Clics : 162

Prise en charge des AVC : rôle de l'IA


"En cas d’AVC, chaque minute compte : le temps, c’est du cerveau" Gruppo San Donato





Guzik AK, Fraser JF, Southerland AM, Vagal A, Tsai JP, Dumitrascu OM, Nystrom KV, Martinez Johnson M, Hess DC, Jayaraman MV; American Heart Association Stroke Council; Council on Basic Cardiovascular Sciences; and Council on Cardiovascular and Stroke Nursing. Creating Virtual Stroke Networks: Current and Future Role of Artificial Intelligence, Mobile Imaging Applications, and Telehealth in Triage and Treatment of Acute Ischemic Stroke: A Scientific Statement From the American Heart Association.

Création de réseaux virtuels de prise en charge des AVC : rôle actuel et futur de l’intelligence artificielle, des applications d’imagerie mobile et de la télésanté dans le triage et le traitement de l’AVC ischémique aigu : une déclaration scientifique de l’American Heart Association

Stroke. 4 Dec 2025. doi: 10.1161/STR.0000000000000511. Epub ahead of print. PMID: 41342129.
https://www.ahajournals.org/doi/10.1161/STR.0000000000000511
Article en libre accès 

L'évaluation rapide, le triage et le transport des patients victimes d'un AVC pour la thrombolyse, la thrombectomie et d'autres traitements d'urgence sont devenus essentiels à la prise en charge des maladies cérébrovasculaires.

De ce fait, il est nécessaire de recourir à des technologies facilitant la coordination interinstitutionnelle des soins.

Cette étude scientifique décrit comment la technologie contribue à l'expansion des systèmes de prise en charge des AVC.

Grâce à la télésanté, à l'accès virtuel aux informations de santé et à une meilleure interconnexion entre les établissements concernés, un réseau virtuel de prise en charge des AVC permet d'apporter aux patients, quel que soit leur lieu de résidence, des professionnels, une expertise spécialisée et les meilleurs soins d'urgence.

Nous résumons les composantes actuelles de la prise en charge virtuelle des AVC, décrivons les intégrations potentielles et examinons les enjeux réglementaires et éthiques. À partir de cette analyse, nous proposons un cadre pour orienter les recherches et les politiques futures.
 
 
AITAVC

Points clés

 
 
La télémédecine en neurologie a étendu la prise en charge des AVC au-delà des hôpitaux physiques, donnant naissance au premier réseau virtuel de prise en charge des AVC.
La télémédecine en neurologie vasculaire a élargi l'accès aux soins et accru le recours à la thrombolyse dans les régions sous-dotées en apportant l'expertise en matière d'AVC au chevet virtuel du patient.
L'ajout des technologies mobiles et à haut débit a étendu la portée de la télémédecine en cas d'AVC au-delà des murs de l'hôpital.

L'accès mobile à la neuro-imagerie a permis d'optimiser la prise de décision en matière de transfert et de triage des patients nécessitant des soins neuroendovasculaires pour un accident vasculaire cérébral ischémique aigu au sein du réseau virtuel de prise en charge des AVC.
L'IA permet de prendre des décisions rapides établies sur l'imagerie en donnant aux professionnels non radiologues un accès en temps réel, à distance et dans plusieurs établissements, à des résultats complexes de neuro-imagerie.
Les questions en suspens concernent notamment les meilleures pratiques en matière de partage et d'intégration des données et des images cliniques et d'imagerie afin de développer des modèles prédictifs et des pronostics individualisés.
La plupart des outils d'IA pour la prise en charge des AVC en cours de développement sont au stade pilote non testé et ne sont pas prêts pour une utilisation clinique généralisée.
Parmi les outils d'IA en développement pour la prise en charge des AVC, on peut citer ceux qui concernent les technologies de l'information en santé, la télésurveillance et la prise de décision clinique.
Les défis consistent notamment à déterminer la meilleure façon de collaborer à la constitution d'ensembles de données robustes sur les AVC pour développer l'IA ; à valider de manière robuste et sûre les applications d'IA pour les soins aigus en cas d'AVC ; et à évaluer adéquatement les nouvelles technologies d'IA avant leur mise en œuvre afin d'éviter toute perturbation négative des parcours cliniques actuels en matière d'AVC.

