Évaluation de l'impact clinique de l'IA pour la carence en fer

Description détaillée : Notification des risques basée sur l'apprentissage automatique pour la carence en fer

1. Aperçu et conception de l'étude Il s'agit d'un essai contrôlé randomisé pragmatique (ECRp) prospectif, monocentrique, mené au China Medical University Hospital (CMUH) à Taïwan. L'étude vise à évaluer l'impact clinique d'un outil d'aide à la décision clinique basé sur l'apprentissage automatique sur la détection de la carence en fer et le comportement diagnostique associé dans un contexte ambulatoire en vie réelle.

   Contrairement aux essais explicatifs traditionnels avec des protocoles restrictifs, cette conception pragmatique intègre l'intervention directement dans le système existant de Dossier Médical Électronique (DME).

2. Population des participants

   L'étude inclut des patients adultes (âgés de 18 ans ou plus) recevant des soins ambulatoires dans les départements suivants du CMUH :

   1. Division de Médecine Interne Générale
   2. Département de Médecine Familiale
   3. Division d'Hématologie et d'Oncologie

   Toutes les consultations ambulatoires éligibles pour lesquelles une numération formule sanguine (NFS) de routine est réalisée dans le cadre des soins cliniques standards sont incluses. Aucun test ou procédure supplémentaire n'est requis pour la participation à l'étude.

3. Intervention d'IA et flux de travail clinique

   Le modèle d'IA utilisé dans cette étude estime le risque de carence en fer sur la base des paramètres de NFS habituellement disponibles. La randomisation et l'intervention se produisent automatiquement au sein du système DME après que les résultats de la NFS sont disponibles.

   Randomisation :

   Après l'achèvement de la NFS, chaque consultation éligible est automatiquement assignée, selon un mécanisme de randomisation prédéfini, soit au Groupe d'Incitation soit au Groupe Témoin. La randomisation a lieu avant la revue des résultats de laboratoire par le médecin.

   Groupe d'Incitation (Intervention) :

   Les médecins voient un "Indice de Risque d'IA" informatif, catégorisant le patient comme étant à haut risque ou à faible risque de carence en fer, affiché sur l'interface des résultats de laboratoire. Pour les patients classés comme à haut risque, le système vérifie automatiquement si des tests liés au fer ont été réalisés dans les 30 jours précédents. Si aucun test récent n'est identifié, une incitation informative suggère de considérer une évaluation biologique liée au fer.

   Groupe Témoin :

   Les médecins examinent les résultats de laboratoire selon la pratique clinique habituelle, sans affichage des informations de risque générées par l'IA ni d'incitations.

   Indépendance Clinique :

   Le système d'IA fonctionne uniquement comme un outil d'aide à la décision. Il ne génère pas d'ordres, ne mandate pas de tests et ne recommande pas de traitements spécifiques. Toutes les décisions cliniques, y compris celle de prescrire des études de suivi sur le fer (par exemple, la ferritine ou d'autres indices du fer), restent entièrement à la discrétion du médecin traitant.

4. Mesures des résultats

   4.1 Résultat Principal :

   Taux global de détection de la carence en fer, défini comme la proportion de patients identifiés comme ayant une carence en fer parmi toutes les consultations éligibles.

   4.2 Résultats Secondaires : 4.2.1 Taux de détection de la carence en fer parmi les patients anémiques La proportion de patients anémiques qui sont ultérieurement confirmés comme ayant une carence en fer parmi tous les patients anémiques inclus dans l'étude.

   4.2.2 Taux de détection de la carence en fer parmi les patients non anémiques La proportion de patients non anémiques qui sont ultérieurement confirmés comme ayant une carence en fer parmi tous les patients non anémiques inclus dans l'étude.

   4.2.3 Taux de prescription de la ferritine pour suspicion de carence en fer, défini comme la proportion de consultations dans lesquelles le test de ferritine est prescrit avec l'indication "pour confirmer la carence en fer" dans le mois suivant la disponibilité du rapport de NFS.

   4.2.4 Rendement diagnostique marginal du test de ferritine attribuable à l'incitation assistée par l'IA Cette mesure reflète le nombre moyen supplémentaire de diagnostics de carence en fer obtenus par test de ferritine supplémentaire attribuable à l'aide à la décision assistée par l'IA, défini comme la différence des diagnostics confirmés entre le groupe assisté par l'IA et le groupe témoin divisée par la différence des tests de ferritine prescrits entre les deux groupes.

   4.2.5 Coût-efficacité incrémentielle de la détection de la carence en fer assistée par l'IA Ce résultat représente le coût supplémentaire requis pour identifier un cas supplémentaire de carence en fer attribuable à l'aide à la décision assistée par l'IA.

5. Atténuation des risques et considérations éthiques Ce résultat représente le coût supplémentaire requis pour identifier un cas supplémentaire de carence en fer attribuable à l'aide à la décision assistée par l'IA, calculé comme la différence des coûts des tests de ferritine entre le groupe assisté par l'IA et le groupe témoin divisée par la différence des diagnostics confirmés de carence en fer entre les deux groupes.

Confidentialité des données :

Tous les traitements et analyses de données sont réalisés au sein des systèmes internes sécurisés du CMUH conformément aux politiques institutionnelles et aux exigences réglementaires locales. Aucune donnée patient identifiable n'est transmise en dehors de l'environnement hospitalier.