Une aide à la décision pilotée par l’IA pour les personnes âgées
Les populations d’Europe et du monde entier vieillissent, et par conséquent le nombre de personnes âgées souffrant de maladies chroniques multiples augmente. Ces personnes souffrent souvent d’un déclin fonctionnel, d’une fragilité et requièrent des soins complexes prodigués dans des maisons de retraite ou à domicile. Les cliniciens doivent prendre quotidiennement des décisions concernant les traitements et interventions, mais les essais cliniques conventionnels portent rarement sur des populations aussi complexes. Il existe donc un fossé entre les données disponibles et les besoins réels des patients.
Élaborer des modèles prédictifs à partir de données réelles
Le projet I-CARE4OLD(s’ouvre dans une nouvelle fenêtre), financé par l’UE, aborde ce problème en concevant un outil d’aide à la décision destiné aux professionnels de la santé et aux décideurs politiques. «Cet outil d’aide à la décision a été conçu pour anticiper les changements fonctionnels, la survenue d’événements critiques et l’impact individuel du démarrage ou de l’arrêt d’interventions spécifiques», explique le coordinateur du projet, Hein van Hout. Le consortium a obtenu des données réelles de plusieurs pays à partir des évaluations d’interRAI(s’ouvre dans une nouvelle fenêtre), une série d’instruments structurés utilisés dans le monde entier pour surveiller la santé, l’état physique et l’utilisation des services au sein des populations âgées. Ces évaluations sont normalisées entre les pays, ce qui garantit des données cohérentes et comparables. I-CARE4OLD a formé des modèles d’IA en utilisant ces données pour prédire avec une grande précision les résultats à court et à long terme. La précision des prévisions a atteint 80 % et les chercheurs ont validé la robustesse des modèles d’IA sur des ensembles de données provenant de différents pays. En outre, 150 professionnels de sept pays ont testé l’outil d’aide à la décision d’I-CARE4OLD et l’ont jugé utile et convivial. «Nos modèles d’IA permettent non seulement de mieux prévoir l’évolution de la maladie, mais également les résultats du traitement, ce qui rapproche les soins personnalisés aux personnes âgées de la pratique quotidienne», souligne Hein van Hout.
Des découvertes essentielles
L’effet de l’arrêt de certains médicaments psychotropes(s’ouvre dans une nouvelle fenêtre) constitue l’un des enseignements les plus remarquables de l’analyse. L’arrêt des antipsychotiques a permis de réduire le nombre d’hospitalisations et d’améliorer l’état général de nombreux bénéficiaires de soins. Les analyses ont également démontré que les interventions non pharmacologiques pouvaient avoir des effets bénéfiques équivalents ou supérieurs à ceux des médicaments. Les modèles ont en outre permis d’identifier les personnes âgées les plus susceptibles de bénéficier de certains médicaments, tels que les antidépresseurs, et celles qui risquaient le plus d’être affectées par des traitements tels que ceux qui ont des effets anticholinergiques. Au-delà de l’impact du traitement, le projet a également étudié les conséquences de la pandémie de COVID-19(s’ouvre dans une nouvelle fenêtre) sur les personnes âgées recevant des soins. Ces analyses ont mis en évidence la vulnérabilité de ce groupe durant les crises sanitaires et ont renforcé l’importance des outils prédictifs pour anticiper les risques et orienter les interventions préventives.
Déploiement et élargissement
Point d’orgue du projet, I-CARE4OLD a démontré que l’IA peut générer des prédictions personnalisées à partir de données réelles à grande échelle et les mettre à la disposition des cliniciens par le biais d’un outil pratique. Cette innovation informe la pratique clinique afin d’optimiser les interventions ciblées pour les populations âgées les plus complexes et les plus vulnérables. Les données peuvent également informer les décideurs politiques sur la présence ou l’absence de traitements (in)appropriés dans leur juridiction. Le consortium entend à présent étendre la portée des algorithmes prédictifs à davantage de traitements, tant pharmacologiques que non pharmacologiques, et les valider sur des ensembles de données supplémentaires. Pour élargir la collecte de données, l’équipe travaille avec des fournisseurs de logiciels interRAI du monde entier afin d’intégrer l’aide à la décision dans les systèmes d’évaluation existants. Le déploiement de cet outil dans les systèmes de santé contribuera à réduire les prescriptions inappropriées, améliorer la qualité de vie et favoriser un vieillissement en bonne santé.
