D’après article AI system helps doctors identify patients at risk for suicide 3 janvier 2025 https://medicalxpress.com*
Notes de l'éditeur
Une nouvelle étude du Vanderbilt University Medical Center montre que les alertes cliniques pilotées par l'intelligence artificielle (IA) peuvent aider les médecins à identifier les patients à risque de suicide, améliorant ainsi potentiellement les efforts de prévention dans les contextes médicaux de routine.
Une équipe dirigée par Colin Walsh, MD, MA, professeur associé d'informatique biomédicale, de médecine et de psychiatrie, a testé si leur système d'IA, appelé modèle de probabilité de tentative de suicide et d'idéation de Vanderbilt (VSAIL), pouvait efficacement inciter les médecins de trois cliniques de neurologie du VUMC à dépister les patients à risque de suicide lors des visites régulières à la clinique.
L'étude, publiée dans JAMA Network Open , a comparé deux approches : des alertes contextuelles automatiques qui interrompaient le flux de travail du médecin et un système plus passif qui affichait simplement des informations sur les risques dans le dossier électronique du patient.
L'étude a révélé que les alertes interruptives étaient beaucoup plus efficaces, ce qui a conduit les médecins à procéder à des évaluations du risque de suicide en lien avec 42 % des alertes de dépistage, contre seulement 4 % avec le système passif.
« La plupart des personnes qui se suicident ont consulté un professionnel de la santé au cours de l’année précédant leur décès, souvent pour des raisons sans rapport avec la santé mentale », a déclaré Walsh. « Mais le dépistage universel n’est pas pratique dans tous les contextes. Nous avons développé VSAIL pour aider à identifier les patients à haut risque et susciter des discussions ciblées sur le dépistage. »
Le suicide est en hausse aux États-Unis depuis une génération et il coûterait la vie à 14,2 Américains sur 100 000 chaque année, ce qui en fait la 11e cause de décès aux États-Unis. Des études ont montré que 77 % des personnes qui se suicident ont eu des contacts avec des médecins généralistes au cours de l'année précédant leur décès.
Les appels à améliorer le dépistage des risques ont conduit les chercheurs à explorer des moyens d'identifier les patients qui ont le plus besoin d'être évalués. Le modèle VSAIL, que l'équipe de Walsh a développé à Vanderbilt, analyse les informations de routine des dossiers médicaux électroniques pour calculer le risque de suicide d'un patient sur 30 jours. Lors de tests prospectifs antérieurs, où les dossiers des patients du VUMC étaient signalés mais aucune alerte n'était déclenchée, le modèle s'est avéré efficace pour identifier les patients à haut risque , avec une personne sur 23 signalée par le système signalant ultérieurement des pensées suicidaires.
Dans la nouvelle étude, lorsque des patients identifiés comme à haut risque par VSAIL se présentaient à des rendez-vous dans les cliniques de neurologie de Vanderbilt, leurs médecins recevaient de manière aléatoire des alertes interruptives ou non interruptives. La recherche s'est concentrée sur les cliniques de neurologie car certaines pathologies neurologiques sont associées à un risque accru de suicide .
Les chercheurs ont suggéré que des systèmes similaires pourraient être testés dans d’autres contextes médicaux.
« Le système automatisé n'a signalé qu'environ 8 % de toutes les visites de patients pour un dépistage », a déclaré Walsh. « Cette approche sélective permet aux cliniques très fréquentées de mettre en œuvre des mesures de prévention du suicide plus facilement. »
L'étude a porté sur 7 732 consultations de patients sur une période de six mois, ce qui a donné lieu à 596 alertes de dépistage au total . Au cours de la période de suivi de 30 jours, un examen des dossiers médicaux du VUMC a révélé qu'aucun patient des deux groupes d'alertes randomisées n'avait connu d'épisodes d'idées suicidaires ou de tentative de suicide. Bien que les alertes d'interruption aient été plus efficaces pour inciter à des dépistages, elles pourraient potentiellement contribuer à la « fatigue des alertes » – lorsque les médecins sont submergés par des notifications automatiques fréquentes. Les chercheurs ont noté que les études futures devraient examiner cette préoccupation.
« Les systèmes de santé doivent trouver un équilibre entre l’efficacité des alertes d’interruption et leurs inconvénients potentiels », a déclaré Walsh. « Mais ces résultats suggèrent que la détection automatique des risques combinée à des alertes bien conçues pourrait nous aider à identifier davantage de patients qui ont besoin de services de prévention du suicide. »
Plus d'informations : Risk Model–Guided Clinical Decision Support for Suicide Screening, JAMA Network Open (2025). DOI: 10.1001/jamanetworkopen.2024.52371
Journal information: JAMA Network Open
Provided by Vanderbilt University Medical Center
