DÉVELOPPEMENT D'UN ALGORITHME D'INTELLIGENCE ARTIFICIELLE POUR PRÉDIRE LE RISQUE D'HYPOTENSION APRÈS INDUCTION PAR CÉSARIENNE AVEC ANESTHÉSIE RACHIDIENNE

Justification : La césarienne, lorsqu'elle est correctement indiquée, est une méthode d'accouchement qui préserve la santé de la mère et du bébé. Les taux de naissances par césarienne augmentent dans le monde depuis des années. Entre 2010 et 2018, 21,1 % des naissances suivies dans le monde ont été réalisées par césarienne. Selon l’Organisation mondiale de la santé (OMS), ce taux devrait augmenter pour atteindre 29 % d’ici 2030.

L'anesthésie pour la césarienne est fondamentalement influencée par les changements physiologiques et pathologiques induits par la grossesse dans le corps de la mère. Les changements survenant pendant la grossesse et l’accouchement, ainsi que les différences qui en résultent, peuvent présenter des défis pour les anesthésiologistes.

Dans les pays développés, 78 % des césariennes électives ont été réalisées sous anesthésie rachidienne, ce qui en fait la technique la plus utilisée par les anesthésiologistes. La rachianesthésie induit un blocage sympathique iatrogène, réduisant la résistance vasculaire systémique ainsi qu'une vasodilatation artérielle et veineuse, conduisant à une hypotension. L'incidence de l'hypotension après une rachianesthésie chez les femmes enceintes varie de 7,4 % à 74 %, comme le rapportent Klöhr et al. La fréquence de l'hypotension est plus élevée chez les femmes enceintes en raison de facteurs tels que le syndrome d'hypotension en décubitus dorsal provoqué par une compression de la veine cave inférieure fœtale et le développement d'un plexus veineux collatéral dans la zone péridurale, conduisant à la remontée d'un anesthésique local intrathécal dans le liquide céphalo-rachidien. L'aggravation de l'hypotension et de la bradycardie chez le patient peut entraîner un collapsus cardiaque, une hypoxie fœtale et une acidose, posant un risque imprévisible pour la santé maternelle et fœtale. Le rôle des anesthésiologistes est de prévenir ou de gérer efficacement cette maladie à risque.

Les progrès récents en matière d’apprentissage profond et d’intelligence artificielle (IA) ont trouvé leur place dans le domaine de l’anesthésie. Les applications de l'IA en anesthésie peuvent être classées en cinq domaines principaux : 1) Surveillance de la profondeur de l'anesthésie (par exemple, techniques analysant les données EEG pendant l'anesthésie), 2) Contrôle de l'administration de médicaments anesthésiques en fonction de la profondeur de l'anesthésie, 3) Prédiction des événements, 4) Guidage échographique et 5) Gestion de la douleur.

Parmi ces applications, la prédiction d’événements est particulièrement critique pour les anesthésiologistes. Connaître un événement avant qu’il ne survienne contribue à sa prévention ou permet une gestion plus précise. Il y a eu 53 études dans la littérature utilisant l'IA pour la prédiction d'événements, y compris des études développant des algorithmes pour prédire l'hypotension pendant une intervention chirurgicale et validant ces algorithmes. Ce qui distingue ce projet des études existantes sont :

Ces études n'ont pas été spécifiquement développées pour prédire l'hypotension induite par la rachianesthésie lors des césariennes.

Ces études ont principalement utilisé l'analyse des vagues (non invasive ou invasive) pour prédire l'hypotension. Dans ce projet, cette approche ne sera pas utilisée. Des évaluations préopératoires seront effectuées et les caractéristiques des patients seront enregistrées. Par conséquent, l’algorithme résultant ne sera pas un algorithme d’entrée de données dynamique/en temps réel.

La facilité d’enregistrement des caractéristiques préopératoires, l’absence de surveillance artérielle invasive et le potentiel d’applicabilité rendent le développement de l’algorithme plus pratique. L'algorithme développé sera pratique à utiliser.

L'algorithme à entraîner, à l'instar de l'étude de Hatib et al., rapportera le risque d'hypotension en termes de pourcentage.

L’IA et ses sous-ensembles, les algorithmes d’apprentissage automatique, ont un impact sur tous les aspects de nos vies. Dans le domaine médical, c’est devenu une méthode, notamment pour réduire les erreurs humaines dans la prise de décision clinique.