La télésurveillance et la télérobotique pourraient élargir l'accès aux soins neurointerventionnels.

Les progrès technologiques sont freinés par de multiples obstacles à leur mise en œuvre, notamment le manque d'accès à un réseau haut débit fiable et suffisant, les procédures manuelles et les besoins complexes en matière de soins postopératoires.
Les progrès technologiques dans le domaine de la santé mobile et des applications basées sur l'IA pourraient faciliter l'identification, le transfert, le triage et le traitement des AVC aigus en milieu préhospitalier.
Les soins hospitaliers assistés par la technologie pourraient renforcer la collaboration au sein des hôpitaux et des systèmes de santé, ainsi qu'entre eux, permettant d'améliorer le diagnostic, le pronostic, le traitement et le suivi des indicateurs de performance liés aux AVC.
L'investissement dans le système de santé est nécessaire car un rôle clé des systèmes de soins des AVC est de fournir les outils nécessaires pour promouvoir un traitement efficace de ces accidents vasculaires cérébraux, y compris les composantes du réseau virtuel de soins (par exemple, l'infrastructure de télémédecine pour les AVC, les applications de neuroimagerie avec technologie d'IA intégrée, les outils d'IA supplémentaires tels que le traitement automatique du langage naturel dans les dossiers médicaux électroniques), afin de soutenir des soins efficaces et efficients.

Des recherches supplémentaires sont nécessaires pour déterminer le rapport coût-efficacité d'un réseau virtuel intégré de prise en charge des AVC.

De nombreuses affaires médico-légales liées à des AVC aigus impliqueront probablement à l'avenir certains aspects d'un réseau de télémédecine ou d'autres utilisations de la technologie, avec une responsabilité élargie pour les professionnels l'utilisant.
Le dossier médical de l'établissement d'accueil après le transfert offre la possibilité de documenter comment la technologie a été utilisée pour gérer une période de soins aux patients, fournissant ainsi une documentation cruciale pour d'éventuelles questions médico-légales futures.
Les considérations éthiques liées au développement d'outils d'IA comprennent la diversité des données utilisées lors de la création de tels outils, les biais d'automatisation et l'explicabilité des outils.
Des mesures de sécurité des données, la validation et le compte rendu des performances réelles, ainsi que la formation des cliniciens aux pratiques de prise en charge des AVC facilitées par l'IA doivent être intégrées avant la mise en œuvre de l'IA.
Les solutions d'IA utilisées dans la prise en charge des AVC devraient être développées par des ingénieurs en étroite collaboration avec des cliniciens spécialisés dans les AVC.


PERSPECTIVES D'AVENIR ET QUESTIONS EN COURS

Près de deux décennies après la mise en place des systèmes de prise en charge des AVC, la coordination des soins entre les établissements de santé s'est considérablement améliorée. La télémédecine en AVC, la neuro-imagerie mobile et les outils basés sur l'IA continuent d'évoluer à mesure que le réseau de prise en charge des AVC s'étend virtuellement. Parmi les obstacles à leur mise en œuvre figurent les difficultés liées à l'incertitude réglementaire et médico-légale, les enjeux de confidentialité et de sécurité évoqués dans cette déclaration scientifique, ainsi que l'absence de politiques claires ou de mécanismes de remboursement pour soutenir le développement des soins basés sur la technologie. De plus, l'accès géographique élargi offert par la télémédecine ne compense pas le nombre insuffisant de spécialistes en neurologie vasculaire et neurointerventionnelle pour répondre aux besoins de tous les patients. 

