Un algorithme de l'IA pour trier la demande urgente de soins afin de prioriser les patients les plus graves.


La possibilité de trier les demandes de soins par un algorithme de l'IA pour réguler les passages dans les services d'urgences hospitaliers est l'objet aujourd'hui de nombreuses expérimentations. La France a été pionnière dans ce domaine avec le travail de recherche clinique conduit par le Dr Loïc Etienne, depuis 1988, lequel a abouti à créer une application d'aide à la décision médicale en situation d'urgence.

L'application Medvir, conçu par des médecins urgentistes permet  l’orientation des patients dans le parcours de soins primaires grâce à un triage des demandes (l'image de ce billet illustre la couverture du livre écrit récemment par le Dr Loïc Etienne).

Cet outil d’aide au diagnostic renforce la téléconsultation de régulation au niveau du SAMU Centre 15. Le traitement algorithmique du langage du patient a été obtenu à partir de 450 000 mots et expressions « ontologiques » recueillis sur Méditel, première plateforme de permanence téléphonique spécialisée dans le médical. 176 symptômes relevant de l’urgence et 206 relevant de la pratique de la médecine générale ont été identifiés. La solution est stabilisée depuis 12 ans.

Dans le sillage de cette innovation française pionnière, après d'autres expériences européennes plus récentes comme l'application Babylon Health au NHS du Royaume Uni (2016), commercialisée ensuite aux Etats-Unis, au Canada, au Rwanda, à l'Inde, etc. et dont les services sont aujourd'hui réduits pour des raisons de rentabilité financière (https://www.wired.com/story/babylon-disrupted-uk-health-system-then-left/), voici l'expérience d'une équipe de médecins urgentistes brésiliens de Sao Paulo qui vient d'être publiée. C'est l'objet de ce billet.


Outcome After Self-Triage App Referral in Urgent Direct-to Consumer Telemedicine Encounter.
Augusto Duenhas Accorsi T, Tocci Moreira F, Aires Eduardo A, Albaladejo Morbeck R, Francine Köhler K, De Amicis Lima K, Henrique Sartorato Pedrotti C.Telemed J E Health. 2024 May 28. doi: 10.1089/tmj.2024.0126. Online ahead of print.PMID: 38805348;


INTRODUCTION


Les centres de soins distanciels, intégrant une variété de modalités de soins de santé, y compris la télémédecine, sont un aspect émergent de la nouvelle prestation des soins de santé. L'introduction des technologies de santé mobile (m-Health) a considérablement élargi leur diversité et leur capacité fonctionnelle. Cependant, la preuve de l'efficacité de ces outils en ligne pour améliorer la prestation des soins de santé au sein des systèmes reste encore limitée.


Les applications de m-Health se caractérisent par leur convivialité et leur forte fiabilité. L'évaluation des symptômes est cruciale dans la démarche médicale, ce qui fait de la précision du logiciel de vérification des symptômes dans l'autogestion de l'outil par les patients eux-mêmes un élément clé des études récentes.


Une revue analytique complète de 31 études, examinant l'autogestion des maladies chroniques par les patients, a identifié un large éventail de méthodologies employées par les applications mobiles, avec diverses modalités d'interaction. Triage and Diagnostic Accuracy of Online Symptom Checkers: Systematic Review. Riboli-Sasco E, El-Osta A, Alaa A, Webber I, Karki M, El Asmar ML, Purohit K, Painter A, Hayhoe B.J Med Internet Res. 2023 Jun 2;25:e43803. doi: 10.2196/43803.PMID:37266983. Malgré des recherches approfondies, un consensus sur l'approche la plus efficace pour optimiser les soins de santé n'a pas encore été atteint. Néanmoins, certaines études suggèrent un léger avantage dans la gestion des populations ayant des besoins de soins et des coûts élevés.


Un triage virtuel efficace est essentiel pour la gestion des risques cliniques, en particulier pour gérer efficacement et en toute sécurité le flux de patients dans les situations où la demande dépasse les ressources disponibles. Dans les établissements de soins de courte durée de séjour, les recommandations de triage fournies par les applications qui analysent les symptômes sont généralement prudentes, mais elles sont limitées en termes de précision du triage et de capacités diagnostiques.


Cette étude vise à examiner l'efficacité des algorithmes d'auto-triage lorsqu'ils sont utilisés dans les applications dédiées, en mettant l'accent sur la référence aux services d'urgence (SU) dans des scénarios à haut risque. Les connaissances actuelles sur l'efficacité de l'auto-triage basé sur les symptômes, en particulier immédiatement après une consultation médicale à distance, restent limitées. Nous émettons l'hypothèse que les patients peuvent adhérer aux conseils de l'application pour détecter les urgences, même après avoir consulté un médecin à distance. Par conséquent, notre recherche vise à évaluer l'impact des conseils d'orientation à partir d'un algorithme d'application mobile d'autogestion basé sur les symptômes qui permettent d'orienter à distance les patients qui expriment des soins d'urgence.


