“L'IA est une opportunité pour l'humanité : une occasion d'apprendre mieux, d'être libéré des tâches à faible productivité et de promouvoir les valeurs clés qui nous distinguent des machines, telles que l'empathie et la créativité.” Julie Ranty, Co-fondatrice de Hey Pollen
“Il y a deux façons de voir l'IA : comme un outil d'amélioration ou comme un substitut de la créativité, ce qui entraîne un appauvrissement intellectuel, rendant difficile la découverte de grands écrivains et créateurs.” Johnny Geller, CEO de The Curtis Brown Group
Flint, AR, Schaller, SJ et Balzer, F. Comment l'IA peut-elle contribuer à la détection et à la prévention des erreurs en réanimation ?. Intensive Care Med (2025). https://doi.org/10.1007/s00134-024-07775-z
L'unité de soins intensifs (USI) est un environnement dynamique et à enjeux élevés, où les technologies de pointe rencontrent les aspects les plus humains des soins aux patients.
Des interventions vitales peuvent devoir être réalisées à tout moment de la journée, avec une grande précision et souvent sous une pression intense. Un tel environnement est intrinsèquement sujet aux erreurs humaines, souvent évitables .
Dans ce contexte, les avancées technologiques, telles que l'intelligence artificielle (IA), ont le potentiel de transformer les soins intensifs. Utilisée de manière réfléchie et responsable, l'IA pourrait devenir un allié précieux pour améliorer la sécurité des patients, soutenir le personnel et réduire considérablement le risque d'erreurs.
Les erreurs ne sont souvent pas uniquement le résultat d'une défaillance individuelle, mais plutôt causées par l'accumulation de faiblesses systémiques, où plusieurs couches de défense échouent. C'est ce que l'on appelle communément le modèle du fromage suisse
Un examen complet du modèle du fromage suisse dans la gestion des risques
Conçu il y a plus de 30 ans pour comprendre les causes de certains accidents graves (par exemple la catastrophe nucléaire de Tchernobyl, en 1986, et l’explosion de la navette spatiale Challenger, la même année) afin d’empêcher que des événements semblables se reproduisent, le modèle du fromage suisse a depuis lors été appliqué à d’autres types d’accidents dans toutes sortes d’organisations, y compris les erreurs médicales dans les établissements de soins de santé. Dans le milieu hospitalier, le professeur Reason est même considéré par plusieurs comme «le père de la sécurité des patient2». Plus récemment, on a aussi utilisé ce modèle d’analyse dans le domaine des services financiers pour comprendre les séquences événementielles qui mènent aux fraudes financières et à d’autres manquements professionnels afin de les prévenir. Il a de plus servi à établir et à clarifier le rôle que peuvent jouer les dirigeants d’institutions financières en ce qui a trait à la protection des épargnants https://www.revuegestion.ca/le-modele-du-fromage-suisse-quand-les-failles-sadditionnent
Les erreurs médicamenteuses sont responsables de la moitié de toutes les erreurs en USI et causent des dommages évitables à 7 % des patients .
Des outils tels que les systèmes informatisés de saisie des ordonnances des prestataires, les logiciels d'aide à la décision, l'administration de médicaments par codes-barres et les pompes à perfusion intelligentes ont déjà été mis en œuvre comme couches de sécurité supplémentaires .
L'implémentation d'algorithmes d'IA dans ces outils pourrait aider à détecter les erreurs évitables encore plus tôt et, à terme, accroître la sécurité des patients en intégrant davantage de données et en s'adaptant aux patients.
Par exemple, des travaux récents ont montré la possibilité de détecter les erreurs médicamenteuses en utilisant des caméras portables dotées d'IA.
D'autres cas d'utilisation de la détection et de la prévention des erreurs par l'IA comprennent la modélisation prédictive pour identifier les patients à risque, les systèmes d'aide à la décision clinique et l'automatisation des tâches de routine
La surveillance des signes vitaux est un outil essentiel pour identifier les patients dont l'état se détériore en unité de soins intensifs et initier rapidement des soins adéquats. Cependant, l'implémentation de nouvelles technologies et la charge d'informations croissante qui en découle ont conduit à un autre problème de plus en plus répandu : la lassitude liée à la surveillance et aux alarmes. Le nombre impressionnant d'alarmes, l'absence de réponse à celles-ci et la surcharge générale des données de surveillance des patients conduisent de plus en plus à des événements critiques manqués .
Ce problème pourrait être exacerbé par l'introduction de nouvelles technologies d'alerte basées sur l'IA.
L'IA pourrait améliorer considérablement la sécurité des patients en réanimation en réduisant les fausses alertes et en priorisant celles nécessitant une attention immédiate. Les alarmes intelligentes pilotées par l'IA peuvent transformer les flux de travail cliniques en concentrant l'attention sur les véritables urgences, en améliorant les délais de réponse et en réduisant le risque de lassitude liée aux alarmes.