Par ailleurs, des questions demeurent et nécessitent des recherches approfondies. Avec le développement d'outils d'IA pour le diagnostic et les recommandations thérapeutiques, où fixer les limites entre les soins assistés par l'IA et la prise de décision clinique ? Face à la complexification de ces interactions, les réseaux Wi-Fi et de communication sont-ils suffisamment robustes, notamment en milieu rural, où la présence virtuelle au chevet du patient est essentielle à une prise en charge rapide ? Les coûts initiaux de la technologie et de sa maintenance sont-ils compensés par les économies globales réalisées sur le système de santé ? Ces questions nécessitent des recherches ciblées au fur et à mesure des progrès technologiques.
Lorsqu'on envisage des recherches sur l'utilisation et la mise en œuvre de ces technologies, trois catégories de mesures d'efficacité doivent être prises en compte : l'accès aux soins, les résultats et le coût. Les indicateurs d'accès aux soins pourraient inclure des mesures temporelles couramment utilisées pour évaluer l'efficience des soins, telles que le délai entre l'imagerie et le diagnostic, le délai de traitement et le temps de prise en charge (arrivée/sortie). D'autres mesures pourraient inclure la couverture géographique d'une population par l'imagerie à distance ou la présence d'hôpitaux équipés d'IA dans les zones dépourvues de centres spécialisés dans les AVC. Les indicateurs de résultats comprennent le score de l'échelle de Rankin modifiée et la recanalisation vasculaire, et peuvent également inclure des indicateurs de réseau, tels que le pourcentage de patients maintenus dans des centres régionaux spécialisés dans les AVC afin d'évaluer la prévention des transferts inutiles. En termes de coût, les indicateurs d'efficience opérationnelle, tels que l'utilisation des ressources (par exemple, les lits), la durée de séjour, la performance des indicateurs de prise en charge des AVC en milieu hospitalier, les scores de satisfaction des patients et les évaluations de l'espérance de vie ajustée sur la qualité (QALY), peuvent servir d'indicateurs clés de performance. Ces indicateurs constituent un cadre pour les études futures.
Compte tenu du potentiel des pratiques de télémédecine assistées par l'IA pour améliorer l'efficacité opérationnelle et la sécurité des professionnels de santé et des administrateurs, ainsi que l'accès aux soins pour les patients, les applications de l'IA dans la prise en charge virtuelle des AVC devraient être validées par des essais multicentriques incluant diverses populations socio-économiques et différents modèles de pratique (par exemple, universitaires et communautaires, urbains et ruraux). Des analyses coût-efficacité de la prestation de soins de santé intégrant l'IA par rapport aux modèles de soins standards devraient être menées. Dès que des données probantes plus solides issues d'essais à grande échelle seront disponibles, des recommandations des sociétés savantes nationales devraient être élaborées pour guider les neurologues dans l'adoption des outils de télésanté assistés par l'IA tout au long de leur carrière et de leur pratique en matière d'AVC. Les cliniciens devraient jouer un rôle moteur dans l'élaboration de bonnes pratiques pour orienter la formation et la mise en œuvre de la prise en charge virtuelle des AVC assistée par l'IA, conformément aux pratiques actuelles.

La mise en œuvre au sein d'un système de prise en charge des AVC devrait s'appuyer sur des données probantes, les ressources régionales et les retours des parties prenantes. L'interaction entre les cliniciens de différentes disciplines et la compréhension de cette technologie de plus en plus complexe et intégrée sont essentielles pour optimiser les résultats au sein du réseau émergent de prise en charge virtuelle des AVC.


Résumé génératif

Ce document traite de l'importance des réseaux de soins virtuels pour les AVC, en mettant en avant le rôle de l'intelligence artificielle, des applications d'imagerie mobile et de la télésanté dans le triage et le traitement des AVC ischémiques aigus.

Réseaux de soins virtuels pour AVC

L'intégration de la technologie dans les soins des AVC permet d'améliorer l'accès et la qualité des traitements, en particulier dans les zones sous-desservies.

    • * Les réseaux de soins virtuels facilitent l'évaluation, le triage et le transport des patients pour des traitements rapides.
    • * En 2019, seulement 46 % des services d'urgence aux États-Unis étaient des centres désignés pour AVC.
    • * 64 % des patients pouvaient être transportés vers un centre de soins avancés en moins de 60 minutes.
    • * Les disparités d'accès entraînent des inégalités dans les résultats des AVC, notamment des taux de mortalité plus élevés dans les zones rurales.