MÉTHODE


Conception de l'étude et participants

Cette étude rétrospective monocentrique a été menée au Centre de télémédecine de l'hôpital Israelita Albert Einstein, à São Paulo, au Brésil. L'étude et la renonciation au consentement préalable (les données étaient analysées de manière anonyme) ont été approuvées par le comité d'éthique de l'hôpital Israelita Albert Einstein (numéro d'enregistrement CAAE 74197023.2.0000.0071) et ont été désignées comme l'étude TeleConnect.

L'accès à toutes les données était disponible via les dossiers numériques de l'institution. La collecte des données et le stockage confidentiel ont été gérés par des médecins du centre de télémédecine (TM), toutes les analyses étant effectuées par le Centre de TM qui a coordonné l'étude. L'article a été rédigé en collaboration avec tous les auteurs, lesquels ont également décidé de le soumettre pour publication et d'attester de l'intégrité des données.

La population étudiée comprenait des patients âgés de >18 ans, qui ont spontanément cherché des soins auprès du service des urgences de mai 2022 à décembre 2023. L'inclusion était large avec des patients présentant n'importe quelle maladie. Le critère d'exclusion se limitait aux seules problèmes de connectivité qui empêchaient la création de dossiers médicaux, car ces participants ne pouvaient pas effectuer une évaluation médicale, ne laissant ainsi aucun enregistrement de données dans la base de données.


Algorithmes de connexion et de référence d'applications mobiles

L'application EINSTEIN CONECTA, une application mobile propriétaire, a été conçue pendant la pandémie Covid-19 et a été développée dans le respect des meilleures pratiques et normes actuelles en matière d'ingénierie logicielle et d'expérience utilisateur. Son algorithme d'auto-triage est basé sur un arbre de décision logique, implémenté et entretenu par une équipe de spécialistes des technologies de l'information et de la TM. La figure ci-dessous fournit un exemple de l'algorithme de l'arbre de décision et de l'interface utilisateur EINSTEIN CONECTA, respectivement.
























Critères principaux

Les principaux critères de jugement mesurés étaient le taux d'accord des patients avec la recommandation faite par l'algorithme sur la demande de soins d'urgence en présentiel, ainsi que le taux d'orientation vers des soins d'urgence en présentiel parmi les cas évalués par un médecin du centre de TM.


RÉSULTATS


Au total, 88 834 patients ont été connectés au centre de TM et l'auto-triage a empêché l'évaluation distancielle par le médecin du centre de TM dans 53 302 cas (60 %). Au total, 35 532 patients ont terminé la connexion au centre de TM à l'aide de l'application EINSTEIN CONECTA après avoir répondu aux questions d'auto-triage basées sur les symptômes proposées par l'algorithme. Ils ont été évalués à distance par 316 médecins de garde et ont reçu 1 125 diagnostics codés par la CIM. De ce nombre, 21 722 (61,1 %) avaient été aiguillés vers le service des urgences par auto-triage et une évaluation médicale a conduit à renvoyer 6 354 patients (29,3 %). Sur les 13 810 patients (38,2 %) invités à poursuivre l'évaluation par une téléconsultation, seulement 157 cas (1,13 %) ont été référés au service des urgences pour une évaluation en présentiel.


DISCUSSION


L'intérêt des technologies de santé numérique.

Les technologies de santé numérique, y compris la santé mobile, s'écartent de nombreux produits et services médicaux traditionnels en étant souvent vendues directement aux consommateurs. Cette approche directe auprès du consommateur facilite l'accès aux données et aux services liés à la santé, améliorant potentiellement l'accessibilité aux soins pour ceux qui font face à des obstacles pour fréquenter les services de santé traditionnels. Cependant, ce modèle contourne les mesures de protection du système de soins de santé, suscitant à juste titre des inquiétudes sur la prolifération de produits de faible valeur ajoutée ou potentiellement dangereux. Ainsi, favoriser les rencontres médicale par TM est primordiale pour la sécurité des patients, la garantie d'une bonne orientation pour l'examen en présentiel dans les services des urgences et ainsi la promotion d'une utilisation rationnelle des ressources humaines.


L'intérêt de l'auto-triage.

L'auto-triage peut s'avérer essentiel pour gérer les risques cliniques, en permettant une gestion efficace et appropriée du flux de patients, en particulier en se référant aux références récentes sur les évaluations en présentiel aux urgences. Chiu A, Shumaker K, Del Corral C, et al. Remote management of low to intermediate risk chest pain: A case series. Am J Emerg Med 2017;35(8):1147–1149;

Actuellement, la vérification des symptômes par un médecin ou par l'auto-triage avec une application installée sur un smartphone représente la principale méthode de triage en TM.


