Photo: diego_cervo @ depositphotos.com
Une intelligence artificielle pourrait-elle aider des médecins à choisir qui recevra des soins dans des situations d’urgence où les ressources manquent?
Dans un hôpital surchargé, 10 patients dans un état critique ont besoin d’un respirateur, mais il n’y en a que 5 qui sont disponibles. Impossible de rediriger les patients vers un autre hôpital. Qui doit-on traiter – et qui doit-on abandonner ? La question, qui semble sortie tout droit d’une dystopie, a pourtant été au cœur de travaux réels en intelligence artificielle (IA) dans plusieurs centres de recherche à travers le monde depuis les débuts de la pandémie. Et leurs travaux montrent que l’IA pourrait aider objectivement à prendre de telles décisions en période de crise.
Pour comprendre l’origine de cette épineuse question, il faut revenir un an en arrière. Quand la COVID-19 a frappé l’Italie de plein fouet, en mars 2020, plusieurs hôpitaux ont atteint ce point critique. Les urgences croulaient sous les patients, et la pénurie de respirateurs a forcé certains médecins à faire un choix déchirant : qui recevrait des soins et qui n’en aurait pas. Pris dans la tourmente, certains hôpitaux ont proposé d’utiliser l’âge des patients, ou la présence d’autres maladies chez ces derniers, comme critères pour guider ce choix.
Une situation qui a poussé d’autres nations à réfléchir à des protocoles de priorisation de patients au triage des urgences (appelés communément « triage avancé ») si jamais une telle situation devait survenir.
« Dans plusieurs pays, la crainte était qu’il n’y ait pas assez de respirateurs, explique Vardit Ravitsky, professeure en bioéthique à l’Université de Montréal. Heureusement, on a trouvé d’autres solutions et ces protocoles n’ont pas été mis en place. On a envoyé les patients dans des endroits moins débordés, on a acheté des respirateurs, ou développé des technologies pour en fabriquer rapidement de nouveaux. »
Bien que le pire ait été évité, ces protocoles de décision existent, même au Canada. « Si le pire était survenu et qu’il avait fallu sélectionner les patients avec les meilleures chances de survie, ce choix aurait reposé sur des critères cliniques, poursuit la professeure Ravitsky. Par exemple, est-ce que le patient est fragile? Quelles sont ses chances de survie? Se rétablira-t-il rapidement pour libérer son respirateur ? Utiliser des critères médicaux pour guider ces choix est la manière la plus éthique de procéder. »
Or, lorsqu’un patient est admis aux soins intensifs, les décisions doivent être prises rapidement, en quelques heures, et parfois même quelques minutes. « Il faut réagir vite et décider si on intube ou non, et cette décision aura une énorme influence sur les chances de survie, explique Simon Duchesne, professeur au département de radiologie et de médecine nucléaire à l’Université Laval. La COVID-19 est fulgurante. Dans certains cas, en 24 heures, on passe d’un état relativement normal à une détresse respiratoire. »
Dans un monde idéal, tous les patients auraient accès à un respirateur. Mais dans un contexte où la rupture de service menace des hôpitaux, comment obtenir des données médicales suffisamment précises pour savoir quels patients doivent être priorisés?
Expert en survie
Pour Simon Duchesne, la réponse se trouve dans le mariage entre deux technologies : les rayons X et l’intelligence artificielle. « En radiologie, l’humain est bon pour faire un diagnostic, ou pour trouver des anomalies, explique le chercheur, mais c’est plus difficile de faire des prédictions et de tenter d’estimer les risques de mortalité. Pour y arriver, on utilise des modèles statistiques – une étape qu’on peut sauter grâce à l’IA. On part d’une image et on finit avec une probabilité de survie pour le patient. »
Prenons le scénario suivant : en pleine vague de COVID-19, un patient aboutit aux soins intensifs. Parmi la batterie de tests qui permettent de déterminer son état, on prend une radiographie de ses poumons. En analysant le cliché, une IA peut prévoir si le patient récupérera à l’aide d’une assistance respiratoire, ou s’il est d’ores et déjà condamné.