Télestroke : le réseau virtuel initial

La télestroke a été développée pour étendre l'accès aux soins spécialisés en AVC dans les hôpitaux sans neurologie sur place.

    • * La télestroke permet une consultation à distance pour la décision d'administration de thrombolytiques.
    • * En 2019, 96 % de la population américaine avait accès à un service d'urgence avec capacité de télestroke.
    • * Les consultations téléstroke peuvent se faire directement dans les ambulances, améliorant le diagnostic préhospitalier.

Imagerie mobile et IA pour l'AVC

L'imagerie neurovasculaire avancée et les outils d'IA améliorent le diagnostic et le triage des AVC.

    • * Les logiciels d'imagerie assistés par IA, comme RapidAI et Viz.ai, permettent une analyse rapide des données d'imagerie.
    • * Ces outils fournissent des notifications automatisées, souvent avant les rapports de radiologie formels.
    • * L'accès mobile à l'imagerie permet aux professionnels de la santé d'interpréter les résultats à distance.

Outils émergents d'IA pour les soins d'AVC

Les outils d'IA en développement visent à améliorer le diagnostic et la prise de décision dans les soins des AVC.

    • * La plupart des applications d'IA sont encore en phase pilote et ne sont pas prêtes pour une utilisation clinique généralisée.
    • * Des modèles d'apprentissage automatique (ML) sont développés pour prédire les complications et améliorer la détection des AVC.
    • * Les outils d'IA pourraient révolutionner la gestion des risques d'AVC et améliorer les résultats cliniques.

Intervention neurovasculaire à distance

Les méthodes d'intervention à distance, comme le téléproctoring et la robotique, pourraient élargir l'accès aux traitements d'AVC.

    • * Le téléproctoring permet une assistance en temps réel pour les procédures d'AVC à distance.
    • * Les systèmes robotiques ont montré une précision comparable à celle des neurointerventionnistes expérimentés.
    • * Les limitations incluent la nécessité d'une connexion Internet robuste et des coûts opérationnels élevés.

Vision d'un réseau virtuel intégré

L'intégration des technologies mobiles et des outils d'IA pourrait transformer les soins des AVC en un réseau virtuel interconnecté.

    • * Les outils établis sur des smartphones et l'IA pourraient améliorer le diagnostic et le triage des AVC dans le cadre préhospitalier.
    • * Dans les hôpitaux, les réseaux virtuels peuvent renforcer la collaboration entre les systèmes de santé.
    • * Des algorithmes de triage pourraient optimiser la prise de décision pour le transfert des patients.

Considérations médico-légales et éthiques

L'intégration des réseaux de soins virtuels soulève des préoccupations médico-légales et éthiques.

    • * Les cas de faute professionnelle liés aux AVC sont souvent dus à des retards dans le diagnostic et le traitement.
    • * Les nouvelles technologies doivent être mises en œuvre avec prudence pour éviter des conséquences négatives sur les soins cliniques.

Rôle croissant des technologies dans les soins des AVC

L'intégration des réseaux de télestroke et des technologies avancées dans les soins des AVC soulève des préoccupations éthiques et juridiques.

    • * Environ 80 % des cas d'AVC se produisent dans des hôpitaux communautaires utilisant des réseaux de télestroke.
    • * Les préoccupations de responsabilité incluent la confidentialité des données, la sécurité, et la définition élargie de la relation médecin-patient.
    • * Les notifications et communications des applications de triage d'AVC doivent être enregistrées dans le dossier médical électronique (DME) pour une future révision.

Considérations éthiques liées à l'IA

L'utilisation d'outils établis sur l'IA dans les réseaux de télestroke soulève des questions éthiques cruciales.

