Skip to Main content Skip to Navigation
Master Thesis

Conception d'un modèle de prédiction de la température corporelle à l'aide d'un algorithme d'intelligence artificielle

Résumé : Introduction : La température centrale est un facteur déterminant du pronostic des patients neurolésés. Pourtant, cette valeur reste sous utilisée car souvent limitée à une interprétation par les cliniciens à un instant (t) ou de façon rétrospective. Parallèlement, les applications des algorithmes d’intelligence artificielles (IA) se multiplient, y compris dans le domaine médical. L’objectif de ce travail était de concevoir un algorithme d’IA qui soit capable, d’une part, de prédire la valeur de température du patient à une et deux heures, et d’autre part, de prédire la survenue d’une fièvre ou d’une hypothermie dans les heures à venir. Matériel et Méthodes : Nous avons réalisé après accord du CPP, une étude observationnelle multicentrique au sein de la réanimation polyvalente de l’Hôpital de la Timone et de l'Hôpital Nord, portant sur les données de surveillance enregistrées entre janvier 2011 et janvier 2019. Les patients inclus étaient hospitalisés pendant au moins 24 heures et devaient disposer d’un monitorage invasif de la pression artérielle, de la fréquence cardiaque et de la température. Les méthodes de prédiction évaluées étaient les réseaux de neurones, les méthodes de Gradient Boosting et de Random Forest, les machines à vecteur de support, et les régressions linéaires. Résultats : Sur la période d’étude, les données de 5 146 patients ont été incluses. Nous avons utilisé une cohorte d'apprentissage (n=1 237), une cohorte de validation (n=825) et testé les algorithmes sur une cohorte d’évaluation (n=3 084). Concernant la prédiction d’une valeur de température à une et deux heures, les réseaux de neurones étaient les plus performants, avec une précision de 89,8% et 53,0% respectivement. Pour la prédiction d’une fièvre, les aires sous la courbe ROC (ROCAUC) étaient de 0,992 (IC95% 0,991 - 0,993) à une heure, 0,977 (IC95% 0,976 - 0,978) à deux heures et 0,931 (IC95% 0,930 - 0,932) à quatre heures. Concernant la prédiction d’une hypothermie, les ROCAUC étaient de 0,987 (IC95% 0,985 - 0,989) à une heure, de 0,971 (IC95% 0,969 - 0,973) à deux heures et de 0,936 (IC95% 0,934 - 0,938) à quatre heures. Conclusion : Notre travail est le premier à évaluer l’apport de l’IA en soins critiques dans le domaine de la température corporelle et sur un aussi grand nombre de patients. Grâce à notre algorithme, il est dorénavant possible de prédire avec une grande précision la valeur de température que le patient présentera dans l’heure qui suit. De plus, la détection des épisodes de fièvre ou d’hypothermie est fiable jusqu’à plusieurs heures avant leur survenue.
Complete list of metadatas

Cited literature [41 references]  Display  Hide  Download

https://dumas.ccsd.cnrs.fr/dumas-02399939
Contributor : Faculté de Médecine Amu <>
Submitted on : Monday, December 9, 2019 - 12:03:43 PM
Last modification on : Friday, October 23, 2020 - 4:46:47 PM
Long-term archiving on: : Tuesday, March 10, 2020 - 7:04:25 PM

File

THESE MALET 25-10-19.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : dumas-02399939, version 1

Collections

Citation

Arthur Malet. Conception d'un modèle de prédiction de la température corporelle à l'aide d'un algorithme d'intelligence artificielle. Sciences du Vivant [q-bio]. 2019. ⟨dumas-02399939⟩

Share

Metrics

Record views

61

Files downloads

56