Au-delà du bruit : réduction de la fatigue liée aux alarmes cliniques
Améliorer les soins aux patients en réduisant les alarmes intempestives grâce à l'IA.
Résumé du projet
Mise à jour en novembre 27, 2025
Le problème
Les fausses alarmes cliniques excessives constituent l'un des principaux problèmes de sécurité pour les patients hospitalisés. Dans un service hospitalier classique, une infirmière peut être amenée à traiter jusqu'à 350 alarmes cliniques par jour et par patient pour la surveillance des constantes vitales¹ . Une part importante de ces alarmes sont des fausses alarmes inutiles, également appelées « alarmes intempestives ». Selon certaines études, les alarmes intempestives représenteraient entre 80 % et 95 % de l'ensemble des alarmes cliniques².
Les alarmes intempestives sont reconnues comme une cause d'anxiété, de manque de sommeil et de délire chez les patients, qui peuvent être à l'origine d'une hospitalisation prolongée et d'une morbidité pour les patients. Elles désensibilisent également les cliniciens, font perdre un temps clinique précieux et provoquent l'irritation et l'épuisement du personnel clinique.
Parmi tous les signes vitaux standard, la saturation en oxygène du sang (SpO2) mesurée par oxymétrie de pouls est la source principale d'alarmes intempestives . Dans une étude menée en soins intensifs pédiatriques, 44 % des alarmes cliniques provenaient de la SpO2 , et seulement 7 % d'entre elles étaient cliniquement utiles³ . Trouver un moyen de réduire le nombre d'alarmes intempestives de SpO2 permettrait de diminuer la fatigue des soignants face à ces alarmes et, à terme, de prévenir les préjudices pour les patients.
Comment nous le résolvons
Mené par Medtronic Canada en collaboration avec Excelar, Providence Health Care Ventures et l'Université de Toronto, ce projet permettra de faire progresser un algorithme d'apprentissage automatique (ML) afin de réduire d'au moins 40 % les alarmes SpO2 intempestives.
L'algorithme d'apprentissage automatique de Medtronic prédit avec fiabilité quelles alarmes sont pertinentes et lesquelles sont inutiles, et peut être désactivé en toute sécurité. Si d'autres solutions commerciales consistent à retarder ou gérer les alarmes en les déplaçant vers des appareils mobiles utilisés par les cliniciens, elles n'éliminent pas les alarmes intempestives. Par exemple, une alarme pertinente se déclenche lorsqu'un patient est en détresse respiratoire (difficulté à respirer) et que sa SpO₂ chute en dessous d'un seuil prédéfini. À l'inverse, une chute de la SpO₂ en dessous du seuil prédéfini par l'appareil (par exemple, 90 %) pendant une très courte période constitue une alarme intempestive cliniquement non pertinente . Cela peut être dû à un mouvement brusque du bras ou de la main, au retrait et au repositionnement temporaires du capteur de SpO₂ , ou encore au maintien d'une valeur de SpO₂ légèrement supérieure au seuil.
Ce projet permettra de valider et d'affiner l'algorithme dans un environnement de soins réel à l'aide de capteurs en direct et de données de systèmes cliniques. Providence Health Care Ventures et CareFlow d'Excelar étendront leurs systèmes actuels à une plateforme standardisée qui permettra de développer, de tester, de contextualiser, de valider, de mettre en œuvre et d'observer/évaluer les performances des modèles et algorithmes d'IA dans des conditions de tests cliniques réelles pour les développeurs de technologies de la santé de manière plus rapide et plus rentable. L'algorithme d'IA de Medtronic sera le premier module de ce type validé à l'aide de cette plateforme. L'Université de Toronto s'efforcera également d'affiner et d'améliorer la précision de l'algorithme d'alarme en appliquant d'autres apprentissages automatiques et la personnalisation des alarmes, où les alarmes sont conçues pour des types spécifiques de patients, afin de fournir une approche de soins de santé plus personnalisée.
L'architecture du logiciel peut également être facilement étendue à d'autres fournisseurs de SpO2 et à des alarmes pour d'autres paramètres vitaux, comme la fréquence respiratoire et la pression artérielle.
Cette solution visera à réduire considérablement les problèmes liés aux alarmes intempestives dans les hôpitaux et fournira un modèle pour exploiter le potentiel extraordinaire de l’IA pour améliorer les soins.
Chef de projet
Partenaires du projet
-
« Nous sommes ravis d’être le partenaire de santé de ce projet et de l’impact potentiel qu’il aura sur les membres du consortium dans un avenir proche, ainsi que sur la création, l’adoption et le perfectionnement de l’IA dans les opérations de soins de santé réelles. Il s’agit d’un élément essentiel pour la décennie à venir, alors que nous sommes confrontés à des changements démographiques, à des défis en matière de ressources et à des besoins de santé de plus en plus complexes. »
Président, Providence Health Care Ventures