Blog

May 27, 2023

L'apprentissage profond supervisé avec un transformateur de vision prédit le délire à l'aide d'un EEG à plomb limité

Scientific Reports volume 13, Numéro d'article : 7890 (2023) Citer cet article 3877 Accès à 60 détails d'Altmetric Metrics Jusqu'à 80 % des patients gravement malades développent un délire, ce qui augmente le besoin

Rapports scientifiques volume 13, Numéro d'article : 7890 (2023) Citer cet article

3877 Accès

60 Altmétrique

Détails des métriques

Jusqu'à 80 % des patients gravement malades développent un délire, ce qui augmente le besoin d'institutionnalisation et une morbidité et une mortalité plus élevées. Les cliniciens détectent moins de 40 % des cas de délire lorsqu’ils utilisent un outil de dépistage validé. L'EEG est le critère standard, mais il nécessite beaucoup de ressources et n'est donc pas réalisable pour une surveillance généralisée du délire. Cette étude a évalué l'utilisation d'EEG à réponse rapide à dérivation limitée et de méthodes d'apprentissage en profondeur supervisées avec transformateur de vision pour prédire le délire. Cette étude de validation de principe a utilisé une conception prospective pour évaluer l'utilisation de l'apprentissage profond supervisé avec un transformateur de vision et un dispositif EEG à réponse rapide pour prédire le délire chez les personnes âgées gravement malades ventilées mécaniquement. Quinze modèles différents ont été analysés. En utilisant toutes les données disponibles, les modèles de transformateur de vision ont fourni plus de 99,9 % de formation et une précision de test de 97 % sur tous les modèles. Le transformateur de vision avec EEG à réponse rapide est capable de prédire le délire. Une telle surveillance est réalisable chez les personnes âgées gravement malades. Par conséquent, cette méthode a un fort potentiel pour améliorer la précision de la détection du délire, offrant ainsi de plus grandes possibilités d’interventions individualisées. Une telle approche peut raccourcir la durée du séjour à l'hôpital, augmenter le retour à domicile, diminuer la mortalité et réduire le fardeau financier associé au délire.

Le délire est un syndrome aigu se manifestant par une modification de la fonction cognitive globale qui comprend soit une pensée désorganisée, soit une altération du niveau de conscience1. Le délire survient chez jusqu'à 80 % des personnes âgées gravement malades et est associé à de pires résultats cognitifs à long terme2,3. Depuis plus de 20 ans, au moins 10 organisations professionnelles de santé nationales et internationales ont inclus le dépistage systématique du délire dans les lignes directrices de pratique clinique4,5,6. Malgré ces recommandations et la disponibilité de plus de 40 outils de dépistage validés, moins de 10 % des cliniciens déclarent procéder régulièrement à un dépistage du délire4,7. Dans l’environnement des soins intensifs, de nombreux patients sont incapables de participer au dépistage du délire, comme ceux qui sont dans le coma ou dans un état de sédation profonde, et ne peuvent donc pas être testés. Même lorsque ces outils sont utilisés, le délire reste difficile à reconnaître et donc souvent sous-diagnostiqué et sous-traité. À mesure que la durée et la gravité du délire augmentent, il devient de plus en plus difficile à traiter. En conséquence, le délire est associé à une augmentation sur un an du fardeau économique de plus de 44 000 $/patient, ce qui en fait une crise de santé publique mondiale8.

L'électroencéphalogramme (EEG) est un signal représentatif contenant des informations décrivant l'état du cerveau. La forme, l'amplitude et la vitesse d'oscillation des formes d'onde EEG aident à décrire l'affection et facilitent le diagnostic, comme le montre la figure 1. L'utilisation de l'EEG pour la détection du délire a été identifiée pour la première fois dans les années 1940. Romano et Engel ont identifié un ralentissement de l'EEG avec une augmentation du sommeil et une diminution des vagues d'éveil en cas de délire9,10. Ainsi, le délire a été identifié de manière fiable en examinant les changements dans l’activité neuronale à l’aide de l’EEG. Malheureusement, le coût important associé à la mise en place technologique et la nécessité d'une analyse experte ont empêché l'utilisation de l'EEG pour la détection du délire en environnement clinique11,12.

Notre pipeline fonctionnel.

Étape 1 Extrayez les sous-ensembles des données, chaque sous-ensemble a un enregistrement t sec. Divisez ces sous-ensembles en ensemble de formation/test.

Étape 2 Transformez les sous-ensembles en « images » (*).

Étape 3 Utilisez ces « images » pour alimenter le modèle ViT.

Plus récemment, des appareils EEG portables conviviaux avec une précision d'enregistrement équivalente à l'EEG traditionnel et programmés avec des méthodes d'analyse à réponse rapide telles que l'apprentissage automatique sont devenus disponibles13. Ces appareils offrent une configuration rapide par toute personne ayant une formation limitée, fournissant ainsi des données EEG rapides (et donc un EEG à réponse rapide) en quelques minutes, contrairement à l'EEG traditionnel dont la configuration peut prendre jusqu'à une heure et nécessite un personnel spécialement formé. Pour évaluer les formes d'onde EEG, les paramètres du signal sont extraits et analysés à l'aide d'algorithmes statistiques informatiques. Par exemple, l’analyse de séries chronologiques non linéaires offre un aperçu de la nature dynamique et de la variabilité des signaux cérébraux14. Avec le développement d'un algorithme capable d'une détection prédictive précise, les nouveaux appareils EEG peuvent fournir une méthode physiologique réalisable pour aider les cliniciens à détecter le délire.