    • * Les professionnels de la santé restent responsables de leurs décisions cliniques, même grâce à des outils d'IA.
    • * Le biais d'automatisation peut diminuer les compétences diagnostiques des professionnels et exacerber les disparités dans les soins.
    • * Les algorithmes d'IA doivent être formés sur des ensembles de données diversifiés pour éviter les biais raciaux et sociaux.

Considérations réglementaires pour l'IA

Des mesures réglementaires sont nécessaires pour garantir l'utilisation sécurisée et efficace de l'IA dans les soins des AVC.

    • * La transparence dans la performance des modèles d'IA est essentielle pour surmonter les biais de formation.
    • * Les solutions d'IA doivent être développées en collaboration avec des cliniciens, des éthiciens et des experts juridiques.
    • * Des modules éducatifs sur les pratiques d'AVC habilitées par l'IA doivent être créés et validés avant leur mise en œuvre.

Directions futures et questions ouvertes

Des recherches supplémentaires sont nécessaires pour évaluer l'impact des technologies sur les soins des AVC.

    • * Les questions clés incluent les limites entre les soins soutenus par l'IA et la prise de décision clinique.
    • * L'efficacité des communications réseau dans les environnements ruraux doit être examinée.
    • * Des analyses de coût-efficacité des modèles de soins avec IA par rapport aux modèles standards doivent être menées.

      INFOGRAPHIES

      str.0000000000000511.fig01
 Représentation visuelle de la transition d'un système de soins pour AVC vers un système virtuel de soins connectés. ASR : unité de soins d'urgence pour AVC ; CSC : centre de prise en charge globale des AVC ; ED : service des urgences ; PSC : centre de prise en charge primaire des AVC.


str.0000000000000511.fig02
Utilisation d’un réseau virtuel tout au long des phases de la prise en charge de l’AVC aigu. IA : intelligence artificielle ; SU : service des urgences ; SAMU : services d’aide médicale urgente ; ML : apprentissage automatique ; UAM : unité mobile d’AVC ; TAL : traitement automatique du langage naturel.

SYNTHÈSE
Cet article est un énoncé scientifique de l'American Heart Association (AHA) intitulé « Creating Virtual Stroke Networks » (Créer des réseaux virtuels d'AVC), qui se concentre sur l'évolution des systèmes de soins pour les accidents vasculaires cérébraux ischémiques aigus. L'énoncé explore le rôle actuel et futur des technologies de télésanté, y compris la télésanté, l'imagerie mobile et l'intelligence artificielle (IA), dans l'amélioration du triage et du traitement des patients. Ces technologies sont essentielles pour surmonter les obstacles géographiques et garantir que les patients, même dans les zones rurales ou mal desservies, aient accès à une expertise spécialisée et à des thérapies urgentes comme la thrombectomie. L'article aborde également les défis éthiques, réglementaires et médicolégaux liés à l'intégration de ces outils d'IA, tels que le biais des données et le besoin de transparence dans la prise de décision clinique. Enfin, il propose un cadre pour la recherche future et les politiques visant à optimiser ces réseaux virtuels de soins en tenant compte de l'accès, des résultats et des coûts.
 
🔥
Commentaire
La prise en charge des AVC est une URGENCE ABSOLUE . Toutes les techniques qui peuvent réduire le temps de la prise en charge et en plus l'optimiser sont à étudier. 
 

