Le projet d’IA vise à réduire l’invalidité causée par les accidents vasculaires cérébraux
Le projet de recherche de l’Université d’Exeter utilise l’IA et l’apprentissage automatique pour personnaliser les soins de l’AVC pour les patients dans le but de réduire les handicaps futurs.
Le chant est la principale cause de décès et d’invalidité avec plus de 100 000 personnes hospitalisées au Royaume-Uni chaque année.
L’audit du projet Samuel Machine (Samuel) utilise l’IA pour aider les médecins à identifier les patients les plus susceptibles de bénéficier du traitement de la coagulation connue sous le nom de thrombolyse qui peut réduire l’AVC provoqué lorsqu’il sera donné bientôt.
Le professeur Martin James, docteur en accident vasculaire cérébral de consultation et professeur de clinique honoraire à la faculté de médecine de l’Université d’Exeter, a déclaré: «L’analyse de Samuel comprend des données nationales d’un quart de million de cas d’AVC, et nous pouvons fournir n’importe quel hôpital adapté à la thrombolyse.
“Lorsque les équipes l’ont utilisé comme échelle, ils ont pu traiter plus de patients plus efficacement.”
“Beaucoup a un impact sur une vie changeante, il est donc inspirant de voir comment des recherches comme celle-ci peuvent conduire à un traitement plus personnalisé et plus rapide et de meilleurs résultats pour les patients et leurs familles.”
Le projet est en coopération avec la Royal Devon University NHS Foundation Trust et le National Institute for Health and Care Research Applied Research Collaboration South West (PENARC).
Pendant Samuel 2, qui a eu lieu entre 2022 et 2024, un outil a été développé qui comprenait mieux comment les caillots ont été utilisés dans les hôpitaux et aident à améliorer leur utilisation, de sorte que davantage de patients reçoivent le meilleur traitement possible.
L’Université d’Exeter dit qu’il s’agit de la première intégration de l’IA dans le monde dans l’audit national de l’AVC et devrait aider le traitement de la thrombolyse à être plus efficace pour les populations locales.
Ces dernières années, ce traitement a reçu environ 11% des patients, dont plus de 1 000 patients par an dans le sud-ouest.
Cependant, la thrombolyse ne convient pas à chaque patient et n’est efficace que si elle est donnée rapidement après l’AVC. La fréquence à laquelle la thrombolyse est utilisée et la vitesse à laquelle elle est donnée peut varier dans tout le pays.
Sur la base des recherches précédentes, l’équipe de recherche de l’Université d’Exeter a utilisé des modèles informatiques pour étudier pourquoi l’utilisation de la thrombolyse diffère entre les hôpitaux.
Ils ont également travaillé sur la prédiction des résultats et l’identification du patient que les caractéristiques du patient affectent le plus la récupération après un AVC, à la fois avec ou sans thrombolyse.
Les méthodes utilisées dans cette étude pour analyser les données sur l’audit de l’AVC national peuvent être transférées à d’autres audits cliniques nationaux tels que les soins maternels.
Les études futures pourraient explorer comment l’apprentissage automatique pourrait prédire les résultats de la thrombolyse pour les personnes individuelles, y compris les effets négatifs.
La troisième phase de recherche, Samuel3, a commencé en avril 2025 et se déroulera pendant deux ans.
Il prolongera le travail à un traitement d’accident vasculaire cérébral, y compris la thrombectomie (élimination mécanique du caillot) et examine le balayage individuel du cerveau pour ajouter plus d’informations sur qui en bénéficiera et qui pourrait être endommagé par la thrombolyse.
