La détection et/ou la prédiction précoce d’une décompensation et d’une défaillance d’organe par l’établissement de modèles multimodaux pourraient permettre de réduire significativement les coûts de santé et les risques engendrés pour les patients, par une réaction médico-technique adaptée et précoce. Il s’agit d’une démarche-projet originale visant à optimiser les connaissances d’un domaine physiologique complexe et multi-systémique, tout en favorisant le transfert automatique de connaissances à destination du patient en se basant sur l’application d’algorithmes innovants, permettant la prise de décisions opérationnelles à partir de la fusion de survenue d’évènements disparates. La prédiction de survenue d’évènements sera elle abordée par l’utilisation d’outils intelligents d’auto-apprentissage.
A partir d’outils communicants d’enregistrement des signaux, nous envisageons :
A l’heure actuelle, de multiples données physiologiques sont collectées quotidiennement au chevet des patients de réanimation, sans la plupart du temps d’autres analyses que celle instantanée au chevet par l’utilisation de fourchettes d’alarmes ou à moyen terme par la lecture des tendances globales par le clinicien. L’exploration systématique « d’entrepôts de données » ou « data-mining » est une technique exploratoire actuelle permettant d’envisager la compréhension future de multiples mécanismes physiologiques ou physiopathologies, en se basant sur cette collecte systématique de bouquets de données et l’analyse exploratoire à large échelle de ces bases. C’est un processus qui permet de découvrir dans de grosses bases de données consolidées, des informations jusque là inconnues mais qui peuvent être d’intérêt et d’utiliser ces informations pour soutenir tout type de décisions. Si ces techniques sont extrêmement utilisées dans le domaine de l’industrie, de la finance, d’internet ...etc... ; leur utilisation en santé est jusqu’à présent essentiellement limitée à la collecte systématique de données cliniques (ex. de la base française Outcome Rea, à l’origine de très nombreuses publications de haut niveau ; ex. du projet ANR TECSAN 2008 – ALADIN DTH (2009 – 2011) : Assistant de lutte automatisé et de détection des infections nosocomiales à partir de documents textuels hospitaliers (URL : http://www.aladin-project.eu/ ). Plusieurs expérimentations prometteuses de datamining à partir des bases de signaux physiologiques permettent d’envisager l’intérêt majeur de cet outil en soins aigus.
Le présent projet vise à la constitution la constitution d’une base de données concernant les déterminants physiologiques importants dans la survenue et/ou l’évolution des décompensations aiguës d’organes chez les sujets adultes. Les retombées potentielles sont importantes car le projet est susceptible de conduire au développement de multiples algorithmes de détection et/ou de prédiction directement utilisables au sein de dispositifs biomédicaux, optimisant ainsi la surveillance des patients et permettant une réponse médicale adaptée précoce par le biais d’un transfert de connaissance automatisé.
Nous réaliserons l'acquisition systématique d'un panel de patients assez large (n~100), présentant de multiples défaillances viscérales, en nous focalisant dans un premier temps sur les interactions cardiopulmonaires et donc essentiellement les signaux de plethysmographie, de pression artérielle invasive et les traces ECG. Dans un second temps, pourront être acquis de façon complémentaires les signaux ventilatoires (débit et pression inspiratoire).