Cette équipe de l’Université de médecine de Caroline du Sud (MUSC) identifie avec une précision de 90% les patients atteints d’un cancer de la prostate socialement isolés en analysant les notes des médecins à l’aide du traitement automatique du langage naturel (TALN), un type d’intelligence artificielle. C’est la première initiative d’analyse et de détection des déterminants sociaux et des disparités en matière de santé. Ces travaux, présentés dans le BMC Medical Informatics and Decision Making rappellent toute l’importance des aidants naturels et des proches dans les résultats de santé mais sensibilise aussi au potentiel de l’intelligence artificielle pour une meilleure prise en compte, dans le parcours de soins, de ces critères sociaux.
L’équipe a développé un logiciel de traitement du langage naturel dans l’objectif de rechercher les données ou indices d’isolement social dans les notes cliniques du dossier de santé électronique. Elle utilise ensuite le traitement automatique du langage naturel (TALN) est un type d’intelligence artificielle qui tente de rendre le langage humain lisible par les ordinateurs. Ici, leur développement permet d’identifier les patients socialement isolés avec une précision de 90%.
L’isolement est un déterminant social de santé majeur
Ce facteur est bien reconnu pour affecter à la fois le bien-être et la santé. Le revenu, l’éducation, l’ethnie et l’état matrimonial sont d’autres déterminants sociaux documentés comme affectant également les résultats de santé et au même niveau que les facteurs de risque habituels tels que la pression artérielle et le diabète. Cependant, ces derniers déterminants posent la question de leur confidentialité.
La fonction du dossier de santé électronique (DSE) est de compiler toutes les données, sociales, cliniques, psychologiques et comportementales et génomiques qui interagissent pour déterminer le risque de maladies et influencer la réponse aux traitements, expliquent néanmoins les auteurs. La National Academy of Medicine a ainsi appelé les médecins à documenter ces déterminants sociaux dans le DSE. Cependant, les médecins n’ont pas toujours le temps et lorsqu’ils le font, le DSE n’est pas conçu pour accueillir ces informations. Au mieux, les médecins peuvent mentionner l’isolement social dans leurs notes cliniques. Ici, en utilisant ce mode d’intelligence artificielle, le logiciel a pu analyser les notes cliniques de 55.516 dossiers comprenant au total 150.990 notes et identifié 3.138 patients atteints de cancer de la prostate en 8 secondes. Enfin, une fois finalisé, le logiciel de TALN a pu analyser un nouvel ensemble de documents provenant de 1.057 patients et identifier les patients socialement isolés avec une précision de 90%.
L’intelligence artificielle et précisément l’apprentissage automatique pourrait également permettre d’identifier les caractéristiques cliniques des patients socialement isolés. L’apprentissage automatique pourrait ensuite rechercher des patients présentant cette « signature » dans le DSE. En fin de compte, la technologie serait en mesure d’identifier les patients isolés socialement même si le médecin n’a pas mentionné explicitement l’isolement social dans les notes cliniques.
D’autres recherches seront nécessaires pour développer et tester des interventions pour des patients isolés socialement. La stratégie développée ici pourrait être appliquée à d’autres déterminants sociaux de santé, en particulier ceux qui ne peuvent pas être entrés sous forme de données codées. L’équipe utilise d’ailleurs ce système pour identifier les patients souffrant d’insécurité financière et d’abus d’alcool. L’algorithme va aider les médecins à mieux écouter leurs patients, à comprendre leurs problèmes de santé dans un contexte de vie plus large et mieux documenté.
« Les médecins se focalisent excessivement sur les problèmes médicaux et négligent souvent le contexte de vie et les aspects sociaux qui peuvent impacter la santé de leurs patients. Notre étude souligne une nouvelle fois l’importance de connaître ces informations afin de fournir les meilleurs soins aux patients ».
Source: BMC Medical Informatics and Decision Making 14 March 2019 DOI : 10.1186/s12911-019-0795-y Automatically identifying social isolation from clinical narratives for patients with prostate Cancer
Plus sur Exercice Blog