Dans cette étude, les informations démographiques, les signes vitaux, les paramètres sanguins spécifiques et certaines caractéristiques liées à l'administration d'une rachianesthésie seront systématiquement enregistrées pour les femmes enceintes subissant une rachianesthésie. Les paramètres sanguins comprennent une formule sanguine complète, les électrolytes sériques, les taux d'enzymes hépatiques (ALT/AST) et le Syndécan-1. Tous les paramètres sanguins sont répertoriés dans le protocole d'étude original. Le syndécan-1 est une molécule rejetée dans le sérum lors de la dégradation ou de l'endommagement de la couche de glycocalyx endothélial vasculaire. En particulier, il augmente lors d’une surcharge volumique, d’une septicémie ou de processus inflammatoires. Les taux sériques de Syndécan-1 augmentent à mesure que les semaines de grossesse progressent, l'augmentation la plus significative se produisant entre la 20e et la 30e semaine. Si la prééclampsie se développe aux derniers stades de la grossesse, les taux de Syndécan-1 diminuent.

Les taux de Syndécan-1 dans les grossesses hypertendues ne changent pas de manière significative par rapport aux grossesses normales, mais des différences ont été observées dans les taux de Syndécan-1 en présence de prééclampsie. Par conséquent, comme mentionné dans la section méthodes, les femmes enceintes hypertendues et prééclamptiques ne seront pas incluses dans l'étude.

Dans une étude examinant les niveaux préopératoires et postopératoires de Syndecan-1 chez des patientes césariennes ayant subi une anesthésie rachidienne, une différence significative a été trouvée. L'étude a conclu que l'administration préopératoire d'un bolus de liquide prophylactique affectait la dégradation du glycocalyx endothélial. Sur la base de cette étude, Syndecan-1 a le potentiel théorique d'être un nouveau marqueur pour prédire l'hypotension. Bien que le Syndécan-1 ait déjà été étudié chez des femmes enceintes, il n'existe aucune étude dans la littérature examinant la relation entre les taux préopératoires de Syndécan-1 et l'hypotension pendant la rachianesthésie chez les patientes césariennes. Cette étude examinera à la fois la relation entre Syndécan-1 et l'hypotension et évaluera sa place dans l'algorithme développé.

Après avoir enregistré les données initiales pour chaque patient, l'évolution de l'hypotension sera observée et documentée. Les données collectées seront analysées pour examiner les relations entre l'apparition ou la non-apparition d'une hypotension après induction. De plus, un algorithme d’intelligence artificielle sera développé à partir de ces données. L’objectif principal est de développer l’algorithme. Au cours de l'étude, il n'y aura aucun changement dans la prise en charge de l'anesthésie appliquée aux femmes enceintes.

Dans ce contexte, l'algorithme développé vise à identifier précocement l'hypotension provoquée par la rachianesthésie (en prédisant le risque d'hypotension avant le début de l'opération) et à permettre une mise en route précoce du traitement.

Méthode:

Moment du projet : L'approbation éthique du projet a été accordée par le comité d'éthique de la recherche clinique non interventionnelle de l'Université Hacettepe. Le projet devrait être réalisé entre novembre 2023 et avril 2024.

Méthodologie et outils de collecte de données du projet :

Les données des patients répondant aux critères d'inclusion dans la salle d'opération seront obtenues à partir des résultats des tests de routine envoyés après une hospitalisation pour césarienne, des formulaires d'observation préopératoire de l'infirmière et des enregistrements des signes vitaux surveillés par anesthésie pendant la chirurgie. Une fois le patient amené à la salle d'opération, les informations contenues dans le formulaire de collecte de données seront remplies par l'anesthésiste. La durée de l'hypotension après une rachianesthésie commence immédiatement après l'administration de l'anesthésie chez la femme enceinte, atteignant son niveau le plus bas en 10 à 15 minutes environ. On sait qu’il revient à la normale en 20 à 30 minutes. Cependant, la durée de l'hypotension peut varier en fonction de facteurs tels que l'âge gestationnel, la dose d'anesthésie, l'état de santé général de la patiente et d'autres facteurs. La durée de l'hypotension peut être plus longue, en particulier chez les femmes enceintes soumises à des doses élevées d'anesthésie ou souffrant d'hypertension. Par conséquent, la durée de l’hypotension doit être évaluée individuellement pour chaque patient. Cependant, dans cette étude, l’observation pendant les 15 premières minutes est privilégiée. Cette préférence est accordée au fait que l'algorithme prédit l'hypotension induite par la colonne vertébrale sur la base des caractéristiques préopératoires. Avec la période d'observation prolongée, la survenue d'un accouchement, l'augmentation du débit cardiaque et le début de la perfusion d'ocytocine pendant l'opération font de l'hémodynamique une situation complexe affectée par de multiples facteurs indépendants. La collecte des données se terminera après les 15 premières minutes et l'hypotension survenant après la 15e minute ne sera pas enregistrée pour l'étude ; l'observation sera terminée.

