Upload
others
View
12
Download
0
Embed Size (px)
Citation preview
Systèmes d’aide à la décision
médicale
L’illusion de la preuve ?
Aurore Armand
Département de médecine d'urgence
Comité d’éthique
Centre Hospitalo-Universitaire d’Angers
Réduire le risque d’erreur médicale
A l’échelle individuelle et générale
Proposition basée sur une multiplication de
données intégrées par des systèmes experts
Les preuves
Systèmes d’aide à la décision médicale
« Constats sur la qualité insuffisante des soins »
« Applications informatiques dont le but est de fournir aux cliniciens en temps
et lieux utiles les informations décrivant la situation cliniques d’un patient
ainsi que les connaissances appropriées à cette situation correctement
filtrées et présentées afin d’améliorer la qualité des soins et la santé des
patients »
Intelligence artificielle
«On découvrira un jour une méthode générale dans le cadre de laquelle il
sera possible de réduire toutes les données rationnelles à une sorte de
calcul». Leibniz 1686
1936, Alan Turing décrit une machine totalement abstraite capable
d'exécuter toute opération logique qu'un homme est susceptible
d'envisager et d'exécuter.
L’ordinateur, à partir de masses de données de toutes natures (chiffres,
renseignements d'ordre alphabétique, relations plus ou moins éparses et non
hiérarchisées) classe, trie, compare, répartit, solutionne pas à pas, grâce à des
algorithmes, les problèmes qui lui sont soumis.
Intelligence artificielle
Terme né en 1956 avec les premiers systèmes informatisés
Développement des systèmes experts dans les années 70
Imiter la démarche humaine dans un domaine défini, selon une méthode de raisonnement:
Traiter des problèmes habituellement résolus par l’homme, pour lesquels il n’existe pas de solutions algorithmiques, ou pour lesquels les solutions algorithmiques ne sont pas pratiquement réalisables (temps ou espace)
Face à une connaissance algorithmique impossible à mettre en œuvre : problème d’explosion combinatoire
Évolution vers des systèmes coopératifs:
Connaissance séparée du raisonnement.
Les utilisateurs d’un systèmes veulent des explications sur le raisonnement du système
Systèmes expert • Logiciels qui utilisent un ensemble de connaissances pour
résoudre une tâche difficile, habituellement traitée par un expert humain
• Analyse des besoins
• Caractéristiques des problèmes posés
• Utilisateur du système? Quels sont ses fonctions, ses connaissances et compétences, ses attentes.
Donne un avis d’experts à des non-experts
Aide les experts
Remplace les experts
Enseigne à de « futurs experts »
Systèmes d’aide à la décision médicale
• Améliorer la sécurité, la qualité et l’efficience des
soins
• Face à la complexité croissante des
connaissances médicales
• Sur la bases de recommandations de pratiques
cliniques et de bon usage des soins
• Activités de prévention, de prescription (actes
diagnostiques ou thérapeutiques)
Systèmes expert
INCONVENIENTS
• Pas d’expérience sensorielle
• Pas toujours
d’apprentissage,
d’adaptabilité, de créativité
• Pas de digression
• Pas de « bon sens »
• Interface (langage, question
posée, choix terminologie)
AVANTAGES
• Reproductibilité
• Permanence
• Efficience
• Gain de temps
• Documentation
• Cohérence
• Stabilité
Systèmes expert d’aide à la décision médicale
• Systèmes d’alerte
• Systèmes consultants
• Système d’assistance documentaire
Mireille Cléret et al., « Les systèmes d'aide à la décision médicale ». Les Cahiers du numérique 2001/2 (Vol. 2), p. 125-154.
Systèmes d’alerte
Chaînage AVANT : Aide à la décision au sens de la production d’informations ou d’alertes en fonction des faits
• Déclenchement d’alarme
• Intégration d’informations concernant le patient (âge, fonction rénale, contre indication…)
• Protocoles thérapeutiques
• Question du contournement, « bris de glace »
• Exhaustivité
Base de connaissance
REGLES
Base de faits
Moteur d’inférence Exploite la base de connaissances et les faits pour résoudre le problème spécifié
Est indépendant de la base de connaissances
invocation
MESSAGE
INTEROPERABILITE entre la base de connaissances, la base de faits, et le moteur
Si la base de fait est saturée, aucune règle supplémentaire ne peut se déclencher
Systèmes d’alerte
Systèmes consultants
- Chaînage ARRIERE : Aide à la décision au sens
« quelle information me manque-t-il pour conclure ? »
Lorsque le chaînage avant ne conclut rien du fait des Non Appropriés (valeurs manquantes)
face à ces symptômes, pour porter un diagnostic, demandez tel examen
• Raisonnement sur une situation médicale définie
• Modélisation de la pratique médicale et des modalités de prise de décision
Systèmes consultants
Expert médical ? Fait appel à des connaissances implicites basées sur un savoir-faire et des connaissances
Méthode heuristique : par approches successives en éliminant progressivement les alternatives et en ne conservant qu'une gamme restreinte de solutions tendant vers celle qui est optimale.
