Arrêt cardiaque : et si l’IA guidait les témoins ?
Dr Bernard-Alex Gauzere
40 000 arrêts cardiaques par an en France, moins de 10 % de survie. Un outil d’IA dédié à la RCP, pourrait épauler les opérateurs du SAMU pour mieux guider les témoins lors d’un arrêt cardiaque extrahospitalier
Environ 350 000 arrêts cardiaques en dehors de l’hôpital surviennent chaque année aux États-Unis, avec un taux de survie d’environ 9 %. La réanimation cardio-pulmonaire (RCP) pratiquée par des témoins sauveteurs augmente le taux de survie, mais seuls 41,7 % des victimes d’un arrêt cardiaque extrahospitalier en bénéficient, probablement en raison d’une formation insuffisante et d’un soutien insuffisant pour intervenir. Bien que 65 % des adultes américains déclarent avoir bénéficié d’une formation à la RCP, seuls 18 % l’ont suivie au cours des deux dernières années et 2 % au cours de l’année écoulée.
La RCP assistée par un opérateur est efficace
La RCP assistée par opérateur (T-RCP) a été mise en place dans les années 1980 afin de combler cette lacune. Elle est associée à une augmentation de 60 % des chances de survie à 30 jours par rapport à l’absence de RCP pratiquée par des témoins, mais ses résultats sont moins bons que ceux obtenus lorsque les témoins commencent la RCP avant d’appeler le numéro d’urgence.
La reconnaissance rapide d’un arrêt cardiaque extrahospitalier et la transmission d’instructions claires au témoin sauveteur, fondées sur des données probantes et adaptées à l’étiologie sous-jacente, constituent un défi persistant. Les opérateurs mettent en moyenne 75 secondes pour reconnaître un arrêt cardiaque, les compressions thoraciques commençant en moyenne 176 secondes après le début de l’appel en raison du délai de reconnaissance de l’arrêt et de transmission des instructions par l’opérateur.
La généralisation de l’intelligence artificielle (IA), notamment les grands modèles de langage, offre une approche complémentaire pour l’aide à la RCP par les témoins. Ces modèles, entraînés sur de vastes quantités de données, peuvent fournir des instructions étape par étape en temps réel. Contrairement à la T-RCP, l’IA fournit des conseils immédiats et standardisés et peut être mise à jour rapidement pour refléter l’évolution des recommandations.
Des auteurs ont évalué des modèles d’IA largement disponibles afin de fournir des instructions de RCP conformes aux recommandations dans des scénarios simulés d’arrêt cardiaque extrahospitalier (ACEH). Ils ont ensuite utilisé ces résultats pour développer ChatCPR, un instructeur de RCP basé sur l’IA et servant de preuve de concept. Cet outil a d’abord été évalué à l’aide de scénarios simulés, puis testé à nouveau sur un ensemble d’appels au numéro d’urgence mis de côté pour le test, en comparant sa conformité aux directives de RCP à celle des opérateurs humains.
Cinq scénarios d’urgence testés avec 6 outils d’IA
Dans cette étude transversale, des scénarios d’urgence simulés ont été utilisés pour évaluer les capacités d’instruction de la RCP de modèles d’IA largement disponibles (GPT-4o, Claude, Gemini, Grok, Llama et Mixtral). Les modèles ont été évalués sur leur respect de critères minimaux de viabilité, comprenant des instructions telles que la réalisation de compressions thoraciques d’une profondeur appropriée, et de critères d’efficacité maximale, comprenant des instructions plus nuancées telles que la garantie d’un rebond complet après chaque compression, tous issus des recommandations 2024 de l’American Heart Association (AHA) en matière de RCP.