Collecte des données du projet :

Avant que les patients ne soient amenés à la salle d'opération, une quantité adéquate de sang sera prélevée à partir des échantillons sanguins de routine prélevés sur le patient avant l'accouchement pour les paramètres sanguins. À l'exception du Syndécan-1, les autres paramètres sanguins sont des tests de routine effectués en routine dans les laboratoires de biochimie de l'hôpital universitaire de Hacettepe.

Lors de la mesure du syndécan-1, les lectures d'absorbance seront effectuées à l'aide de l'appareil SpectraMax-M2 (Molecular Devices, USA) situé dans le Département de biochimie de l'Université Hacettepe. Par la suite, les taux sériques de syndécan-1 seront calculés à l'aide du programme GraphPad Prism basé sur le graphique standard. L'achat des kits ELISA nécessaires à la mesure du syndécan-1 sera réalisé grâce au financement obtenu du bureau de recherche scientifique et de projet de l'université Hacettepe.

L'analyse des données:

Tout au long des étapes de développement des algorithmes, le langage de programmation Python sera utilisé. Le processus de développement de l’algorithme d’intelligence artificielle suivra les lignes directrices Lignes directrices pour le développement et le rapport de modèles prédictifs d’apprentissage automatique dans la recherche biomédicale : une vision multidisciplinaire. Les étapes sont les suivantes:

• Collecte de données : les données seront enregistrées en remplissant le formulaire de collecte de données.
• Traitement des données : après la collecte des données, les données seront traitées et divisées de manière aléatoire en données de formation et données de validation interne. Les données seront nettoyées des artefacts et des erreurs de lecture.
• Annotation : Les données seront étiquetées pour la classification de l'intelligence artificielle et la définition de l'hypotension sera annotée. Des études seront menées pour déterminer le potentiel de détection de l’hypotension grâce à l’intelligence artificielle.
• Sélection des fonctionnalités : les fonctionnalités qui prédisent le plus les événements annotés seront choisies. Un ou plusieurs algorithmes de sélection de fonctionnalités seront utilisés pour ce processus, et les fonctionnalités seront sélectionnées en fonction du succès obtenu dans les modèles.
• Création de modèle : les caractéristiques les plus pertinentes des données seront sélectionnées et un modèle sera développé. Des algorithmes de classification fondamentaux tels que K-Nearest Neighbours, Support Vector Machines (SVM), Decision Trees, Random Forest, couramment utilisés pour les processus de classification dans la littérature, seront utilisés pour obtenir des ratios de performance de base. Par la suite, une méthode d'apprentissage profond sera développée et la différence de performances entre la méthode proposée et les méthodes de base sera examinée.

Validation croisée : les performances de la version initiale du modèle seront soumises à plusieurs reprises à une validation croisée avec des sous-groupes de données que le modèle n'a jamais vu auparavant. Cela déterminera les performances du modèle en examinant les changements de performances à mesure que les données varient. En fonction de la taille des données, des méthodes de validation croisée 10 fois ou de validation croisée 5 fois seront utilisées.

Validation interne : les performances prédictives de l'algorithme formé avec les données de formation seront évaluées à l'aide de données de validation interne qu'il n'a jamais rencontrées.

En plus du processus de développement de l'algorithme, si les variables comparées sont normalement distribuées, des tests statistiques tels que l'ANOVA ; Le test t de Student et le test U de Mann-Whitney seront utilisés en fonction du nombre de groupes comparés et de l'analyse de la distribution normale des variables. L'analyse de corrélation de Pearson et l'analyse de corrélation de Spearman seront utilisées pour analyser la relation entre les valeurs d'hypotension et d'autres paramètres continus basés sur l'analyse de distribution normale des variables. De plus, la prévisibilité du système sera testée en utilisant la sensibilité, la spécificité, la valeur prédictive positive (VPP), la valeur prédictive négative (VPN), le rapport de cotes (OR), le risque relatif (RR), la courbe caractéristique de fonctionnement du récepteur et l'aire sous la courbe. (AUROC) et tests du coefficient de corrélation de Pearson (r). Un niveau de signification statistique de p <0,05 sera accepté. Pour l'analyse statistique, le logiciel Statistical Packages for the Social Sciences v26.0 (SPSS Inc., Chicago, IL) sera utilisé.