Efficacité des algorithmes d'intelligence artificielle

Introduction Tout au long de l'histoire de l'humanité, les interventions chirurgicales ont été fréquemment utilisées dans le traitement humain. Cependant, malgré leurs propriétés thérapeutiques, la douleur ressentie par les patients, en particulier dans la période postopératoire aiguë, peut être un véritable défi pour les cliniciens. La douleur postopératoire aiguë est un problème de santé publique important. Alors que 80 % des patients déclarent ressentir des douleurs pendant la période postopératoire, 88 % d’entre eux ressentent des niveaux de douleur modérés ou plus élevés. Selon une autre étude, plus de 60 % des patients chirurgicaux souffrent de douleurs postopératoires aiguës modérées à sévères, et ces douleurs ont été associées au développement de douleurs postopératoires chroniques. Une douleur postopératoire mal gérée peut entraîner des résultats négatifs tels qu'une moindre satisfaction des patients, un rétablissement retardé des patients, une durée d'hospitalisation accrue, une augmentation des coûts de soins, des douleurs chroniques, une prescription inutile d'opioïdes, un abus d'opioïdes, une surdose et la mort. De plus, afin d'assurer une gestion efficace de la douleur, la méthode consistant à fournir un traitement analgésique préventif avant l'apparition de la douleur est fréquemment utilisée. Cependant, cette situation peut conduire à une administration inutile de médicaments chez de nombreux patients et, par conséquent, à de nombreux événements indésirables tels que des saignements, une dépression respiratoire, des événements cardiaques ou des effets secondaires sur le système gastro-intestinal des opioïdes, des anti-inflammatoires non stéroïdiens et d'autres analgésiques. En conséquence, la difficulté de prédire la douleur postopératoire aiguë conduit à une gestion sous-optimale de la douleur. Par conséquent, être capable de prédire quels patients souffriront de douleurs postopératoires aiguës modérées à sévères optimisera le rapport bénéfice-risque des traitements analgésiques périopératoires et garantira qu'un traitement approprié soit administré. Bien que différentes études sur ce sujet aient tenté de prédire la douleur postopératoire grâce à une analyse de régression logistique, le résultat souhaité n'a pas encore été atteint. Cette situation devient encore plus importante dans les interventions chirurgicales présentant un risque élevé de douleurs intenses en période postopératoire, comme la résection pulmonaire. Afin de réduire ou de prévenir les complications pulmonaires postopératoires chez les patients subissant une résection pulmonaire, il est très important que les patients puissent tousser sans ressentir de douleur et ainsi éliminer les sécrétions des voies respiratoires. Si une analgésie suffisante n’est pas fournie, ces patients ne peuvent pas la réaliser efficacement. Cela augmente les complications, les séjours à l’hôpital et les coûts des soins aux patients. Afin de prévenir ces situations négatives et de fournir une analgésie optimale, de nouvelles méthodes sont nécessaires pour prédire les niveaux de douleur postopératoire. De nombreux modèles ont été proposés dans des études pour comprendre les facteurs de risque qui exacerberont la douleur postopératoire aiguë sévère. La plupart des recherches dans ce domaine se sont concentrées sur la détermination des facteurs de risque de douleur postopératoire à l'aide d'une méthodologie statistique. Des études antérieures suggèrent que les modèles d'apprentissage automatique peuvent surpasser les modèles statistiques linéaires dans la classification des résultats liés à la douleur postopératoire lorsque des caractéristiques similaires sont prises en compte. Par conséquent, les algorithmes d’intelligence artificielle (IA) sont des algorithmes capables de combiner et d’analyser des données complexes avec des centaines de variables et de fournir de nouveaux résultats, et peuvent guider une solution efficace pour prédire et gérer le processus postopératoire. Des études antérieures ont montré des résultats prometteurs dans la prédiction de la douleur postopératoire aiguë avec une aire sous la courbe (AUC) de 0,70 en utilisant des algorithmes d'intelligence artificielle pour prédire la douleur avec des données périopératoires. Cependant, des études sur ce sujet sont nécessaires dans le cadre d’une intervention chirurgicale spécifique telle que la résection pulmonaire, qui peut provoquer une douleur intense.

Cette étude visait à prédire la douleur postopératoire en analysant les données périopératoires à l'aide d'algorithmes d'IA dans les résections pulmonaires et à déterminer l'efficacité des algorithmes d'IA à cet égard. Ainsi, l’objectif était de réduire l’utilisation inutile d’analgésiques chez les patients, d’éliminer les effets secondaires possibles de ces médicaments et de démarrer un traitement analgésique efficace en temps opportun chez les patients présentant un risque élevé de douleur.

Objectif/hypothèse :

Cette étude visait à prédire la douleur postopératoire en analysant les données périopératoires à l'aide d'algorithmes d'IA dans les résections pulmonaires et à déterminer l'efficacité des algorithmes d'IA à cet égard.

H0 : Les algorithmes d’intelligence artificielle ne sont pas efficaces pour prédire la douleur postopératoire lors des résections pulmonaires.

H1 : Les algorithmes d’intelligence artificielle sont efficaces pour prédire la douleur postopératoire lors des résections pulmonaires.

Matériel-Méthode :

Cette étude sera menée conformément à la Déclaration d'Helsinki et sera réalisée à l'hôpital de formation et de recherche du sanatorium SBÜ Ankara Atatürk après avoir reçu l'approbation du comité d'éthique. Notre étude est une étude rétro-prospective. Les données des patients collectées rétrospectivement seront évaluées prospectivement avec des algorithmes d'intelligence artificielle.