Le nouveau système d’IA détecte les schémas de traumatismes physiques liés aux violences et permet aux soignants d’intervenir plus tôt.
Des scientifiques ont mis au point un outil d’intelligence artificielle (IA) destiné à aider les médecins à repérer les patients susceptibles d’être exposés à un risque de violences au sein du couple (intimate partner violence, IPV), potentiellement des années avant que les victimes ne demandent de l’aide.
PUBLICITÉ
PUBLICITÉ
Des chercheurs aux États-Unis ont entraîné un modèle d’apprentissage automatique à partir de données recueillies lors de visites hospitalières de routine. L’étude (source en anglais) a été publiée dans la revue Nature.
Les violences au sein du couple désignent les abus commis par un partenaire actuel ou ancien et peuvent entraîner des blessures graves, des douleurs chroniques et des troubles de la santé mentale.
Selon un rapport (source en anglais) 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 ce partenaire en 2021.
Le dépistage actuel des violences domestiques à l’hôpital repose généralement sur des questions posées par les médecins à leurs patients sur leur sécurité à domicile. Mais de nombreuses victimes ne révèlent pas les abus, par peur, par crainte de la stigmatisation ou pour des raisons de sécurité, ce qui fait que de nombreux cas passent inaperçus.
L’équipe de recherche a utilisé plusieurs années de dossiers de près de 850 femmes ayant subi des violences au sein du couple et de plus de 5 200 patientes d’âge comparable dans un groupe de contrôle pour construire trois systèmes d’IA différents, afin de tester la capacité de la technologie à identifier les personnes à risque.
Le premier système a analysé des données hospitalières structurées, comme l’âge, les antécédents médicaux et d’autres informations standard sur les patients. Le deuxième s’est penché sur les notes médicales rédigées, notamment les observations des médecins et les comptes rendus de radiologie. Le troisième système combinait ces deux types d’informations.
Les trois modèles ont obtenu de bons résultats, mais le système combiné s’est montré le plus précis. Il a correctement identifié le risque dans 88 % des cas.
L’outil a également été capable de signaler de possibles situations de violence plus de trois ans avant l’entrée de nombreux patients dans des programmes hospitaliers de prise en charge des violences domestiques.
En analysant simultanément de grandes quantités de données hospitalières, le nouveau système d’IA peut détecter des schémas de traumatismes physiques liés aux violences et repérer les patients dont les dossiers ressemblent à ceux de cas avérés, ce qui permet aux professionnels de santé d’intervenir plus tôt.
« Ce système d’aide à la décision clinique pourrait avoir un impact majeur sur la prédiction et la prévention des violences au sein du couple », a déclaré Qi Duan, directeur de programme à la division des technologies d’informatique de santé du National Institute of Biomedical Imaging and Bioengineering (NIBIB), qui dépend des National Institutes of Health (NIH) aux États-Unis.
« Compte tenu de la fréquence des cas, cet outil pourrait devenir un atout déterminant pour la santé publique », a ajouté Duan.
Les chercheurs soulignent que la technologie est conçue pour épauler les cliniciens, non pour se substituer à leur jugement. Elle ne pose pas de diagnostic de violence et n’oblige pas les patients à se confier. Elle fournit plutôt un signal qui peut aider les médecins à aborder le sujet avec précaution et à proposer un soutien si nécessaire.
« Notre travail marque une évolution vers une reconnaissance plus précoce du risque, en utilisant des informations déjà présentes dans les données de santé », a expliqué Bharti Khurana, radiologue d’urgence au Mass General Brigham et professeure associée à la Harvard Medical School.
Les chercheurs indiquent qu’ils prévoient d’intégrer cette technologie aux dossiers médicaux électroniques afin que les hôpitaux puissent bénéficier d’évaluations en temps réel lors des soins courants.