Améliorer la capacité des soins intensifs pendant les épidémies de COVID 19 e1633466854975

Améliorer la capacité des soins intensifs pendant les épidémies de COVID-19

Exploiter l'IA pour mieux gérer la capacité des soins intensifs pendant la crise.

Résumé du projet

Mise à jour Mars 31, 2023

Le problème

L'accès aux soins intensifs est essentiel pour la santé publique.

Avant la pandémie de COVID-19, les unités de soins intensifs (USI) canadiennes fonctionnaient déjà à environ 90 % de leur capacité et dépassaient leur capacité environ 50 jours par an. Le surpeuplement des soins intensifs entraîne des retards dans les soins intensifs pour les patients qui en ont le plus besoin - chaque heure de retard d'admission aux soins intensifs pour un patient entraîne une augmentation de 1.5% du risque de décès.

Les infections respiratoires telles que la pneumonie et la grippe représentent 20 % des admissions aux soins intensifs et étaient l'une des principales causes de décès dans le monde avant la COVID-19. Avec COVID-19 entraînant une demande accrue de ventilateurs, de traitements spécialisés et une surveillance étroite par les médecins des unités de soins intensifs, l'ensemble du système de santé risque davantage d'être submergé.

Comment nous le résolvons

Le projet Améliorer la capacité des soins intensifs pendant les épidémies de COVID-19 vise à changer cela en développant un logiciel capable de prédire les résultats des patients hospitalisés en raison de la COVID-19 sur la base de l'imagerie radiologique. Le logiciel prédira si et quand un patient devra probablement être admis aux soins intensifs ainsi que sa date de sortie prévue. Ces informations aideront les cliniciens à mieux planifier la capacité en lits de soins intensifs, le personnel et la disponibilité des ventilateurs.

Dirigé par Altis Labs en partenariat avec Bayer AG, University Health Network, Trillium Health Partners et QIPCM, le projet aide les unités de soins intensifs à gérer leur capacité à fournir des soins de meilleure qualité, des gains d'efficacité et de meilleurs résultats pour les patients.

Le projet applique la technologie de prédiction aux images médicales standard de soins des patients hospitalisés atteints d'infections pulmonaires pour prédire l'admission aux soins intensifs et la date prévue de leur sortie. De plus, le logiciel basé sur l'apprentissage automatique prend en compte l'hypertension pulmonaire, les maladies cardiovasculaires et la MPOC, qui peuvent toutes avoir un impact sur les résultats des patients atteints de COVID-19. Les résultats des tests publiés ont montré que le logiciel peut améliorer la précision du pronostic de 68 % pour les patients atteints d'un cancer du poumon.

L'équipe du projet intégrera la technologie dans une plate-forme d'imagerie médicale déployée dans les hôpitaux, afin que le logiciel puisse être rapidement mis en œuvre dans toutes les autorités sanitaires.

Le projet commencera à se déployer dans la région du Grand Toronto avant de s'étendre à l'ensemble du Canada.

Le Résultat

Ce projet a développé un logiciel pour prédire le risque d'admission à l'hôpital, l'admission en unité de soins intensifs (USI) et la durée prévue du séjour en USI sur la base de l'imagerie médicale des patients. L'équipe du projet a réussi à rassembler des données cliniques et d'imagerie anonymisées provenant de plus de 160,000 19 patients et la capacité de prédire avec précision ces facteurs joue un rôle important non seulement pour maximiser la capacité hospitalière lors des pics de patients atteints de pneumonie acquise dans la communauté, y compris la COVID-XNUMX, mais aussi pour informer un traitement et un suivi optimaux pour chaque patient.

Chef de projet

  • altislabsweb

Partenaires du projet

  • bayerweb
  • trilliumsanté
  • Page Web de l'UHN
  • QIPCM

Impliquez-vous maintenant!

Nous n'attendons pas l'avenir. Nous le créons.

Devenez membre

Êtes-vous prêt à relever les défis les plus difficiles de la société ?