Procédure de décision: comparaison des actions possibles et choix de la meilleure.
Capacité de comprendre, décider, en responsabilité
Lutter contre la « segmentation » du patient
• Autonomie : par rapport à l’information
• Qui doit être comprise pour être transmise
• Equité: données environnementales
Rôle social : soigner, prendre soin
Raisonnement spécifique
Systèmes consultants
Spécificités de la médecine
- Données peuvent être ambiguës, imprécises, complexes,
manquantes : interprétation des signes
- Fiabilité des résultats
- Singularité des présentations, des transmissions d’information,
intégration de l’évolution dans la démarche.
- Subjectivité en médecine: la médecine est-elle une science
exacte, un art ?
- Cas simples // cas complexes
Systèmes consultants
dans la relation de soins
Décisions en climat d’incertitude
Questionnement diagnostique, pronostique et thérapeutique
Sémiologie : « signes »
Nosologie: critères identification de la maladie
Hypothèses
Environnement: données épidémiologiques, psychologiques, sociales…
Individualité patient et médecin
Relation duelle place de la « machine » ?
Interfaces et opacification
Réflexion au-delà d’un organe ou d’une fonction
Systèmes consultants Le raisonnement médical
• Processus analytiques : réflexifs
• Acquisition de connaissance : apprentissage et
expérience
• Stockage dans la mémoire
• Influence du contexte
• Décider et agir
Raisonnement intuitif ou Non analytique : Sans effort conscient Par reconnaissance de formes et d’exemples concrets
Hypothèse(s) diagnostique(s) émise(s) rapidement , sans effort conscient en lien avec la situation clinique Entité pathologique
Activation du script clinique
Guide le raisonnement hypothético déductif et facilite l’association entre signes et maladie
Ann. Fr. Med. Urgence (2011) 1:77-84
Raisonnement hypothético-déductif guidé par le « script »
Confirmer ou rejeter analytiquement la ou les hypothèses diagnostiques générées intuitivement
PROCESSUS DE RAISONNEMENT OBJECTIFS ASSOCIES
Absence de connaissance
intuitive de formes ou
d’exemples concrets
Application de règles
causales
Parvenir à un diagnostic en l’absence
d’hypothèses de départ, par une démarche
systématisée de recherche de données
cliniques et paracliniques
Ann. Fr. Med. Urgence (2011) 1:77-84
Recours aux connaissances
physiopathologiques
PROCESSUS DE RAISONNEMENT OBJECTIFS ASSOCIES
Raisonnement en chaînage avant,
Processus analytique
Processus de raisonnement non analytiques mobilisables par les médecins dans le cadre du raisonnement
clinique (stockés dans la mémoire)
Processus non analytiques Description
Reconnaissance de formes Identification intuitive, par le praticien, d’une configuration
caractéristique de signes (contextuels, cliniques…) évoquant
très fortement un ou plusieurs diagnostic(s)
Reconnaissance d’exemples Identification intuitive, par le praticien, d’une situation clinique
Concrets déjà vécue dans le passé, lui permettant d’évoquer très
fortement un ou plusieurs diagnostic(s)
Ann. Fr. Med. Urgence (2011) 1:77-84
Processus de raisonnement analytiques mobilisables par les médecins dans le cadre du raisonnement
clinique
Processus analytiques Description
Raisonnement hypothéticodéductif Le praticien recherche consciemment - à travers
l’interrogatoire, l’examen clinique et les examens
complémentaires - à confirmer ou à rejeter les hypothèses
diagnostiques envisagées
Raisonnement en chaînage avant Le praticien chemine consciemment des données cliniques et
paracliniques vers la solution, grâce à l’application de règles
causales ou conditionnelles
Examens complémentaires
exemple d’arbre diagnostique
RVN : Rapport de vraisemblance négatif = 1-se/sp
- Rapport de la proportion de faux négatif chez les malades (-se) sur celle des vrais négatifs chez les sujets qui n’ont pas la maladie (sp)
- Permet de calculer la probabilité post test en fonction de la probabilité pré test quand le résultat du test est négatif
Raisonnement Bayesien
La probabilité de la maladie après un
test (probabilité post test) dépend du
rapport de vraisemblance du test ainsi
que de la probabilité de la maladie avant
le test (probabilité pré-test)
Monograme de Fagan (1976)
Système d’assistance documentaire
• Aide indirecte à la prise de décision: faciliter
l’accès aux informations pertinentes
• En un temps record
• Implique de poser la bonne question
• Aide au raisonnement mais pas système de
raisonnement à proprement parler
• Système interface
• Évolutivité permanente
ACCESS
Accessing preappraised evidence: fine-tining the 5S model into a 6S model
American College of Physicians, 15 September2009. Volume 151, Number 3
Système d’assistance documentaire
« Pratiques médicale fondée sur les données probantes » Triade de l’Evidence-Based Practice
Early model of the key elements for evidence-based clinical decisions.
