Évaluation Cutanée Assistée par IA pour la Prévention des Escarres chez les Infirmiers en Soins Critiques (IT-PIP)

Les escarres restent une complication significative et largement évitable chez les patients gravement malades, les populations de réanimation étant particulièrement à risque en raison de l'immobilité, de l'instabilité hémodynamique et des besoins médicaux complexes. Au KFSHRC-Jeddah, plus de la moitié des escarres acquises à l'hôpital signalées en 2024 sont survenues dans des services de soins critiques, soulignant les défis persistants de la détection précoce et de l'évaluation cohérente. Bien que l'organisation suive des pratiques fondées sur des preuves et utilise des outils tels que l'échelle de Braden et les directives de classification du NPIAP, la variabilité des connaissances, des compétences et de la confiance des infirmières continue d'influencer la qualité de la prévention et la précision de l'évaluation.

L'évaluation cutanée traditionnelle repose principalement sur l'inspection visuelle et le jugement clinique, ce qui peut conduire à une interprétation incohérente des modifications tissulaires précoces, en particulier pour les peaux foncées, les lésions tissulaires profondes et les atteintes cutanées liées à l'humidité. Ces limites mettent en évidence le besoin d'approches innovantes favorisant une classification plus cohérente et objective.

La reconnaissance d'image assistée par l'intelligence artificielle (IA) s'est imposée comme un complément potentiellement précieux à l'évaluation infirmière standard. En analysant les caractéristiques cutanées telles que la couleur, la texture et le relief, les outils d'IA peuvent aider les infirmières à identifier les modifications précoces et fournir un soutien décisionnel conforme aux critères du NPIAP. L'intégration de l'IA dans la pratique courante pourrait améliorer la détection précoce, la précision de la classification et réduire la variabilité des pratiques.

Cet essai contrôlé randomisé évalue l'utilisation d'une application mobile assistée par l'IA comparée à l'évaluation cutanée manuelle standard effectuée par les infirmières de réanimation. L'intervention utilise un outil de reconnaissance d'image qui analyse des photographies standardisées des zones cutanées à risque et fournit des recommandations de classification basées sur les définitions du NPIAP. Les infirmières du groupe témoin continueront à réaliser les évaluations traditionnelles visuelles et palpatoires selon les protocoles hospitaliers existants.

Toutes les infirmières participantes recevront une formation pré-intervention sur la prévention des escarres, l'évaluation cutanée complète et la classification NPIAP pour établir une base de référence uniforme. Le groupe d'intervention suivra une formation supplémentaire sur la capture d'image standardisée pour garantir un éclairage, une distance et un positionnement appropriés. Un spécialiste des plaies en aveugle examinera indépendamment toutes les évaluations et images ; cette revue externe sert de référence pour évaluer la précision et la fiabilité inter-évaluateurs.

En plus d'examiner la précision de la classification, l'étude évaluera les changements dans les connaissances et la confiance des infirmières avant et après l'intervention à l'aide d'instruments validés. Elle explorera également la faisabilité et l'acceptabilité de l'intégration de l'IA dans les flux de travail des services de réanimation. Les résultats devraient éclairer la manière dont la technologie d'IA peut soutenir la pratique infirmière, améliorer la prise de décision clinique et contribuer à réduire l'incidence des escarres acquises à l'hôpital dans les environnements de soins critiques.