Les chercheurs utilisent des outils d’intelligence artificielle pour accélérer les informations critiques sur les décès par surdose de drogue

Un processus automatisé basé sur des algorithmes informatiques capables de lire le texte des certificats de décès des médecins légistes peut considérablement accélérer la collecte de données sur les décès par surdose, ce qui à son tour peut assurer un temps de réponse de santé publique plus rapide que le système actuellement utilisé, selon une nouvelle recherche de l’UCLA.

L’analyse, à paraître en août. 8 dans l’évaluation par les pairs Réseau JAMA ouvertont utilisé des outils de l’intelligence artificielle pour identifier rapidement les substances qui ont causé des décès par surdose.

“La crise des surdoses aux États-Unis est la première cause de décès chez les jeunes adultes, mais nous ne connaissons le nombre réel de décès par surdose que des mois après les faits”, a déclaré le Dr. David Goodman-Meza, professeur adjoint de médecine à la division des maladies infectieuses à la David Geffen School of Medicine de l’UCLA. «Nous ne connaissons pas non plus le nombre de surdoses dans nos communautés, car les données publiées rapidement ne sont disponibles qu’au niveau de l’État, au mieux. Nous avons besoin de systèmes qui diffusent ces données rapidement et au niveau local afin que la santé publique puisse réagir. L’apprentissage automatique et le traitement du langage naturel peuvent aider à combler ce fossé.”

Dans l’état actuel des choses, l’enregistrement des données sur les surdoses implique plusieurs étapes, à commencer par les médecins légistes et les coroners, qui déterminent la cause du décès et consignent les surdoses de drogue suspectées sur les certificats de décès, y compris les drogues qui ont causé le décès. Les certificats, qui comprennent du texte non structuré, sont ensuite envoyés aux juridictions locales ou aux Centers for Disease Control and Prevention (CDC) qui les codent selon la Classification statistique internationale des maladies et des problèmes de santé connexes, dixième édition (ICD-10). Ce processus de codage prend du temps car il peut être effectué manuellement. Par conséquent, il y a un décalage important entre la date du décès et la déclaration de ces décès, ce qui ralentit la diffusion des données de surveillance. Cela ralentit à son tour la réponse de santé publique.

Pour compliquer davantage les choses, dans le cadre de ce système, différentes drogues ayant des utilisations et des effets différents sont regroupées sous le même code – par exemple, la buprénorphine, un opioïde partiel utilisé pour traiter les troubles liés à l’utilisation d’opioïdes, et le fentanyl, un opioïde synthétique, sont répertoriés sous le même ICD-10 code.

Pour cette étude, les chercheurs ont utilisé le “traitement du langage naturel” (TAL) et l’apprentissage automatique pour analyser près de 35 500 actes de décès pour toute l’année 2020 du Connecticut et de 9 comtés américains : Cook (Illinois) ; Jefferson (Alabama); Johnson, Denton, Tarrant et Parker (Texas), Milwaukee (Wisconsin) et Los Angeles et San Diego. Ils ont examiné comment la combinaison de la PNL, qui utilise des algorithmes informatiques pour comprendre le texte, et de l’apprentissage automatique peut automatiser le déchiffrement de grandes quantités de données avec précision et exactitude.

Ils ont constaté que sur les 8 738 décès par surdose enregistrés cette année-là, les substances spécifiques les plus courantes étaient le fentanyl (4 758, 54 %), l’alcool (2 866, 33 %), la cocaïne (2 247, 26 %), la méthamphétamine (1 876, 21 %), l’héroïne (1613, 18%), les opioïdes sur ordonnance (1197, 14%) et toute benzodiazépine (1076, 12%). Parmi celles-ci, seule la classification des benzodiazépines était sous-optimale selon cette méthode et les autres étaient parfaites ou presque parfaites.

Plus récemment, le CDC a publié des données préliminaires sur les surdoses au plus tôt quatre mois après les décès, a déclaré Goodman-Meza.

“Si ces algorithmes sont intégrés au médecin légiste, le temps pourrait être réduit dès que les tests de toxicologie sont terminés, ce qui pourrait être des bureaux environ trois semaines après le décès”, a-t-il déclaré.

Le reste des décès par surdose étaient dus à d’autres substances telles que les amphétamines, les antidépresseurs, les antipsychotiques, les antihistaminiques, les anticonvulsivants, les barbituriques, les relaxants musculaires et les hallucinogènes. Les chercheurs notent certaines limites à l’étude, la principale étant que le système n’a pas été testé. sur des substances moins courantes telles que les anticonvulsivants ou d’autres médicaments de synthèse, on ne sait donc pas si cela fonctionnerait pour ceux-ci. De plus, étant donné que les modèles doivent être formés pour s’appuyer sur un grand volume de données pour faire des prédictions, le système peut être incapable de détecter les tendances émergentes.

Mais des données rapides et précises sont nécessaires pour développer et mettre en œuvre des interventions visant à réduire les surdoses, écrivent les chercheurs, et «des outils de PNL tels que ceux-ci devraient être intégrés dans les flux de travail de surveillance des données pour augmenter la diffusion rapide des données au public, aux chercheurs et aux décideurs. “

Les co-auteurs de l’étude en plus de Goodman-Meza sont Chelsea Shover, Dr. Jésus Médine, Dr. Amber Tang, Steven Shoptaw et Alex Bui de UCLA.