News

L’apprentissage automatique invite à une planification préalable des soins plus tôt,

Les prédictions de mortalité et les coups de coude comportementaux par les systèmes d’apprentissage automatique sont associés à une utilisation accrue de la planification préalable des soins et à des réductions des soins de haute acuité.

Des chercheurs de l’Université de Pennsylvanie ont récemment étudié l’efficacité des algorithmes d’apprentissage automatique pour identifier les patients atteints de cancer à haut risque approchant les six derniers mois de leur vie entre le 17 juin 2019 et le 20 avril 2020. Au cours de cette période, les cliniciens ont reçu des listes hebdomadaires de ces patients générés par le système, ainsi que des invites continues par e-mail et SMS envoyées aux cliniciens pour lancer des discussions sur les objectifs de soins.

Les résultats de l’étude marquent une étape importante dans le rôle que l’intelligence artificielle peut jouer dans l’amélioration des résultats en fin de vie, selon le chercheur Dr Ravi Parikh, oncologue et professeur adjoint d’éthique médicale et de politique de santé et de médecine à l’Université de Pennsylvanie Perelman Ecole de Médecine. Parikh est également directeur associé du Penn Center for Cancer Care Innovation.

“Cette étude démontre que nous pouvons utiliser l’informatique pour améliorer les soins à [the] fin de vie », a déclaré Parikh aux informations locales. « Communiquer avec les patients atteints de cancer au sujet de leurs objectifs et de leurs souhaits est un élément clé des soins et peut réduire les traitements inutiles ou non désirés en fin de vie. Le problème est que nous ne le faisons pas assez, et il peut être difficile d’identifier quand il est temps d’avoir cette conversation avec un patient donné.

Ces interventions basées sur l’apprentissage automatique ont entraîné une augmentation des taux de conversations sur les maladies graves chez 13,5% des 20 506 patients atteints de cancer examinés, selon l’étude. Il s’agit d’une “augmentation significative” par rapport à 3,4% des patients qui ont eu des conversations sur la planification préalable des soins avant le déploiement des algorithmes d’apprentissage automatique, ont déclaré les chercheurs.

De plus, les interventions basées sur l’apprentissage automatique ont été associées à une réduction de l’utilisation des soins coûteux en fin de vie chez 10,4 % des descendants du cancer étudiés. Ces patients atteints de cancer ont montré une augmentation des inscriptions en hospice et de la durée du séjour, moins de décès de patients hospitalisés, moins d’utilisation des unités de soins intensifs au cours des 30 derniers jours de vie et une utilisation réduite de la thérapie systémique deux semaines avant le décès (comme la chimiothérapie ou la thérapie par inhibiteur).

Les résultats de l’étude suggèrent également que l’analyse prédictive pourrait aider à améliorer les résultats de santé parmi les populations mal desservies en augmentant les conversations autour des objectifs de soins en fin de vie, selon Parikh.

Les notifications des cliniciens ont entraîné une augmentation des taux de planification préalable des soins chez 5,2 % de tous les bénéficiaires de Medicare noirs, hispaniques, amérindiens, asiatiques et insulaires du Pacifique dans l’étude, contre 0,9 % sans ces interventions.

Les chercheurs prévoient d’approfondir les données des patients pour déterminer si l’apprentissage automatique peut donner des résultats similaires avec les références en soins palliatifs ou avoir un impact sur la sensibilisation, l’éducation et la communication concernant les options de soins, selon Parikh.

« Bien que nous ayons considérablement augmenté le nombre de dialogues sur les maladies graves entre les patients et leurs cliniciens, moins de la moitié des patients ont eu une conversation. Nous devons faire mieux, car nous savons que les patients bénéficient lorsque leurs cliniciens de soins de santé comprennent les objectifs et les priorités de soins individuels de chaque patient », a déclaré Parikh.

Les hospices utilisent de plus en plus des outils d’apprentissage automatique pour identifier les patients qui ont besoin de leurs services plus tôt dans leur trajectoire de maladie et pour s’assurer que les patients reçoivent des niveaux de soins appropriés.

Ces systèmes peuvent utiliser des algorithmes et des modèles statistiques pour détecter des modèles dans les données des patients à partir de dossiers médicaux électroniques et d’autres sources d’informations, aidant les prestataires à prévoir les changements probables dans l’état des patients.

Par exemple, Palm Beach Accountable Care Organization (PBACO) a récemment déclaré à Healthcare Finance que l’apprentissage automatique et l’analyse prédictive avaient contribué à une réduction de 29 % de la durée d’hospitalisation de leurs patients. Cela représente une économie de 47 000 $ par patient et des transitions de soins améliorées et rapides vers l’hospice, selon le directeur de l’exploitation de PBACO, David Klebonis.

« L’industrie considère les séjours longs et courts comme des pronostics ratés. C’est ce qui nous a attirés vers ce programme », a déclaré Klebonis à Healthcare Finance. « Au final, le but du machine learning est de rassembler des composants et de pouvoir créer une liste de vos interventions. Chaque fois que nous échouons à déterminer un pronostic à la fin, le patient coûte sept fois plus cher que le patient pour lequel vous avez pris la bonne décision. »

St. Croix Hospice, basée au Minnesota – une société de portefeuille de la société de capital-investissement HIG Capital – a commencé en 2020 à utiliser un modèle prédictif dans la plateforme Medalogix-Muse pour analyser les données cliniques afin de prédire la mortalité des patients sept à 12 jours à l’avance.

Medalogix a fusionné avec l’ancien Muse Healthcare en 2021, avec le soutien financier de la société de capital-investissement et des fournisseurs de soins de santé à domicile et de soins palliatifs LHC Group (NASDAQ : LHCG), Amedisys (NASDAQ : AMED) et Encompass Health (NYSE : EHC) en tant que minorité investisseurs.

Cette initiative a aidé St. Croix à atteindre 100% de performance sur les mesures de qualité pour les visites de patients au cours des derniers jours de la vie, selon le médecin-chef Dr Andrew Mayo.

“Je le considère vraiment comme un sixième signe vital”, avait précédemment déclaré Mayo à Hospice News. “Il fournit à notre équipe clinique des informations supplémentaires qui l’aident à prendre des décisions concernant les soins… Il peut déclencher une implication accrue à un moment où les patients, leurs familles et leurs soignants peuvent avoir besoin d’une implication et de conseils accrus en matière de soins palliatifs.”


Source link

Articles similaires