Ces systèmes hiérarchisent les alarmes en fonction de leur gravité, permettant aux cliniciens de traiter en priorité les situations les plus critiques, tout en minimisant les alarmes non urgentes qui perturbent le flux de travail. Les algorithmes d'IA adaptatifs apprennent en permanence des événements passés, affinant la précision et la pertinence des alarmes au fil du temps, ce qui peut réduire les effets indésirables chez les patients gravement malades. Cependant, l'efficacité de cette approche basée sur l'IA dépend de la qualité, de la quantité et de la diversité des données collectées, ce qui souligne la nécessité d'un écosystème de données complet pour exploiter pleinement son potentiel.
Pour faire progresser la recherche en IA et les soins cliniques en USI, un écosystème de données robuste doit être au cœur de la transformation numérique (Fig. 1 ).
La construction de cet écosystème nécessite une collaboration fluide entre l'industrie, les chercheurs et les prestataires de soins de santé .
À la base se trouvent des données de haute qualité, sans lesquelles les progrès axés sur l'IA sont impossibles. Certaines des données les plus fiables peuvent être obtenues à partir de systèmes automatisés tels que les moniteurs de surveillance des patients, les pompes à perfusion et les respirateurs. Il est donc essentiel de progresser vers le déploiement de stratégies de collecte automatique de données fiables.
Cependant, la collecte de données n'est qu'une première étape. Un stockage efficace, notamment à l'aide de solutions cloud évolutives qui facilitent l'apprentissage fédéré, est essentiel compte tenu de l'énorme volume de données .
Pour exploiter pleinement leur potentiel pour un large éventail d'applications d'IA, ces données doivent être prétraitées et intégrées à d'autres sources. De plus, la création d'ensembles de données librement accessibles, à l'instar d'initiatives telles que le Medical Information Mart for Intensive Care (MIMIC) , est cruciale pour soutenir la recherche et le développement en IA.
Les ensembles de données accessibles au public stimulent non seulement l’innovation, mais permettent également le développement de nouvelles méthodes pour améliorer la collecte et la qualité des données et contribuent à garantir que les algorithmes d’IA peuvent progresser dans divers systèmes de santé.
Figure 1
L'IA peut améliorer la détection et la prévention des erreurs en soins intensifs.
Cependant, son succès repose sur la création d'un écosystème de données robuste, ce qui nécessite une collaboration entre l'industrie, la recherche et les professionnels de santé
Pour favoriser l'innovation en soins intensifs, il est de notre responsabilité, en tant que professionnels des soins intensifs axés sur les données, de garantir une collecte fiable des données au chevet du patient, un stockage efficace et l'utilisation d'ensembles de données en libre accès ou fédérés.
Cependant, la technologie va de pair avec la formation et les stratégies de mise en œuvre. Malgré des avancées considérables dans le domaine de l'IA explicable, les professionnels des soins intensifs doivent acquérir une compréhension de base de la science des données pour utiliser l'IA de manière responsable dans leur pratique quotidienne.
Ensemble, ces efforts peuvent conduire à des environnements de soins intensifs plus sûrs et plus efficaces et à de meilleurs résultats pour les patients
Commentaire
L'IA en réanimation , oui, à la condition d'être utile et surtout de supprimer l'inutile et de rendre plus simple ce qui est compliqué. Cela nécessité des équipes formées et qui devront être à l'origine de la démarche IA? Il faut donc commencer par un étét des lieux et voir ce qui est possible, ce qui peut être possible , ce qui est impossible voire inutile .
L'article ci dessous analyse parfaitements les tenanats et les aboutissants de l'IA en réanimation
Complement d'information
Introduction aux enjeux éthiques de l’Intelligence Artificielle en réanimation L’Intelligence Artificielle (IA) va occuper une place grandissante en réanimation dans les années à venir. Les possibilités d’utilisation seront très larges, couvrant notamment les champs des prédictions, de l’aide à la décision, de l’imagerie, de la recherche et la formation des soignants. L’implémentation de l’IA en réanimation pourrait significativement bouleverser la prise en charge des patients, mais aussi l’activité des médecins. Ces changements à venir amènent des questionnements éthiques spécifiques qu’il est nécessaire et urgent d’évoquer. De la mise au point d’un algorithme jusqu’à sa mise sur le marché, il existe plusieurs étapes qui nécessitent une vigilance éthique par une approche habituellement qualifiée d’ethic by design. Il est possible de subdiviser ces enjeux en quatre parties distinctes qui seront successivement abordées : les données, le patient, l’algorithme et le soignant. Les questions environnementales mais aussi économiques, dans le contexte de la récente prise de conscience d’une nécessaire diminution de l’empreinte carbone, seront enfin évoquées. Une meilleure appréhension des enjeux éthiques est probablement une première étape vers une intégration efficiente de cette nouvelle technologie dans le domaine des soins critiques
Goulenok, C., Grassin, M., Cremer, R., Duvivier, J., Hauw-Berlemont, C., Jourdain, M., Lafarge, A., POUJOL, A.-L., De Prost, N., Rigaud, J.-P., Zuber, B., & Gaillard-Leroux, B. (2024). Introduction aux enjeux éthiques de l’Intelligence Artificielle en réanimation. Médecine Intensive Réanimation, 33(Hors-série 1), 101–110.https://doi.org/10.37051/mir-00211 https://www.congres-reanimation.fr/sites/default/files/2024-06/M_mir-00211-Print.pdf Libre d'accès EXCELLENT ARTICLE A LIRE +++++
