Comment l’intelligence artificielle (IA) pourrait-elle mieux soutenir les équipes cliniques ? Au CHU Sainte-Justine, le Dr Michaël Sauthier, intensiviste pédiatrique et clinicien-chercheur, dirige un projet de recherche qui évalue concrètement comment l’IA peut appuyer le travail décisionnel des personnes soignantes dans un contexte marqué par la complexité croissante des données médicales et la pression sur les effectifs. 

En contexte d’aide à la décision clinique, l’IA désigne un ensemble d’outils capables d’analyser automatiquement de grandes quantités de données médicales, comme celles issues de notre base de données à haute résolution sécurisée. Développée en 2015 dans le cadre de son doctorat au CHU Sainte-Justine, sous la direction du Dr Philippe Jouvet, cette base de données se distingue du dossier patient classique en intégrant des données physiologiques enregistrées en continu : ventilation, ECG, captations vidéo. Cette richesse d’informations permet aux systèmes d’IA de détecter des variations subtiles et de prédire les situations critiques avant qu’elles ne surviennent. L’apprentissage automatique en est le moteur, rendant les diagnostics plus rapides et plus précis. 

« Si ce type d’approche en intelligence artificielle devient fiable et accessible dans l’ensemble du réseau hospitalier canadien, il pourrait transformer notre pratique. En soins intensifs, l’apprentissage automatique pourrait optimiser le suivi clinique et détecter des arythmies critiques souvent invisibles pour les alarmes classiques, car elles se manifestent par des variations de rythme très subtiles. Le temps ainsi gagné, nous pourrions le consacrer à ce qui compte vraiment : la relation avec les familles, l’écoute et les discussions sur les traitements les plus adaptés. La santé de précision, c’est cela aussi : des diagnostics plus justes, mais surtout un lien humain renforcé avec nos patientes, nos patients et leurs proches. » partage le Dr Michaël Sauthier. 

L’infrastructure Atrium DB 

Pour relever ce défi, le projet s’appuie sur Atrium DB, une infrastructure d’apprentissage machine développée par le SickKids et actuellement validée auprès des patientes et patients du CHU Sainte-Justine. Atrium DB permet de stocker, d’organiser et d’analyser en temps réel des données physiologiques complexes, comme les signaux cardiaques, tout en respectant les plus hauts standards de sécurité et de confidentialité. 

L’un des premiers modèles testés dans cet environnement commun vise à détecter la tachycardie ectopique jonctionnelle (JET), une arythmie pédiatrique rare mais potentiellement grave, en analysant en continu les électrocardiogrammes au chevet des patientes et patients. 

« Le véritable défi aujourd’hui, c’est qu’un modèle peut très bien fonctionner dans une situation donnée et perdre toute sa pertinence dans une autre. Plus encore, ces systèmes évoluent sans cesse : une mise à jour, une nouvelle version, et la qualité de l’analyse peut changer. Ce que nous visons, c’est un outil fiable, robuste, qui garantisse la même qualité en toutes circonstances. Nous en sommes encore loin, mais c’est ce rêve qui oriente nos recherches, ici comme au SickKids, à Toronto. », explique le Dr Michaël Sauthier 

Des collaborations pour aller plus loin 

Rendue possible grâce à la Plateforme Azrieli en santé de précision pédiatrique, cette collaboration entre les deux équipes de recherche marque la première étape vers la mise en place d’un réseau interhospitalier d’innovation en IA au service de la santé des enfants. 

« La force d’un modèle d’intelligence artificielle, c’est sa capacité à fonctionner ailleurs que chez soi. C’est ce qui fonde sa validité et sa valeur », souligne le Dr Sauthier. 

Dans le cadre de cette étude, l’équipe du CHU Sainte-Justine ainsi que celle du SickKids participent à une phase d’évaluation dite silencieuse pour valider la fiabilité du modèle en environnement clinique réel avant toute intégration aux soins. Concrètement, lors d’une évaluation silencieuse, l’algorithme fonctionne en arrière-plan, sans influencer les décisions cliniques : il analyse les électrocardiogrammes en temps réel et compare ses détections à celles des équipes pour en mesurer la fiabilité et la sécurité avant toute utilisation au chevet des patientes et des patients. 

À terme, ce type de projet pourrait permettre à d’autres centres pédiatriques, au Canada comme à l’international, de déployer plus rapidement des outils d’intelligence artificielle validés en milieu clinique, renforçant ainsi leur portée et leur impact sur la santé des enfants.