Un modèle d’IA peut prédire la survie après un traitement de remplacement rénal continu
Aperçu de la conception de l’étude et du cadre d’apprentissage automatique. Crédit : Nature Communications (2024). DOI: 10.1038/s41467-024-49763-3
Une équipe dirigée par l’UCLA a développé un modèle d’apprentissage automatique qui peut prédire avec un degré élevé de précision la survie à court terme des patients sous dialyse sous traitement de remplacement rénal continu (TRRC). L’étude est publiée dans Nature Communications.
La CRRT est une thérapie utilisée pour les patients hospitalisés très malades dont l’état de santé les rend inéligibles à une hémodialyse régulière. Il s’agit d’une thérapie plus douce qui assure un traitement continu sur une période prolongée. Cependant, environ la moitié des adultes placés sous CRRT ne survivent pas, ce qui rend le traitement inutile pour les patients et leurs familles.
Pour aider les médecins à décider si un patient doit commencer la CRRT, les chercheurs ont développé un modèle d’apprentissage automatique qui utilise les données de milliers de dossiers médicaux électroniques de patients pour prédire leurs chances de survivre à la thérapie.
Les résultats de l’étude fournissent un outil basé sur les données pour aider à la prise de décision clinique. Cet outil intègre des techniques avancées d’apprentissage automatique pour analyser un ensemble vaste et complexe de données sur les patients, ce qui était auparavant difficile à faire pour les médecins. L’étude démontre comment l’intégration de modèles d’apprentissage automatique dans les soins de santé peut améliorer les résultats des traitements et la gestion des ressources.
« La CRRT est souvent utilisée en dernier recours, mais de nombreux patients n’y survivent pas, ce qui entraîne un gaspillage de ressources et de faux espoirs pour les familles », a déclaré le Dr Ira Kurtz, chef de la division de néphrologie de l’UCLA et auteur principal de l’étude.
« En permettant de prédire quels patients en bénéficieront, le modèle vise à améliorer les résultats pour les patients et l’utilisation des ressources, en servant de base pour tester son utilité dans de futurs essais cliniques. Comme tous les modèles d’apprentissage automatique, il doit être testé dans le monde réel pour déterminer s’il est tout aussi précis dans ses prédictions chez les patients sur lesquels il n’a pas été formé. »
Plus d’information:
Davina Zamanzadeh et al, Prédiction basée sur les données de la survie du traitement de remplacement rénal continu, Nature Communications (2024). DOI: 10.1038/s41467-024-49763-3
Fourni par l’Université de Californie à Los Angeles
Citation:Un modèle d’IA peut prédire la survie après un traitement de remplacement rénal continu (10 juillet 2024) récupéré le 10 juillet 2024 à partir de
Ce document est soumis au droit d’auteur. En dehors de toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans autorisation écrite. Le contenu est fourni à titre d’information uniquement.