La santé mobile à l'échelle planétaire

En janvier 2024, 97 % des Américains possédaient des téléphones portables, 85 % possédaient des smartphones et 15 % étaient des utilisateurs d'Internet uniquement sur smartphone. À l'échelle mondiale, la base d'utilisateurs de téléphones mobiles est estimée à ∼4,68 milliards, illustrant une augmentation substantielle des technologies de santé mobile conçues pour améliorer divers aspects de la vie. Malgré les projections d'une croissance annuelle de 41 % du marché des applications médicales de 2015 à 2020, les tendances indiquent une réduction des téléchargements d'applications et une diminution de l'engagement des utilisateurs. Il est crucial de noter que l'indisponibilité de la plupart des applications de santé mobile dans les magasins d'applications iOS ou Android limite leur efficacité, positionnant la santé mobile comme une stratégie à explorer pour optimiser le système de santé.


Étude critique de nos résultats.

Le centre de TM utilisé dans cette étude, auquel les patients accèdent via l'application EINSTEIN CONECTA que nous avons développée au cours de la pandémie, application qui repose sur un algorithme d'auto-triage basé sur des preuves scientifiques avec une sensibilité élevée dans la détection des signaux d'alarme, facilitant ainsi les recommandations précoces d'orientation vers les urgences. De façon étonnante, près des trois cinquièmes des patients ont suivi la recommandation immédiate d'orientation vers le service des urgences, sans attendre l'évaluation médicale à distance, un résultat inattendu compte tenu de l'engorgement local des urgences, les idées fausses sur la gravité des symptômes, l'expérience antérieure limitée de l'auto-triage et les croyances culturelles. Des preuves antérieures à cette étude montrent néanmoins une préférence des patients pour les téléconsultations avec des médecins avec lesquels ils ont établi des relations.

Cette étude a également trouvé une corrélation minimale entre les conseils de l'orientation immédiate vers le service des urgences et les conseils fournis par le médecin de garde de la TM, ce qui permet d'explorer la pertinence des références par l'algorithme d'auto-triage pour les demandes immédiates de soins urgents et l'apport de la TM. Seulement 29,3 % des patients ont été référés par des médecins pour des évaluations en présentiel, ce qui indique que bien que les symptômes soient considérés cruciaux dans les évaluations à distance et que les algorithmes d'auto-triage donnent des directives qui sont également utilisées par les médecins, les évaluations médicales à distance ont quand même reclassées les deux tiers des patients dans des parcours plus rassurants. À l'inverse, seulement 1,13 % des patients ont été mal dépistés, ce qui souligne une grande sensibilité de l'auto-triage.


Une revue de la littérature scientifique sur l'auto-triage.

Les preuves antérieures sur le déploiement d'outils d'auto-triage donnent des résultats mitigés. Bien qu'ils atteignent une précision moyenne de 58 %, ces outils présentent des avantages par rapport aux méthodes de triage traditionnelles, en particulier chez les personnes réticentes à utiliser le triage téléphonique ou incapables de se rendre dans les centres de soins de santé pour un examen physique. Cependant, la précision de ces outils ne se traduit pas nécessairement par une amélioration des résultats chez les patients ou une utilisation efficace des services, souvent en raison de leur conception prudente et peu risquée. L'intégration des applications d'auto-triage dans les organisations de TM présente des opportunités et des défis.

Par exemple, une étude menée à l'hôpital universitaire de Marburg (Allemagne), qui impliquait 378 patients, a montré un taux de sécurité prometteur de 94,7 % en comparant les recommandations de l'application Ada avec le système de triage de Manchester, suggérant que les outils d'auto-triage pourraient potentiellement réduire les visites inutiles aux urgences. Cotte F, Mueller T, Gilbert S, et al. Safety of triage self-assessment using a symptom assessment app for walk-in patients in the emergency care setting: Observational prospective cross-sectional study. JMIR Mhealth Uhealth 2022;10(3):e32340

Cependant, la précision variable des vérificateurs en ligne de symptômes, comme le soulignent Riboli-Sasco et al., montre la nécessité d'une application prudente et de recherches supplémentaires pour valider ces outils. Riboli-Sasco E, El-Osta A, Alaa A, et al. Triage and diagnostic accuracy of online symptom checkers: Systematic review. J Med Internet Res 2023;25:e43803

Une étude observationnelle menée au Japon au sein de la population pédiatrique a utilisé une application mobile pour l'auto-triage de 59 375 patients (parents ou tuteurs) présentant des plaintes aiguës, fournissant des informations sur le profil clinique des plaintes sans aborder l'aspect comportemental du patient. Katayama Y, Kiyohara K, Hirose T, et al. A mobile app for self-triage for pediatric emergency patients in Japan: 4 Year descriptive epidemiological study. JMIR Pediatr Parent 2021;4(2):e27581;


Nécessité de poursuivre la recherche clinique.