Clinical expertise in the era of evidence based medicine and patient choice.
R Brian Haynes et al. Evid Based Med 2002;7:36-38
EBP
Compétence clinique et évaluation du patient
Données scientifiques Choix et préférences
Du patient
An updated model for evidence-based clinical decisions.
Un nouveau modèle pour l’ “evidence-based” décision
Clinical expertise in the era of evidence based medicine and patient choice.
R Brian Haynes et al. Evid Based Med 2002;7:36-38
Systèmes d’aide à la décision médicale
• Algorithmes en médecine sont des systèmes d’aide
• Rôle d’assistant opérationnel
• Efficacité liée au développement de la documentation et à la maintenance de l’outil
• Développement difficile si les besoins sont mal exprimés
• Procédures de contrôle
• Contraintes techniques
• Systèmes dynamiques
• Ne peuvent répondre à toutes les questions
Exemple situation complexe
• Collégialité humaine requise et légiférée
• Décisions de limitation ou arrêt des thérapeutiques actives
• « Leonetti Claeys » n° 2016-87 du 2 février 2016
• Problématique du temps
• Données factuelles, objectives face à une personne, une situation singulière, des directives, une subjectivité, des disponibilités techniques…
• Question en terme de « déraisonnable », « acharnement »
• Directives anticipées
Champ de l’urgence • Rapidité de décision
• Décider sans diagnostic formel (incertitude diagnostique)
• Anticipation
• Évaluation et interrogation permanente: caractère dynamique de l’environnement informationnel à intégrer
• Adaptation
• Intégration de multiples données: médicales, sociales, psychologiques
• En contexte: interruptions, multiples prises en charge concomitantes
• « Charge affective »
• Autonomie, sécurisation, gain de temps
• Uniformité
• Limiter les « erreurs de raisonnement »
• Transmission de l’information
• Utilisation de scores, d’algorithmes depuis plus de 20 ans
• SADM: non bloquant
• Formation : recours à la simulation
Systèmes d’aide à la décision médicale
Outil
5 principes « rendre les algorithmes responsables »
• Responsabilité
• Explicabilité
• Exactitude
• Auditabilité
• Justiciabilité
Nicholas Diakopoulos de l’université du Maryland et Sorelle Friedler
Institut de recherche Data& Society. Technology review
Systèmes d’aide à la décision médicale • Cadre éthique : contextes, conséquences, valeurs et finalités
• Cadre législatif: responsabilité, consentement, données collectés et utilisation
• Ne pas avoir illusion d’une réponse
• Accumulation de preuves ne signifie pas exploration de toutes les possibilités
• Biais raisonnement par les SADM : poser la bonne question
• Problématique : méconnaissance qui ne permet pas de critiquer une proposition (place dans l’enseignement)
• Rester décisionnaire
• Conserver relation humaine: explications, information, confiance, discussion, consentement
• Une réalité « mise en données » peut être un reflet appauvri, voir déformé de cette réalité
• Hétérogénéité irréductible dans le champ de la médecine
• La visée d’une recherche sans hypothèse peut être illusoire
« Nous agrégeons des données d’après ce que l’on sait déjà, c’est-à-dire d’après la somme de connaissance déjà disponibles; le risque est grand de conforter ce qui est déjà connu, jusqu’à la tautologie » (J.-C; Lambert)
« La donnée est elle-même le résultat d’analyses massives en quelque sorte. L’objet est un résultat et non une évidence »
(A. Cachia)
Les cahiers de l’Espace Ethique- Espace Ethique Région Ile-de-France.
Septembre 2015. « Big data et pratiques médicales »