Le modèle d'apprentissage automatique combine des données temporelles et météorologiques.
Une branche de l'intelligence artificielle (IA), appelée apprentissage automatique, peut prédire avec précision le risque d'arrêt cardiaque hors de l'hôpital - lorsque le cœur s'arrête soudainement de battre - en utilisant une combinaison de données temporelles et météorologiques, selon des recherches publiées en ligne dans le journal Cœur.
L'apprentissage automatique est l'étude des algorithmes informatiques et repose sur l'idée que les systèmes peuvent apprendre des données et identifier des modèles pour éclairer les décisions avec une intervention minimale.
Le risque d'arrêt cardiaque était le plus élevé les dimanches, lundis, jours fériés et lorsque les températures chutent fortement au cours ou entre les jours, selon les résultats.
Ces informations pourraient être utilisées comme système d'alerte précoce pour les citoyens, pour réduire leurs risques et améliorer leurs chances de survie, et pour améliorer la préparation des services médicaux d'urgence, suggèrent les chercheurs.
Les arrêts cardiaques hors hôpital sont courants dans le monde, mais ils sont généralement associés à de faibles taux de survie. Le risque est affecté par les conditions météorologiques dominantes.
Mais les données météorologiques sont vastes et complexes, et l'apprentissage automatique a le potentiel de détecter des associations non identifiées par les approches statistiques unidimensionnelles conventionnelles, déclarent les chercheurs japonais.
Pour explorer cela plus avant, ils ont évalué la capacité de l'apprentissage automatique à prédire un arrêt cardiaque quotidien hors hôpital, en utilisant la météo quotidienne (température, humidité relative, précipitations, chutes de neige, couverture nuageuse, vitesse du vent et lectures de pression atmosphérique) et le calendrier ( année, saison, jour de la semaine, heure de la journée et jours fériés).
Sur 1,299,784 2005 2013 cas survenus entre 525,374 et XNUMX, l'apprentissage automatique a été appliqué à XNUMX XNUMX, en utilisant des données météorologiques ou temporelles, ou les deux (ensemble de données d'entraînement).
Les résultats ont ensuite été comparés à 135,678 2014 cas survenus en 15-XNUMX pour tester la précision du modèle de prédiction du nombre d'arrêts cardiaques quotidiens au cours des autres années (données de test).
Et pour voir à quel point l'approche pourrait être précise au niveau local, les chercheurs ont effectué une « analyse de carte thermique », en utilisant un autre ensemble de données tiré de l'emplacement des arrêts cardiaques hors hôpital dans la ville de Kobe entre janvier 2016 et décembre 2018.
La combinaison des données météorologiques et temporelles a prédit avec la plus grande précision un arrêt cardiaque hors hôpital dans les ensembles de données de formation et de test.
Il a prédit que les dimanches, les lundis, les jours fériés, l'hiver, les basses températures et les fortes baisses de température au cours et entre les jours étaient plus fortement associés à un arrêt cardiaque que les données météorologiques ou temporelles seules.
Les chercheurs reconnaissent qu'ils n'avaient pas d'informations détaillées sur l'emplacement des arrêts cardiaques, sauf dans la ville de Kobe, ni de données sur les conditions médicales préexistantes, qui pourraient toutes deux avoir influencé les résultats.
Mais ils suggèrent : « Notre modèle prédictif de l'incidence quotidienne des [arrêts cardiaques hors hôpital] est largement généralisable à la population générale des pays développés, car cette étude portait sur un échantillon de grande taille et utilisait des données météorologiques complètes. »
Ils ajoutent : « Les méthodes développées dans cette étude servent d'exemple d'un nouveau modèle d'analyse prédictive qui pourrait être appliqué à d'autres résultats cliniques d'intérêt liés aux maladies cardiovasculaires aiguës potentiellement mortelles.
Et ils concluent : « Ce modèle prédictif peut être utile pour prévenir [les arrêts cardiaques hors hôpital] et améliorer le pronostic des patients… via un système d'alerte pour les citoyens et [les services médicaux d'urgence] les jours à haut risque à l'avenir.
Dans un éditorial lié, le Dr David Foster Gaieski, du Sidney Kimmel Medical College de l'Université Thomas Jefferson, est d'accord.
« Connaître le temps qu'il fera très probablement au cours de la semaine à venir peut générer des « avertissements d'urgence cardiovasculaire » pour les personnes à risque – en informant les personnes âgées et les autres des périodes à venir de danger accru, de la même manière que les données météorologiques sont utilisées pour informer les gens de la route dangereuse à venir. conditions pendant les tempêtes hivernales », explique-t-il.
« Ces prévisions peuvent être utilisées pour le déploiement, la planification et la planification des ressources afin que les systèmes de services médicaux d'urgence, les ressources de réanimation des services d'urgence et le personnel du laboratoire de cathétérisme cardiaque soient informés et préparés au nombre de [cas] attendus au cours des prochains jours. ," il ajoute.
Références:
« Modèle d'apprentissage automatique pour prédire les arrêts cardiaques extra-hospitaliers à l'aide de données météorologiques et chronologiques » 17 mai 2021, Cœur.
DOI : 10.1136/heartjnl-2020-318726
« Météo de la semaine prochaine : nuageux, froid, avec risque d'arrêt cardiaque » 17 mai 2021, Cœur.
DOI : 10.1136/heartjnl-2021-318950
Financement : Agence japonaise de restauration et de conservation de l'environnement ; Société japonaise pour la promotion de la science ; Fonds de Recherche Intra-muros des Maladies Cardiovasculaires du Centre National Cérébral et Cardiovasculaire