Quatre scénarios mettaient en scène des arrêts cardiaques confirmés chez des personnes de différents âges et dans diverses situations, dans lesquelles les consignes de RCP devaient être données différemment. Un scénario représentait une urgence sans arrêt cardiaque afin d’évaluer la capacité des modèles à s’abstenir de donner des consignes de RCP, à surveiller l’évolution de l’état du patient dans ces cas-là, ou les deux. Les scénarios comprenaient un homme de 45 ans inconscient qui s’était effondré en faisant son jogging dans un parc, un garçon de 4 ans inconscient repêché d’une piscine, un homme de 25 ans inconscient qui s’était écroulé dans un gymnase, une femme de 70 ans inconsciente victime d’un malaise dans une épicerie, et une fillette de 2 ans consciente en détresse respiratoire mais ne nécessitant pas de RCP immédiate.
Soumis aux six modèles, ceux-ci ont atteint en moyenne 89,7 % (IC à 95 % : 84,8 %-93,2 %) des critères de viabilité minimale, allant de 79,4 % (IC à 95 % : 63,2 %-89,7 %) pour Gemini à 97,1 % (IC à 95 % : 85,1 %-99,5 %) pour Grok et Claude, GPT-4o se situant également dans le groupe de tête avec 94,1 % (IC à 95 % : 80,9 %-98,4 %). Les modèles ont atteint une moyenne de 69,8 % (IC à 95 % : 65,5 %-73,7 %) des critères d’efficacité maximale, allant de 61,3 % (IC à 95 % : 50,3 %-71,2 %) pour Llama à 75,0 % (IC à 95 % : 64,5 %-83,2 %) pour GPT-4o.
L’enseignement de la RCP assisté par l’IA s’avère prometteur pour aider les témoins à pratiquer la RCP
ChatCPR, l’outil d’IA spécialement conçu à partir du modèle open source Llama 3.3, a atteint 100 % (IC à 95 % : 89,8 %-100 %) et 100 % (IC à 95 % : 95,4 %-100 %) de conformité aux critères de viabilité minimale et d’efficacité maximale, respectivement, pour les mêmes scénarios. Il surpassait notamment son modèle de base pour l’utilisation du défibrillateur automatisé externe (DAE), le positionnement lors de la RCP et les nuances techniques propres à la RCP pédiatrique.
Lors d’un nouveau test portant sur des appels réels au 911, ChatCPR a atteint un taux de conformité de 100 % (IC à 95 % : 88,6 %-100 %) aux critères de viabilité minimale et de 98,9 % (IC à 95 % : 94,0 %-99,8 %) aux critères d’efficacité maximale — le seul critère non respecté, dans un seul appel, concernant l’ordre d’évaluation de la réactivité et de la respiration. Ces résultats représentent des améliorations absolues de 15,5 points de pourcentage (IC à 95 % : 2,1-27,4 ; p = 0,02) et de 36,1 points de pourcentage (IC à 95 % : 27,2-44,3 ; p < 0,001) par rapport aux opérateurs humains du 911 (84,5 % ; IC à 95 % : 73,1 %-91,6 % et 62,8 % ; IC à 95 % : 55,0 %-70,0 %, respectivement).
L’IA en renfort, pas en remplacement
Les études futures devraient prendre en compte des facteurs propres à la population générale, tels que le bruit ambiant ou une connectivité limitée, susceptibles de nuire à l’efficacité des instructions de RCP fournies par l’IA, ainsi que les facteurs humains (par exemple, la clarté des instructions en situation de stress, la concision, la gestion des erreurs, l’adaptabilité et le soutien comportemental) ainsi que la multitâche opérationnelle (par exemple, la coordination des secours et l’évaluation de la sécurité sur les lieux).
Un éditorial accompagnant cette étude souligne par ailleurs que, pour être utilisable en pratique courante, un tel outil devrait intégrer des fonctionnalités de reconnaissance et de synthèse vocale ainsi qu’une prise en charge multilingue. Il rappelle également que les arrêts cardiaques ne représentent qu’une infime part des appels d’urgence (moins de 2 % dans le registre utilisé) et que l‘IA devrait fonctionner comme un adjuvant au dispatching humain, et non comme un substitut, en prenant en charge les tâches protocolisées tout en laissant à l’opérateur la maîtrise des situations complexes. Enfin, le taux de faux positifs de l’outil dans des situations où la RCP n’est pas indiquée reste à évaluer.
Santé-Environnement-Politique 