1746122519809
 
avvcc
 

3848370836518537550 SFNV infographie AVC
 

A LIRE
 
ztad073 ga1

https://medvasc.info/archives-blog/ia-et-avc

Carotides et AVC : la meilleure option

10 1055 a 1952 1159 i21110670 2


La « roulette » de la gestion contemporaine du risque d’AVC dans la sténose carotidienne.
Le niveau de risque d’AVC chez les sujets atteints de sténose carotidienne athéroscléreuse cliniquement asymptomatique (ASxCS) est représenté sur l’axe supérieur ; l’axe inférieur représente les mesures qui contrecarrent le niveau de risque d’AVC. Idéalement, un niveau de risque plus élevé devrait être associé à une plus grande ampleur de mesures préventives. Les données cliniques montrent que, dans les lésions auparavant asymptomatiques, le cumul des facteurs de risque augmente la probabilité d’un AVC. Ceci est indiqué par un gradient de risque ( triangle bleu ). Aujourd’hui, contrairement à la CHA 2 DS 2 -VASC et à d’autres échelles de stratification du risque cliniquement applicables dans la fibrillation auriculaire (FA), il n’existe aucun outil de quantification du risque validé pour les sujets ASxCS. La prévalence de l’ASxCS est similaire à celle de la FA paroxystique ; Le risque annuel d'accident vasculaire cérébral chez les patients atteints d'ASxCS sous traitement médical optimisé maximal (MMT) est similaire à celui observé chez les patients atteints de FA paroxystique sous aspirine (≈2,0–2,5 % dans le cas de l'ASxCS contre ≈2,1 % dans le cas de la FA). Les étoiles dans le triangle bleu du gradient de risque symbolisent la distribution aléatoire (et, assez souvent, la compréhension et l'utilisation aléatoires) des caractéristiques connues pour augmenter le risque d'accident vasculaire cérébral dans le cas de l'ASxCS. Les données issues d'études cliniques montrent que ces caractéristiques (telles qu'un accident ischémique transitoire (AIT) controlatéral ou un accident vasculaire cérébral, un infarctus cérébral silencieux ipsilatéral, une progression de la sténose, une plaque échotransparente, une hémorragie intraplaque, une ulcération de plaque ou un gros noyau nécrotique) peuvent être pondérées différemment en ce qui concerne leur impact sur le risque d'accident vasculaire cérébral, d'où la taille différente des étoiles. Certaines d'entre elles ont été intégrées aux directives de prise en charge des patients atteints d'ASxCS . Malgré une faible reproductibilité et/ou un manque de données fiables, d’autres (plus fiables) n’en ont pas. Par exemple, aujourd’hui, seulement ≈5 % des patients ayant récemment subi un AVC ou un AIT lié à une sténose carotidienne présentent des signaux emboliques spontanés au Doppler transcrânien, ce qui remet en question (au-delà des problèmes techniques et de reproductibilité) son rôle dans la stratification du risque asymptomatique. D’autres facteurs de risque d’AVC plus évidents, tels que l’irrégularité/ulcération de la surface de la plaque carotidienne ou la plaque contenant un thrombus, n’ont pas été retenus dans les lignes directrices, malgré leur rôle avéré. Il est important de comprendre que même les lésions ASxCS que l’on pense être à faible risque peuvent devenir symptomatiques et provoquer un AVC, bien que moins fréquemment que celles présentant des caractéristiques de risque accru (notez les flèches indiquant l’accident vasculaire cérébral au niveau du patient en haut de la figure). Pour les patients et leur famille, c’est la survenue d’un AVC réel qui compte, plutôt que des considérations de « risque » d’AVC linéaires (ou curvilinéaires) continues. Aujourd’hui, il existe de nombreuses preuves montrant que la plaque carotidienne elle-même joue un rôle mécaniste important dans la transformation d’une lésion asymptomatique en lésion symptomatique. Outre le phénotype de la lésion (qui peut être dynamique), les facteurs fondamentaux qui font tourner la roulette sont les facteurs d’AVC au niveau de la lésion (tels que le phénotype de plaque « vulnérable » qui peut être spécifique à la technique d’imagerie