4
INTELLIGENCE ARTIFICIELLE
Comment aider à mieux traiter les infections sur prothèse articulaire grâce à l’intelligence artificielle
Selon les travaux de :
Pierre-Alban Bouché et Jawad Rahal
QUALITÉ DE VIE
Quels sont l'impact clinique et les facteurs associés aux infections osseuses complexes ?
ÉPIDÉMIOLOGIE
Quel est l’impact de l’insuffisance rénale sur l’infection ostéoarticulaire ?
Contexte
En cas d’infection sur prothèse articulaire, le traitement nécessite systématiquement une intervention chirurgicale. Schématiquement, deux types d’opération existent :
Les changements de prothèse. Dans ce cas, le chirurgien retire la prothèse puis effectue un nettoyage très large de l’articulation et des os infectés. Il repose ensuite une nouvelle prothèse, soit durant la même chirurgie (changement en 1 temps) soit lors d’une 2ème chirurgie, réalisée plusieurs semaines après la première (changement en 2 temps)
OU Lavage articulaire abondant avec maintien de la prothèse en place (DAIR, acronyme anglais pour « debridment, antibiotic and implant retention)
Ces 2 stratégies ont chacune leurs intérêts et inconvénients. Pour mieux définir quelle stratégie proposer à chacun de nos patients, nous avons besoin de disposer de cohortes de patients opérés afin de préciser les taux de succès de chaque stratégie et surtout de définir les groupes de patients plus à même de bénéficier de chacune des stratégies.
Enjeu
Déterminer, avant tout geste chirurgical, la procédure la plus susceptible de réussir, en fonction des antécédents médicaux de chaque patient et des caractéristiques de l’infection péri-prothétique.
Travaux menés
Ce projet a pour objectif de créer une base de données à l’aide de l’intelligence artificielle, pour mieux comprendre et analyser les infections péri-prothétiques de la hanche et du genou, traitées à l’hôpital Lariboisière puis, si l’outil d’IA s’avère fiable, à l’ensemble des centres de l’AP-HP puis de l’ensemble du réseau des CRIOAC en France.
Cette base de données permettra ensuite d’établir des scores prédictifs afin d’évaluer avec précision les risques d’échec du traitement chirurgical pour chaque patient, en tenant compte des spécificités de chaque cas.
Pour aller plus loin
Le projet RIPAL a pour principal objectif d’utiliser la plateforme Cohort360 pour extraire les variables d’intérêt (cliniques, paracliniques et thérapeutiques) à l’aide de l’intelligence artificielle, afin de construire notre cohorte de patients présentant une infection péri-prothétique.
Ces outils de machine-learning visent donc à analyser des données cliniques et biologiques afin de prédire la stratégie chirurgicale la plus appropriée et la plus susceptible de garantir une réussite dès la première intervention.
L’utilisation de ces modèles permettra ainsi d’optimiser la prise en charge chirurgicale, en personnalisant les décisions thérapeutiques en fonction des facteurs de risque individuels et des spécificités de chaque infection.
Si le procédé d’extraction s’avère fiable, notre objectif sera alors de proposer cet outil à d’autres domaine et à d’autres centres français.