Dès le mois de mai 2020, l’équipe du professeur Duchesne avait développé une première mouture de son algorithme, nommé CoDE : AIR. Et ils ne sont pas les seuls : d’autres équipes dans le monde ont évalué la faisabilité d’utiliser des algorithmes pour assister le triage (trois exemples, ici, ici et ici).
Dans le cas de CoDE : AIR, l’équipe de l’Université Laval a d’abord « entraîné » son algorithme à identifier les caractéristiques des radiographies, ainsi que les signes d’une détérioration prochaine du patient en se basant sur 225 000 radiographies pulmonaires, toutes pathologies confondues, tirées de la banque de données CheXpert.
Ils ont ensuite testé l’algorithme en lui présentant des images de 161 patients atteints de COVID-19, partagés en deux groupes : ceux qui sont sortis de l’hôpital après un séjour sous respirateur et ceux qui sont décédés. En combinant les données radiologiques aux autres facteurs de risque identifié chez les patients, CoDE : Air a été en mesure de prédire la mortalité dans plus de 83% des cas. Selon l’état du patient suivi, il était même possible d’atteindre une certitude de 100%.
Un avis parmi plusieurs
Comme il s’agit d’une question de vie ou de mort, même les créateurs de cet algorithme considèrent qu’on ne devrait pas prendre de décision en se basant uniquement sur leur système. Toutefois, leur outil ajoute un élément objectif aux critères qui guideront le choix des médecins.
Il est aussi important d’ajouter que jamais, dans aucun pays occidental, un médecin traitant n’a été confronté seul à ce terrible choix. « Cette décision tragique a été éloignée du médecin responsable, précise Vardit Ravitski. On se réfère à un panel d’autres médecins et éthiciens dans l’hôpital qui se basent ensuite sur des critères cliniques. Agir autrement irait à l’encontre de tout ce qu’un médecin doit faire dans le cadre de son travail. »
Alors, est-ce qu’une IA pourrait constituer un outil supplémentaire adéquat pour guider ces panels de médecins ? Oui, pense Martin Gibert, chercheur en éthique de l’intelligence artificielle à l’Université de Montréal. « Dans le cas d’une IA qui aide au triage, on est clairement dans un paradigme utilitariste, explique-t-il, et l’IA excelle dans ce type d’analyse. Tant que l’algorithme est entraîné avec des données qui ne sont pas biaisées, il sera aussi efficace qu’un jugement humain, et même plus, car ce pronostic sera la spécialité de l’algorithme. »
Il poursuit : « Il est toutefois important de souligner qu’il s’agit d’un algorithme de recommandation, et non pas de prise de décision. Le choix ultime sera toujours fait par un humain. C’est très important, car un algorithme n’est pas imputable au sens de la responsabilité morale. »
Après la COVID-19
Heureusement, le système de santé canadien ne s’est pas dégradé au point d’utiliser de tels algorithmes dans les urgences. Toutefois, Simon Duchesne et ses collègues estiment que les algorithmes de triage ont leur place dans certains contextes, et ce, même s’ils prévoient cesser de travailler sur CoDE : AIR dès la publication finale de leur article.
« Plusieurs régions dans le monde sont encore en situation de crise en ce qui concerne la COVID-19, poursuit le professeur Duchesne. L’IA et la radiographie peuvent aussi être utilisées pour d’autres maladies et dans d’autres contextes. On peut penser à des soignants de Médecins sans frontière en région isolée, lorsque les moyens de transport ne marchent plus et qu’on doit sauver un maximum de vie avec peu de ressources. »
Cet article fait partie de notre série «Métamorphose» qui explore des solutions aux nombreux problèmes et défis révélés par la pandémie de COVID-19.