utilisée) et les mécanismes du « sang vulnérable » qui ont un impact sur la rupture de la plaque et la thrombose. De plus, dans certaines conditions cliniques telles que le diabète ou la thrombophilie, il existe une augmentation marquée du risque d’AVC qui comprend en partie une contribution mécaniste de la lésion carotidienne. Flèches bleues Les données combinées de deux grands essais randomisés (Asymptomatic Carotid Atherosclerosis Study et Asymptomatic Carotid Stenosis Trial-1) n'ont montré aucun effet de l'augmentation de la sténose luminale (au-delà de 60 %) sur le risque d'AVC dans l'ASxCS, ce qui concorde avec le rôle prédominant des caractéristiques de risque de la lésion (et du patient) par rapport à celui de la gravité de la sténose. Le taux d'AVC à 5 ans était de 7,8 % avec une sténose de 60 à 99 %, de 7,4 % avec une sténose de 70 à 79 % et de 5,1 % avec une sténose ≥ 80 %. Ainsi, la gravité de la sténose luminale est un mauvais indicateur du risque d'AVC dans l'ASxCS. En effet, la sténose luminale est un mauvais indice de la charge de plaque et de la morphologie de la plaque en raison de la compensation vasculaire variable pour la croissance de la plaque (remodelage). Malgré les preuves contredisant le rôle du degré de sténose luminale dans la stratification du risque d'accident vasculaire cérébral dans l'ASxCS, ce problème reste dans la roulette. Bien qu'aucune donnée spécifique sur la sténose carotidienne ne soit encore disponible, le système hémostatique est connu pour moduler de manière critique les risques d'événements cliniques dans l'athérosclérose. Des données récentes issues d'études portant sur des patients atteints d'ASxCS indiquent que la modulation hémostatique peut être une cible importante pour la pharmacothérapie avec des agents antithrombotiques oraux à faible dose. Contrairement aux lacunes dans les connaissances concernant la quantification du gradient de risque d'accident vasculaire cérébral dans l'ASxCS, il existe beaucoup plus de connaissances sur la manière de contrer le risque d'accident vasculaire cérébral. Le traitement de fond, qui peut réduire ou retarder le risque d'accident vasculaire cérébral (mais ne l'abolit pas universellement), est le principal pilier du traitement. Le traitement de fond doit inclure un agent antiplaquettaire, un inhibiteur de l'enzyme de conversion de l'angiotensine ou un inhibiteur du récepteur de l'angiotensine et une statine titrée pour atteindre les taux de cholestérol LDL recommandés par les directives. Des preuves indirectes issues d'essais récents sur des agents antithrombotiques oraux à faible dose et des inhibiteurs de la proprotéine subtilisine/kexine de type 9 (PCSK9) suggèrent que ces agents jouent un rôle au moins chez certains patients atteints d'ASxCS. Deux essais (Randomized Trial of Stent versus Surgery for Asymptomatic Carotid Stenosis, ACT-1, et Asymptomatic Carotid Stenosis Trial-2, ACST-2) ont indiqué un équilibre entre la chirurgie (endartériectomie carotidienne, CEA) et le traitement endovasculaire utilisant, exclusivement ou principalement, des stents carotidiens de première génération (monocouche) chez les patients atteints d'ASxCS. Des études récentes suggèrent que le scellement endovasculaire mini-invasif de la plaque à haut risque (en utilisant un ou plusieurs stents séquestrant la plaque) peut être une modalité de traitement plus sûre et plus efficace dans la prévention des accidents vasculaires cérébraux liés à la sténose carotidienne. L'élimination de la plaque, par chirurgie ou scellement, éliminera le risque supplémentaire d'accident vasculaire cérébral lésionnel ( croix verte ). La préférence des patients indique généralement des options de gestion moins invasives. Les données s'accumulent et montrent que la séquestration de plaque mini-invasive et neuroprotégée de manière appropriée peut s'avérer supérieure à la chirurgie conventionnelle, à court et à long terme. Voir le texte pour les références. LDL, lipoprotéine de basse densité.

