Intelligence artificielle digne de confiance pour l'amélioration des résultats des accidents vasculaires cérébraux (TRUSTroke)

L’accident vasculaire cérébral est l’une des principales causes de décès et d’invalidité dans le monde. La validation clinique de solutions d’intelligence artificielle (IA) explicables et interprétables pour aider à une prise en charge rapide et personnalisée de la phase aiguë de l’AVC aurait un impact majeur car elle pourrait réduire considérablement les niveaux d’invalidité des patients. En outre, la prédiction des résultats à long terme est un facteur crucial car elle peut déterminer des décisions cruciales telles que la destination de sortie du patient. De plus, il a été démontré que le respect des lignes directrices sur la prévention secondaire des accidents vasculaires cérébraux réduit la récidive des accidents vasculaires cérébraux, mais actuellement, seulement 40 % des patients adhèrent aux traitements préventifs 3 mois après l'AVC. Par conséquent, les résultats pour les patients peuvent s’améliorer grâce à des programmes appropriés de communication et d’engagement des patients. L’IA peut avoir un impact considérable sur le parcours des patients victimes d’un AVC, en améliorant les prédictions, en permettant un meilleur choix de stratégies d’AVC secondaire, ainsi qu’en utilisant des informations fondées sur des données probantes pour promouvoir une meilleure observance du traitement et une réduction des facteurs de risque vasculaire.

Le but de cette étude prospective observationnelle multicentrique est de développer et de valider des outils basés sur l'IA pour prédire les résultats à court et à long terme chez les patients victimes d'un AVC ischémique. Plus précisément, cette étude vise à démontrer l'exactitude des modèles d'IA dans la prédiction du résultat fonctionnel des patients victimes d'un AVC ischémique, tel que mesuré par les scores NIHSS (0-42) et mRS (0-6) à la sortie de l'hôpital et à 3, 6 et 12. mois après la sortie. Des patients potentiels victimes d'un AVC ischémique provenant de 3 grands centres européens seront recrutés. La formation et les tests des modèles d'IA locaux seront effectués à l'aide de données d'hospitalisation, collectées au cours des procédures de soins standard pour les parcours des patients victimes d'un AVC, et de données surveillées en ambulatoire à partir d'un système de soins à domicile à distance (application NORA) pendant le suivi après la sortie. Ces modèles locaux seront ensuite intégrés dans un système d'apprentissage fédéré, où seul un modèle d'IA global, dérivé des informations combinées de tous les modèles locaux, est partagé entre les hôpitaux participants. Les modèles locaux individuels et les données originales ne sont pas partagés, garantissant ainsi la confidentialité et la sécurité des données. L'exactitude et les performances des modèles d'IA optimisés de manière prospective pour prédire les résultats cliniques sur une période de suivi de 12 mois seront évalués et comparés aux résultats réels des patients.