Les alertes cliniques basées sur l'IA améliorent de 40% les taux de traitement des valvulopathies dans un essai multicentrique
Les alertes cliniques alimentées par l'intelligence artificielle ont amélioré de 40% les taux de traitement des valvulopathies dans un essai multicentrique impliquant 35 hôpitaux. Le système a augmenté les interventions en temps opportun et réduit les disparités d'accès aux soins parmi différentes populations de patients.
Les notifications électroniques aux cliniciens alimentées par l'intelligence artificielle améliorent significativement l'évaluation et le traitement en temps opportun des patients atteints de valvulopathies, selon de nouvelles données provenant d'un essai multicentrique. L'essai ALERT a démontré que les alertes basées sur l'IA étaient 27% plus efficaces pour notifier les cliniciens de l'état cardiovasculaire des patients que les soins habituels, conduisant à une augmentation relative de 40% des interventions valvulaires et une augmentation de 27% des évaluations par l'équipe cardiaque multidisciplinaire dans les 90 jours.
L'étude, qui a impliqué 765 cliniciens prescrivant 2 016 échocardiogrammes dans 5 systèmes de santé américains englobant 35 hôpitaux, a atteint son critère d'évaluation principal défini comme le délai jusqu'à l'intervention valvulaire chirurgicale ou par cathéter suivi du délai jusqu'à la visite clinique de l'équipe cardiaque multidisciplinaire dans les 90 jours suivant l'échocardiogramme index. Les résultats ont révélé que les notifications électroniques aux cliniciens ont atteint un ratio de victoire de 1,27 par rapport aux soins habituels.
Les données de l'essai suggèrent que les patients blancs représentent la majorité (90%) de toutes les procédures de remplacement valvulaire aortique par cathéter (TAVR), tandis que les patients noirs, hispaniques, asiatiques ou appartenant à d'autres groupes raciaux ne sont pas traités par TAVR aux mêmes taux que les patients blancs. De plus, les femmes atteintes de sténose aortique continuent de connaître des disparités significatives dans les soins, car elles sont moins susceptibles d'être orientées vers une évaluation en temps opportun et une intervention valvulaire par rapport aux hommes.
L'étude a utilisé une plateforme de parcours de soins basée sur l'IA qui identifie automatiquement les patients atteints de sténose aortique significative ou d'insuffisance mitrale qui pourraient répondre aux critères de traitement indiqués par les directives mais n'ont pas de plan de traitement en place. La sténose aortique sévère symptomatique est une forme courante mais sévère de valvulopathie qui touche environ 250 000 personnes annuellement aux États-Unis et reste sous-traitée selon les critères des directives AHA/ACC.
La sténose aortique sévère symptomatique non traitée présente un risque élevé de mortalité dans les deux ans, mais une sous-traitance significative persiste particulièrement parmi les patients issus de groupes raciaux et ethniques minoritaires et ceux avec certains profils hémodynamiques. La recherche met en lumière la valeur des alertes cliniques en temps réel pour accélérer le diagnostic et l'orientation vers des spécialistes, aidant à garantir que plus de patients—indépendamment de la race, de l'ethnicité, de la géographie, de l'hémodynamique ou d'autres facteurs—aient accès à des soins salvateurs dirigés par les directives.
Les résultats de l'étude ont été présentés lors des sessions scientifiques annuelles de l'American College of Cardiology à La Nouvelle-Orléans et simultanément publiés dans le Journal of the American College of Cardiology.