Faire passer les outils intelligents d’aide au diagnostic au niveau supérieur
Selon la Society to Improve Diagnosis in Medicine, rien qu’aux États-Unis les erreurs de diagnostic entraînent la mort ou la blessure de 40 000 à 80 000 patients par an. Les erreurs de diagnostic surviendraient 10 % à 15 % du temps et représentent un problème au sein des spécialités médicales. «Cette situation s’explique généralement par l’expérience des professionnels de la santé, les contraintes de temps ou les biais et ce que nous appelons l’“ancrage”, lorsque des médecins tirent des conclusions hâtives», explique Eitan Ron, coordinateur du projet Kahun, financé par l’UE. Pour aborder ce problème, Kahun a conçu des outils d’aide au diagnostic alimentés par l’IA: «basés sur une technologie inédite qui reproduit le raisonnement clinique de médecins qualifiés», poursuit Eitan Ron.
Un chatbot pour l’évaluation clinique des patients et une application innovante
L’application initiale a été lancée début 2021, et près de 7 000 cliniciens ont déjà utilisé sa version gratuite pour des dizaines de milliers de cas. Kahun Medical, l’hôte du projet, est également parvenu à un accord avec le «New England Journal of Medicine» pour apporter des connaissances à son outil de simulation médicale, Healer. «Afin de soutenir son adoption au sein de la communauté médicale, nous avons également fourni un chatbot d’évaluation clinique des patients, basé sur la même technologie, qui collecte des informations auprès des patients avant les consultations», souligne Eitan Ron. Ce chatbot a déjà été intégré dans la prévisite, l’évaluation clinique virtuelle du service de télémédecine pour soins aigus HelixVM, basé aux États-Unis. Il est également utilisé par Healthbridge, une solution sud-africaine de gestion de la pratique basée sur le nuage, qui dessert 3 000 cliniques.
Moteur de raisonnement clinique: alimenté par l’IA, cartographié par des professionnels de la santé
Le moteur de raisonnement clinique du projet s’appuie sur un graphe de connaissances structuré, basé sur la documentation médicale annotée et cartographiée par des professionnels de la santé. «Actuellement, la carte compte plus de 30 millions d’informations sur les relations entre les maladies, les conclusions, les complications, les résultats de laboratoire, les facteurs de risque, etc.», ajoute Eitan Ron. L’application initiale pour les cliniciens, disponible pour Apple et Android, leur permet d’ajouter des informations sur les patients comme l’âge et le sexe, ainsi que des informations cliniques comme les symptômes et les résultats des tests. Elles sont alors intégrées dans une interface prévue à cet effet. Le moteur d’IA, développé par l’équipe, utilise ensuite le graphe de connaissances pour générer un diagnostic différentiel et suggérer d’autres tests, en disposant des sources originales utilisées par l’algorithme. Le chatbot en ligne permet quant à lui aux patients de compléter l’évaluation clinique de Kahun. L’IA utilise le graphe de connaissances pour générer un entretien clinique. Chaque réponse détermine la question suivante la plus appropriée et permet au système de constamment mettre à jour son diagnostic différentiel opérationnel. L’entretien se termine lorsque le moteur a rassemblé suffisamment d’informations. Ensuite, une synthèse comprenant l’historique de la maladie actuelle, l’examen des systèmes, un diagnostic différentiel suggéré et les prochaines étapes est ajoutée au dossier médical du patient concerné.
La précision du diagnostic différentiel passe le test haut la main
Les performances de Kahun en matière de diagnostic ont été testées sur des cas cliniques extraits de l’United States Medical Licensing Examination Step 2 Clinical Skills. Les cas ont été introduits dans Kahun, et la précision de son diagnostic différentiel a été évaluée. Chaque performance de diagnostic a été mesurée en termes de sensibilité du diagnostic et de taux de réussite propre à chaque cas. L’étude comprenait 91 cas cliniques, avec 78 réclamations primaires différentes et une moyenne de 38 résultats pour chaque cas. Au total, 272 diagnostics étaient attendus. Sur ces derniers, Kahun en a suggéré 231 dans les 20 premiers de ses diagnostics, 209 dans les 10 premiers, et 168 dans les 5 premiers. «Dans l’ensemble, notre outil a entièrement géré un large éventail de résultats cliniques et a démontré sa précision de diagnostic», conclut Eitan Ron. Dans une autre étude pour évaluer la fonction de collecte des données de huit chatbots de vérification des symptômes utilisant 28 cas cliniques, le chatbot pour patients de Kahun s’est révélé le plus efficace, avec le taux de rappel le plus élevé des résultats pertinents.
Mots‑clés
Kahun, diagnostic, clinique, moteur de raisonnement, IA, patient, chatbot, algorithme, télémédecine