin Shin, Hirofumi Obinata, Hui Ren, Jason C. Crane, Jesse Tetreault, Jiahui Guan, John W. Garrett, Joshua D. Kaggie, Jung Gil Park, Keith Dreyer, Krishna Juluru, Kristopher Kersten, Marcio Aloisio Bezerra Cavalcanti Rockenbach, Marius George Linguraru, Masoom A. Haider, Meena AbdelMaseeh, Nicola Rieke, Pablo F. Damasceno, Pedro Mario Cruz e Silva, Pochuan Wang, Sheng Xu, Shuichi Kawano, Sira Sriswasdi, Soo Young Park, Thomas M. Grist, Varun Buch, Watsamon Jantarabenjakul, Weichung Wang, Won Young Tak, Xiang Li, Xihong Lin, Young Joon Kwon, Abood Quraini, Andrew Feng, Andrew N. Priest, Baris Turkbey, Benjamin Glicksberg, Bernardo Bizzo, Byung Seok Kim, Carlos Tor-Díez, Chia-Cheng Lee, Chia-Jung Hsu, Chin Lin, Chiu-Ling Lai, Christopher P. Hess, Colin Compas, Deepeksha Bhatia, Eric K. Oermann, Evan Leibovitz, Hisashi Sasaki, Hitoshi Mori, Isaac Yang, Jae Ho Sohn, Krishna Nand Keshava Murthy, Li-Chen Fu, Matheus Ribeiro Furtado de Mendonça, Mike Fralick, Min Kyu Kang, Mohammad Adil, Natalie Gangai, Peerapon Vateekul, Pierre Elnajjar, Sarah Hickman, Sharmila Majumdar, Shelley L. McLeod, Sheridan Reed, Stefan Gräf, Stephanie Harmon, Tatsuya Kodama, Thanyawee Puthanakit, Tony Mazzulli, Vitor Lima de Lavor, Yothin Rakvongthai, Yu Rim Lee, Yuhong Wen, Fiona J. Gilbert, Mona G. Flores, Quanzheng Li. Federated learning for predicting clinical outcomes in patients with COVID-19. Nature Medicine, 2021; DOI: 10.1038/s41591-021-01506-3
