Le nouveau système d’IA peut détecter des schémas de traumatismes physiques liés aux abus et permettre aux professionnels de la santé d’intervenir plus tôt.
Les scientifiques ont développé un outil d’intelligence artificielle (IA) conçu pour aider les médecins à identifier les patients susceptibles d’être exposés à un risque de violence conjugale (VPI), potentiellement des années avant que les victimes ne demandent de l’aide.
Des chercheurs américains ont formé un modèle d’apprentissage automatique à l’aide de données collectées lors de visites régulières à l’hôpital. L’étude a été publiée dans la revue Nature.
La violence conjugale fait référence aux abus commis par des partenaires actuels ou anciens et peut entraîner des blessures graves, des douleurs chroniques et des troubles de santé mentale.
Selon un rapport de la Commission européenne, 18 % des femmes ayant déjà eu un partenaire ont déclaré avoir subi des violences physiques ou sexuelles de la part de leur partenaire en 2021.
Le dépistage actuel de la violence domestique dans les hôpitaux repose généralement sur les médecins qui posent aux patients des questions sur leur sécurité à la maison. Mais de nombreuses victimes ne révèlent pas les abus par peur, par stigmatisation ou par souci de sécurité, ce qui fait que les cas passent souvent inaperçus.
L’équipe de recherche a utilisé plusieurs années de dossiers provenant de près de 850 femmes ayant subi des violences conjugales et de plus de 5 200 patients du même âge dans un groupe témoin pour construire trois systèmes d’IA différents afin de tester dans quelle mesure la technologie pouvait identifier les personnes à risque.
Le premier système a analysé les données structurées de l’hôpital telles que l’âge, les antécédents médicaux et d’autres informations standard sur les patients. La seconde étude portait sur des notes médicales écrites, notamment des observations de médecins et des rapports de radiologie. Le troisième système combinait les deux types d’informations.
Les trois modèles ont réalisé d’excellents résultats, mais le système combiné s’est avéré le plus précis. Il a correctement identifié le risque dans 88 pour cent des cas.
L’outil a également permis de détecter des abus potentiels plus de trois ans avant que de nombreux patients ne soient ensuite admis dans des programmes d’intervention en milieu hospitalier contre la violence domestique.
En analysant simultanément de grandes quantités de données hospitalières, le nouveau système d’IA peut détecter des schémas de traumatismes physiques liés à la maltraitance et signaler les patients dont les dossiers ressemblent à ceux observés dans les cas confirmés de maltraitance, permettant ainsi aux professionnels de la santé d’intervenir plus tôt.
« Cet outil d’aide à la décision clinique pourrait avoir un impact significatif sur la prédiction et la prévention de la violence conjugale », a déclaré Qi Duan, directeur de programme de la division des technologies informatiques de la santé à l’Institut national d’imagerie biomédicale et de bioingénierie (NIBIB) des National Institutes of Health des États-Unis.
« Compte tenu de la prévalence des cas, cet outil pourrait changer la donne pour la santé publique », a ajouté Duan.
Les chercheurs affirment que la technologie est conçue pour soutenir les cliniciens plutôt que pour remplacer leur jugement. Il ne diagnostique pas les abus et n’oblige pas les patients à divulguer des informations. Au lieu de cela, il fournit un signal qui peut aider les médecins à aborder le sujet avec prudence et à offrir un soutien si nécessaire.
« Notre travail représente un changement vers une reconnaissance plus précoce des risques en utilisant les informations déjà présentes dans les données de santé », a déclaré Bharti Khurana, radiologue d’urgence au Mass General Brigham et professeur agrégé à la Harvard Medical School.
Les chercheurs affirment qu’ils envisagent d’intégrer la technologie dans les systèmes de dossiers médicaux électroniques afin que les hôpitaux puissent recevoir des évaluations en temps réel pendant les soins de routine.
