Algorithmes d'Apprentissage Automatique et d'Intelligence Artificielle pour Optimiser la Performance et la Distribution de la Dialyse Aiguë (SMART DIALYSIS)

Contexte et justification de l'étude :

La dialyse aiguë est nécessaire chez environ 10 à 15 % de tous les patients admis en unités de soins intensifs (USI). La dialyse aiguë peut prendre la forme d'une thérapie de remplacement rénal continu (TRRC), d'une hémodialyse intermittente (HDI) ou d'une dialyse lente à faible efficacité (SLED). À l'échelle mondiale, la TRRC reste la forme prédominante de dialyse aiguë, avec plus de 75 % des dialyses aiguës étant des TRRC.

L'application de la dialyse aiguë en USI est associée à de mauvais résultats pour les patients. Malgré les progrès de la technologie médicale et des soins, la mortalité reste comprise entre 40 et 60 %, ce qui est similaire aux résultats observés avec le syndrome de détresse respiratoire aiguë sévère (SDRA). De plus, même lorsque les patients survivent à leur maladie critique, jusqu'à 10 % des patients nécessitent une thérapie de dialyse chronique à long terme continue. Cela a un effet significatif sur la qualité de vie des survivants d'une maladie critique, ainsi que des effets importants sur leurs familles, nécessitant souvent des changements dans le travail et le logement, ainsi qu'un déménagement vers des sites plus proches des centres de dialyse. Cela entraîne non seulement des coûts importants en soins de santé et sociaux (environ 100 000 $/patient/an en Alberta, Canada), mais aussi des réductions très importantes de la qualité de vie liée à la santé pour ces patients. Actuellement, bien qu'il existe des preuves concernant l'initiation optimale de la dialyse aiguë, il y a un manque de preuves pour prédire le moment de la transition de modalité ou de la libération de cette thérapie. En utilisant un système d'information clinique électronique complètement intégré (eCIS) tel que Connect Care (EPIC, Wisconsin, États-Unis) en Alberta, nous pouvons développer des algorithmes prédictifs qui peuvent anticiper les besoins des patients et de la dialyse aiguë.

Une fois la dialyse aiguë initiée, plusieurs facteurs peuvent affecter la récupération rénale après la dialyse aiguë. L'hypotension intra-dialytique a été identifiée comme un facteur modifiable majeur, mais malheureusement, un facteur pour lequel nous avons une capacité limitée à prédire avec précision. C'est une lacune de connaissances importante qui doit être comblée. Elle a également été précédemment identifiée par notre équipe d'étude comme l'un des indicateurs clés de performance (ICP) les plus importants pour la dialyse aiguë, en particulier dans l'HDI et la SLED. Pour la TRRC, la durée de vie du filtre a été identifiée comme l'ICP le plus important et le plus étudié. Ces deux ICP sont actuellement utilisés par les programmes QUALITY CRRT et DIALYZING WISELY en cours pour améliorer la performance et la prestation de la dialyse aiguë aux patients gravement malades. Ces deux programmes ont été mis en œuvre avec succès dans toute l'Alberta et ont établi l'infrastructure nécessaire pour initier les prochaines étapes de ces initiatives d'amélioration continue de la qualité pour la dialyse aiguë, le programme SMART DIALYSIS.

Récemment, les progrès de l'informatique et du traitement par machine ont conduit à la 4e révolution industrielle caractérisée par le développement de machines intelligentes, d'appareils et d'algorithmes d'apprentissage qui peuvent aider les humains dans la gestion des patients et optimiser la prestation des soins de santé. Les algorithmes d'apprentissage automatique (AA) et d'intelligence artificielle (IA) ont été utilisés précédemment en médecine, mais n'ont commencé leur mise en œuvre en néphrologie de soins intensifs que récemment.

Les initiatives actuelles se concentrent principalement sur la reconnaissance de motifs et la prédiction des risques. Ce programme contiendra 4 phases distinctes.

Dans la phase 1, nous poursuivrons les travaux de nos programmes QUALITY CRRT et DIALYZING WISELY et chercherons à mieux comprendre le paysage entourant les décisions concernant les transitions entre les modalités de dialyse aiguë, l'arrêt et les tentatives de libération de la dialyse aiguë, l'incidence de l'hypotension intra-dialytique et le moment de la coagulation des filtres en USI.

Dans la phase 2, nous développerons des modèles et des outils d'aide à la décision clinique (ADC) et/ou des avis de meilleures pratiques (AMP) pour les cliniciens afin de mieux prédire et gérer 1) les transitions entre les thérapies de dialyse aiguë, 2) la gestion de l'hypotension intra-dialytique, 3) la prédiction de la durée de vie du filtre et 4) la libération de la dialyse aiguë. Parallèlement à ce travail, nous travaillerons à développer un tableau de bord de dialyse aiguë augmenté par IA/AA (c'est-à-dire le tableau de bord numérique SMART DIALYSIS) intégré dans notre système d'information clinique électronique (eCIS) pour présenter ces ICP aux cliniciens.

La phase 3 examinera la mise en œuvre et l'évaluation de la performance et de l'acceptabilité de ces algorithmes AA/IA dans la pratique clinique.

Enfin, la phase 4 prendra nos résultats dérivés de l'Alberta et cherchera à les mettre en œuvre et à les comparer dans d'autres grandes autorités sanitaires pour s'assurer que les algorithmes ont été développés et validés de manière appropriée et éthique. Cela inclura des partenaires à travers le Canada, les États-Unis, l'Europe, l'Australie et la Nouvelle-Zélande.