L'impact réel des outils d'auto-triage sur l'utilisation des soins de santé reste incomplètement compris. L'augmentation paradoxale des visites en soins primaires et des admissions à l'hôpital après l'introduction des dossiers de santé personnels en ligne met en évidence la complexité des comportements et des modèles d'utilisation des soins de santé. Par conséquent, il est urgent de mener des recherches approfondies pour élucider la façon dont ces outils sont utilisés, la réponse des utilisateurs à leurs recommandations et leur impact final sur les ressources en soins de santé et les résultats chez les patients. Galmiche S, Rahbe E, Fontanet A, et al. Implementation of a self-triage web application for suspected COVID-19 and its impact on emergency call centers: Observational Study. J Med Internet Res 2020;22(11):e22924;

Un défi notable avec les outils d'auto-triage est leur incapacité actuelle à reproduire un rapport clinique nuancé, caractéristique des méthodes de triage traditionnelles, telles que le triage par téléphone. De plus, ces outils ne parviennent pas à saisir avec précision les subtilités de la description des symptômes des patients et la hiérarchisation des symptômes, qui peuvent varier considérablement entre les patients et les professionnels de la santé. Tant que les progrès technologiques, tels que l'informatique "affective", ne seront pas intégrés aux algorithmes, les outils d'auto-triage ne remplaceront pas complètement le besoin de triage humain dans des scénarios spécifiques.


Un avenir toutefois prometteur.

Malgré ces limites, certains outils d'auto-triage se sont révélés suffisamment prometteurs pour justifier une enquête plus approfondie par le biais d'essais randomisés. De telles études pourraient faciliter l'intégration des outils d'auto-triage dans une stratégie de triage multicanal, améliorant ainsi leur efficacité et leur acceptation au sein du système de soins de santé. De plus, le développement d'une base de données probantes sur la performance prédictive des symptômes humains pourrait contribuer considérablement à l'éducation et à la pratique cliniques, soulignant l'importance de cet axe de recherche.


L'éducation des citoyens

La perception et le comportement des utilisateurs jouent un rôle essentiel dans l'efficacité des outils d'auto-triage. Le manque de sensibilisation observé et les attitudes variées à l'égard des vérificateurs de symptômes, tels que rapportés par Aboueid et al., suggèrent que l'éducation et l'engagement des citoyens sont essentiels à l'acceptation plus large et à l'utilisation efficace de ces technologies. Aboueid S, Meyer SB, Wallace J, et al. Latent classes associated with the intention to use a symptom checker for self-triage. PLoS One 2021;16(11):e0259547;


Ce qu'il faut retenir de cette étude.

Les outils d'auto-triage en TM ont montré leur potentiel pour améliorer l'efficacité des soins de santé et la sécurité des patients. Le taux de sécurité élevé noté dans certaines études, telles que celle de Cotte et al., est prometteur, mais cet optimisme doit être tempéré par une compréhension de la variabilité de la précision et de la fiabilité entre les différents vérificateurs de symptômes. Singh K, Drouin K, Newmark LP, et al. Patient-facing mobile apps to treat high-need, high-cost populations: A scoping review. JMIR Mhealth Uhealth 2016;4(4):e136;

Les projections de l'étude de Semigran et al. estiment que ∼50 millions de personnes pourraient s'auto-dépister chaque année. Wyatt JC. Fifty million people use computerised self triage. BMJ 2015;351:h3727;

Les preuves et les résultats accumulés de cette étude plaident en faveur de l'élaboration de nouvelles stratégies d'auto-dépistage, limitant potentiellement les scénarios et les maladies pour assurer une rentabilité et une sécurité réelles. Les résultats de cette recherche, axée sur l'utilisation de l'auto-triage dans une organisation de TM, ont des limites, notamment sa conception rétrospective et son caractère uni centrique, ainsi que par les caractéristiques sociales, culturelles et du système de santé brésilien, lesquelles peuvent différer considérablement de celles d'autres pays, et de la prédominance de maladies à faible risque.


CONCLUSION


L'auto-triage a permis de réduire environ les trois cinquièmes des téléconsultations avec les médecins. Mais de nombreux patients ne suivent toujours pas l'orientation fournie par l'application d'auto-triage après le premier contact avec le centre de TM. Malgré les applications scientifiques, les algorithmes d'orientation basés sur les symptômes semblent très sensibles et sont peu corrélés avec l'orientation donnée par les médecins en téléconsultation. Des recherches futures sont nécessaires pour améliorer cette stratégie.


24 juin 2024