Alors que la technologie de l’intelligence artificielle est de plus en plus utilisée – de manière formelle et informelle – pour étayer les diagnostics médicaux, son utilité dans les situations médicales d’urgence reste une question ouverte. L’IA peut-elle aider les médecins dans des situations où une prise de décision en une fraction de seconde peut faire la différence entre la vie et la mort ? Des chercheurs de l’Université Drexel ont abordé la question avec des cliniciens du Children’s National Medical Center de Washington, DC, pour mieux comprendre comment et quand la technologie pourrait les aider à sauver des vies.

Dirigée par Angela Mastrianni, PhD, diplômée de Drexel et boursière postdoctorale à NYU Langone Health, et Aleksandra Sarcevic, PhD, professeur au Drexel’s College of Computing & Informatics et directrice du laboratoire de recherche sur les systèmes interactifs pour les soins de santé, l’équipe a examiné deux types de scénarios dans lesquels la technologie de l’IA est utilisée pour aider les médecins urgentistes à prendre des décisions en matière de traitement.

Dans le premier scénario, les informations clés utilisées dans la prise de décision – notamment l’âge du patient, la manière dont la blessure s’est produite et les signes vitaux – ont été synthétisées et présentées à l’équipe en temps réel. Dans le deuxième scénario, des recommandations de traitement ont été fournies, en plus des informations synthétisées.

Dans une expérience impliquant 35 prestataires de soins d’urgence de six systèmes de santé, les chercheurs ont découvert que les participants étaient plus susceptibles de prendre les bonnes décisions lorsque les informations et les recommandations de l’IA étaient fournies, plutôt que de ne recevoir aucun soutien de l’IA.

Cependant, ils ont également constaté que les participants étaient divisés sur leur perception de recevoir des recommandations d’un assistant IA en cas d’urgence médicale. Bien que la plupart préféraient recevoir les recommandations et la synthèse de l’IA, certains médecins craignaient que les recommandations puissent empiéter sur leur capacité d’action et biaiser la prise de décision.

Les auteurs ont récemment présenté leurs conclusions lors de la conférence de l’American Computing Machinery sur le travail coopératif et l’informatique sociale assistés par ordinateur (CSCW).

Bien que notre étude ait porté sur un petit échantillon de prestataires de soins de santé, ce type d’enquête sera important alors que la communauté médicale d’urgence réfléchit à la manière dont la technologie de l’IA peut soutenir son travail de sauvetage. Il ne fait aucun doute que la technologie peut augmenter le travail des humains en milieu médical, mais comprendre quand et où elle est appropriée et acceptée sera essentiel pour faciliter son adoption. »

Aleksandra Sarcevic, PhD, professeur, Drexel’s College of Computing & Informatics

Pour arriver à leurs découvertes, l’équipe a d’abord conçu un prototype d’écran d’aide à la décision activé par l’IA – baptisé « DecAide » – destiné à être utilisé dans un contexte de réanimation traumatologique pédiatrique. En interrogeant et en interrogeant divers prestataires de soins de médecine d’urgence, l’équipe a acquis une compréhension des types d’informations que les prestataires utilisent pour soutenir la prise de décision lors des réanimations et de la meilleure façon de les présenter.

Grâce à ces conseils, l’affichage a pris la forme d’une liste concise d’informations clés sur le patient, mettant en évidence les anomalies et codant par couleur tout changement dans les signes vitaux. Une version présentait uniquement ces informations, tandis qu’une seconde proposait également une recommandation – telle qu’une transfusion sanguine ou une procédure neurochirurgicale – ainsi que sa probabilité de succès basée sur un modèle de calcul des risques s’appuyant sur les données de réanimation du site de recherche principal, l’hôpital national pour enfants.

L’équipe a évalué l’interaction des participants avec le système en créant 12 scénarios de vignettes scénarisées au cours desquels des informations étaient progressivement présentées sur les patients traumatisés. Dans un exercice virtuel chronométré, 35 prestataires se sont vu présenter chacun ces scénarios sous trois conditions : dans une vignette, l’affichage d’aide à la décision n’offrait aucune information ni aucun conseil de l’IA ; dans un autre, il offrait des informations synthétisées par l’IA et dans le troisième, des informations synthétisées par l’IA et une recommandation étaient proposées. Les participants ont été invités à effectuer des évaluations en temps réel dans chaque scénario et à décider si le patient avait besoin ou non d’une intervention vitale, telle qu’une transfusion sanguine, une chirurgie cérébrale, une décompression par drain thoracique ou par aiguille, une intubation ou une chirurgie thoracique.

L’équipe a enregistré chaque décision concernant le traitement des participants et diagnostic processus – plus de 800 instances au total – en les comparant aux données de vérité terrain à partir desquelles les vignettes ont été créées, afin de déterminer l’exactitude du diagnostic. Chaque participant a également répondu à une enquête sur la manière dont il utilisait l’affichage d’informations. Pour tester l’effet de la confiance dans l’information et des biais dans le processus de prise de décision, dans une décision sur huit présentée aux participants, les chercheurs ont programmé l’affichage pour fournir une recommandation incorrecte.

Les participants ont pris les bonnes décisions dans 64,4 % des scénarios lorsqu’une synthèse des informations de l’IA et une recommandation étaient fournies. Ce taux tombe à 56,3 % lorsque seule une synthèse d’informations est fournie sans recommandation et à 55,8 % lorsqu’aucun accompagnement n’est fourni.

La technologie ne semble pas ralentir la prise de décision, car le temps nécessaire aux participants pour prendre une décision est resté relativement constant dans les trois conditions d’affichage de l’expérience. Et dans de nombreux cas, les participants ont pris leur décision avant que les recommandations basées sur l’IA ne soient affichées à l’écran.

L’utilisation et la perception de l’aide à la décision varient cependant considérablement. Dix-huit participants ont indiqué qu’ils avaient examiné les recommandations, mais seulement après avoir pris leur décision. Douze participants ont complètement ignoré les recommandations de l’IA, soit parce qu’elles manquaient de nuances, soit parce qu’ils ne faisaient pas confiance au système parce que les données à l’origine de leurs recommandations n’étaient pas fournies. Dans l’ensemble, les participants ont exprimé moins de préoccupations concernant la présentation des informations synthétisées par l’IA.

« Nous assistons à une adoption progressive des systèmes d’aide à la décision dans les spécialités médicales telles que radiologie« Mais il y a encore beaucoup d’hésitation à utiliser cette nouvelle technologie dans des contextes médicaux dynamiques et urgents, comme la médecine d’urgence », a déclaré Mastrianni. « Bien qu’il existe des preuves que les modèles d’IA peuvent diagnostiquer la maladie avec des niveaux de précision élevés, nous savons que des recherches supplémentaires sont nécessaires pour comprendre la meilleure façon de l’intégrer dans les environnements cliniques afin que les prestataires commencent à faire confiance et à utiliser cette nouvelle technologie. »

L’équipe suggère que la recherche continue dans ce domaine devrait inclure un plus grand nombre de participants avec des représentants d’un plus large éventail de spécialités médicales et de types d’hôpitaux. Ils notent qu’avant que de tels outils ne soient adoptés, des informations et un soutien supplémentaires sont nécessaires pour que les dirigeants médicaux décident si et comment les mettre en œuvre et comment créer des politiques claires autour de leur utilisation.