Menu
Communiqués et dossiers de presse

IA : Un nouvel algorithme français s’inspirant de GPT améliore la surveillance des traumatismes

04 Mai 2023 | Par INSERM (Salle de presse) | Santé publique

hôpital urgences

Des scientifiques ont développé un algorithme pour mieux comprendre les traumatismes qui représentent un tiers des passages aux urgences. © Unsplash

En France, un tiers des passages aux urgences sont dus à des traumatismes. Afin de mieux comprendre leurs mécanismes et améliorer leur prise en charge, des chercheuses et chercheurs de l’Inserm et de l’université de Bordeaux au centre de recherche Bordeaux Population Health, avec des équipes du CHU de Bordeaux, ont mis au point un algorithme capable de classer les visites aux urgences pour cause de traumatisme grâce à l’analyse des comptes rendus cliniques par le bais d’une intelligence artificielle (GPT). Les performances de ce  projet baptisé TARPON[1], qui atteignent 97% d’exactitude, ont fait l’objet d’une publication dans la revue Journal of Medical Internet Research Artificial Intelligence. Les résultats permettent d’imaginer la mise en place prochaine d’un observatoire national du traumatisme.

Les traumatismes représentent 9% de la mortalité en France et concernent des populations souvent jeunes. Plus du tiers des 21 millions de passages aux urgences annuels, le sont pour des traumatismes. Il s’agit donc d’un problème majeur de santé publique qui représente un poids sanitaire, sociétal et économique important, face auquel les scientifiques œuvrent pour apporter des solutions.

L’idée du projet TARPON mené par des chercheurs de l’Inserm et de l’université de Bordeaux avec le CHU de Bordeaux est partie du constat que pour chaque visite aux urgences, les soignants rédigent un compte-rendu. Ces derniers représentent une mine d’informations : exposé des symptômes, état des patients, ainsi que de nombreux détails sur les circonstances de survenue du traumatisme.

Or, ces données restent aujourd’hui inexploitées, et l’on dispose de peu de statistiques sur les victimes d’accidents de la vie courante, de violences ou encore de tentatives de suicide. Dans le domaine des accidents de la route, un observatoire existe mais il n’est complet que pour la mortalité et la plupart des accidents liés aux déplacements en vélo, à pied ou à trottinette n’y figurent pas. Une analyse des informations anonymisées issues des comptes rendus des urgences permettrait de constituer le socle d’un système de surveillance des traumatismes quasi exhaustif.

Ces comptes rendus sont des textes non structurés rédigés avec un mélange de termes courants mais aussi médicaux, techniques, et des abréviations. Afin d’en extraire les informations intéressantes, sans avoir à tous les lire, les équipes de recherche ont développé une technique de traitement automatique du langage basée sur des réseaux de neurones artificiels. Les chercheurs ont adapté le modèle d’intelligence artificielle GPT et l’ont entraîné avec un échantillon de plus de 500 000 comptes rendus provenant des urgences adultes du CHU de Bordeaux[2]. Ils ont ainsi abouti à un outil de traitement du langage clinique francophone, dans le respect des règles RGPD.

Avec le soutien du Health Data Hub, de Bpifrance, de la région Nouvelle Aquitaine, de l’Agence nationale de sécurité du médicament et des produits de santé (ANSM) et de la Délégation à la Sécurité Routière, les chercheurs ont pu financer l’achat d’un puissant serveur, dédié à l’intelligence artificielle et installé au sein même de l’hôpital. Ce dernier a permis d’implémenter l’algorithme développé par les scientifiques, pour classer automatiquement les traumatismes selon leurs types, et cela avec une précision surprenante.

En effet, la méthode développée par les chercheurs permet de classer correctement 97% des comptes rendus (contre 86% avec les anciennes méthodes), comme le détaillent les chercheurs dans leur article scientifique. Grâce à cette première étape, l’étude des données pourra débuter sur la plateforme technologique du Health Data Hub d’ici l’été.

Ces résultats ouvrent la voie à la mise en place d’un système national de surveillance des traumatismes mais aussi à des analyses épidémiologiques portant par exemple sur l’impact des consommations de médicaments sur le risque d’accident. Des travaux qui devraient donc apporter un éclairage nouveau sur des enjeux de santé publique importants. Dans l’immédiat, le projet TARPON sera étendu à une quinzaine de services d’urgences répartis sur tout le territoire français.

 

[1] TARPON : Traitement Automatique des Résumés de Passages aux urgences pour un Observatoire National

[2] Cette recherche répond aux obligations du Règlement Général sur la Protection des Données (RGPD).

Contacts
Contact Chercheur

Emmanuel Lagarde

U1219 – Bordeaux population health (Inserm/Université de Bordeaux)

E-mail : rf.mresni@edragal.leunamme

Gabrielle Chenais

U1219 – Bordeaux population health (Inserm/Université de Bordeaux)

E-mail : rf.xuaedrob-u@sianehc.elleirbag

 

Téléphone sur demande

Contact Presse

rf.mresni@esserp

Sources

Deep Learning Transformer Models for Building a Comprehensive and Real-time Trauma Observatory: Development and Validation Study

Gabrielle Chenais1*, MMid, MScPH, MPHDs; Cédric Gil-Jardiné1,2*, MD, PhD; Hélène Touchais1*, MCPM; Marta Avalos Fernandez1,3*, PhD; Benjamin Contrand1*, MSc; Eric Tellier1,2*, MD; Xavier Combes2*, MD; Loick Bourdois1*,MSc; Philippe Revel2*, MD; Emmanuel Lagarde1*, PhD

1 Unit 1219, Bordeaux Public Health Center, Institut National de la Santé et de la Recherche Médicale, Bordeaux, France

2 Emergency Department, Bordeaux University Hospital, Bordeaux, France

3 Statistics in Systems Biology and Translational Medicine Team, University of Bordeaux, Institut National de Recherche en Sciences et Technologies du Numérique, Talence, France

*all authors contributed equally

Journal of Medical Internet Research Artificial Intelligence, Avril 2023

DOI: doi:10.2196/40843

fermer