https://medvasc.info/archives-blog/carotdes-et-avc-la-meilleure-option

AI-Stroke : l'intelligence artificielle au profit du diagnostic des AVC

6 millions d’images récoltées à l’aide de l’IA  

A l’aide d’une équipe de recherche et développement (R&D) de 5 personnes, la medtech s’appuie sur une vaste base de données pour entraîner son algorithme. Grâce à un partenariat avec le Centre hospitalier universitaire de Nîmes, la start-up a recueilli 6 millions d'images et 20 000 vidéos de patients en phase aiguë d'AVC. « Cette base de données nous permet d'alimenter et d'affiner notre IA pour améliorer la prise en charge des AVC », explique l’ingénieur en intelligence artificielle. Actuellement, l'IA d'AI-Stroke atteint un taux de diagnostic correct de 74 %. L'objectif est d'atteindre 85 % avant la commercialisation prévue fin 2026. 

Une mise sur le marché avant fin 2026 

 

AI-Stroke a reçu plusieurs aides, notamment de Bpifrance (Bourse French Tech Emergence, French Tech Seed et i-Lab) et de la région Occitanie. Les essais cliniques débuteront dès cette année. « Nous allons comparer la performance de notre IA à celle des pompiers et des urgentistes sur plusieurs milliers de cas », précise le chef d’entreprise. La dernière étape avant la commercialisation sur le marché européen sera une évaluation hospitalière sur des patients non diagnostiqués initialement. 

Avec cette solution, AI-Stroke espère bouleverser la prise en charge des attaques cérébrales et offrir un outil efficace aux premiers secours. « Notre ambition est d'apporter une aide déterminante pour sauver des vies et réduire les séquelles neurologiques », conclut Cédric Javault.

https://bigmedia.bpifrance.fr/nos-actualites/ai-stroke-lintelligence-artificielle-au-profit-du-diagnostic-des-avc

FOCUS RAPID AI


video thumbnail physicians 1


https://www.rapidai.com/


Voici un tableau synthétique des principaux apports de l’IA dans la prise en charge des AVC, de la phase préhospitalière au suivi. / PERPLEXITY/IA​

Étape du parcours AVCObjectif clinique principalExemples d’usages de l’IATypes d’algorithmes / d'outils
Appel d’urgence / préhospitalier Repérer tôt un AVC et orienter vers la structure appropriée Analyse audio/vidéo des patients (visage, motricité, parole) via smartphone ou tablette pour suspicion d’AVC.​ Réseaux de neurones profonds (vision, audio), « neurologue numérique » embarqué.
Arrivée aux urgences Prioriser l’accès à l’imagerie et à l’UNV Scores de triage enrichis par IA pour estimer la probabilité d’AVC et la gravité dès le tri infirmier.​ Modèles de machine learning supervisé (forêts aléatoires, gradient boosting).
Imagerie diagnostique (TDM/IRM) Confirmer le diagnostic et caractériser la lésion Détection automatisée d’hémorragie, ASPECTS automatisés, détection d’occlusion de gros tronc, quantification du cœur infarci et de la pénombre.​ CNN 2D/3D de vision médicale, segmentation automatique, logiciels de perfusion assistés par IA.
Décision de revascularisation Décider thrombolyse / thrombectomie et la filière Aide à la décision pour l'éligibilité à la IVT/MT, estimation du bénéfice-risque, orientation vers un centre de thrombectomie.​ Systèmes d’aide à la  décision multiparamétrique (données cliniques + imagerie).
Workflow intrahospitalier Réduire les délais (door‑to‑needle / door‑to‑puncture) Alertes automatisées en temps réel aux équipes neuro/neuroradiologie dès détection d’AVC ou de LVO, suivi des temps clés du parcours.​ Outils d’orchestration de flux, déclencheurs IA intégrés au PACS et au RIS.
Pronostic et complications Anticiper le devenir et adapter la surveillance Modèles prédictifs de mauvais pronostic fonctionnel, de transformation hémorragique ou de récidive.​ Modèles de ML/Deep learning combinant clinique, imagerie et biologie.
Rééducation et suivi Optimiser récupération motrice/cognitive Réalité virtuelle et interfaces cerveau‑machine pour rééducation ciblée, avec adaptation dynamique des exercices.​​ Algorithmes d’IA sur signaux EEG, moteurs de serious games adaptatifs.
 
 

Si vous précisez le contexte (SAMU, SAU, UNV, télémédecine régionale), le tableau peut être affiné avec des exemples d’outils et d’indicateurs qualité (délais, mRS, etc.).

Copyright : Dr Jean-Pierre Laroche / 2025