Une équipe coréenne publie des résultats prospectifs et interventionnels montrant qu’un algorithme d’aide à la surveillance hospitalière, DeepCARS, peut prédire le risque d’arrêt cardiaque dans les 24 heures et améliorer les issues des patients sans nécessiter d’augmentation des effectifs. L’étude a suivi 36 797 patients adultes hospitalisés en service général pendant un an et compare l’impact d’une réévaluation clinique après alarme à l’absence de réponse.
Contexte et protocole
DeepCARS est un dispositif d’aide à la décision clinique développé par Vuno, entreprise sud‑coréenne spécialisée en intelligence artificielle médicale. L’algorithme se base sur quatre constantes vitales mesurées en milieu de soins généraux pour estimer le risque d’apparition d’un arrêt cardiaque dans les 24 heures et signale ce risque par une alarme destinée à inciter le corps médical à réévaluer le patient.
La première évaluation prospective et interventionnelle du dispositif a été conduite par l’équipe du professeur Kim, de l’Inha University Hospital, et publiée dans la revue Diagnostics. Sur une période d’un an, 36 797 patients hospitalisés ont été suivis. Parmi eux, 2 906 patients ont déclenché une alarme DeepCARS. Les chercheurs ont comparé deux sous‑groupes parmi ces patients : un groupe « intervention » ayant reçu une réévaluation ou un traitement dans les 24 heures suivant l’alarme, et un groupe témoin qui n’a pas fait l’objet d’une réponse à l’alarme sur la même période.
Résultats et signification clinique
Les résultats rapportés indiquent une diminution marquée des événements adverses dans le groupe ayant fait l’objet d’une action clinique rapide. Le taux d’arrêt cardiaque intrahospitalier est passé d’environ 2,07 % à 1,06 % dans le groupe avec intervention, soit une réduction d’environ 46 %. La mortalité intrahospitalière a également diminué, passant d’environ 2,74 % à 1,70 % dans ce même groupe, soit une baisse d’environ 35 %.
Les auteurs notent en outre une relation temporelle entre la rapidité de l’intervention après l’alarme et l’amélioration du pronostic : plus la réévaluation ou le traitement est précoce, meilleur semble être le résultat pour le patient. Selon les rapports, ces gains ont été obtenus sans modification majeure des circuits cliniques ni besoin d’augmenter les effectifs soignants, ce qui suggère une intégration opérationnelle compatible avec les pratiques en service général.
Dans la synthèse communiquée par Vuno, le directeur technique Juseong Hoon estime que « ces résultats prospectifs confirment l’impact clinique de DeepCARS », et l’entreprise annonce la préparation d’un essai randomisé multicentrique pour renforcer le niveau de preuve. Par ailleurs, les données seront présentées au Global Patient Safety Summit 2026.
Limites, enjeux et perspectives
Cette étude apporte des éléments prospectifs importants en faveur d’un outil de prédiction fondé sur quelques constantes vitales, mais plusieurs limites et questions pratiques demeurent avant une adoption plus large :
- généralisabilité : l’étude a été conduite dans un seul centre hospitalier coréen et il reste à vérifier si les résultats se recoupent dans d’autres établissements et systèmes de soins ;
- aspects opérationnels : le rendement réel dépendra de la manière dont les équipes intègrent les alarmes dans leur flux de travail et évitent la saturation d’alertes ;
- caractéristiques de l’algorithme : l’étude s’appuie sur quatre constantes vitales, mais des détails sur les seuils, la sensibilité et les spécificités liées à différents profils de patients ne sont pas développés dans la synthèse ;
- preuve de niveau supérieur : Vuno annonce un essai randomisé multicentrique, qui sera nécessaire pour confirmer l’effet observé et documenter les bénéfices et risques à plus grande échelle.
Ce qui reste à confirmer : l’efficacité de DeepCARS dans des contextes hospitaliers internationaux, l’impact sur les flux de travail et le risque d’« alarm fatigue », ainsi que les résultats issus de l’essai randomisé multicentrique en préparation.
À retenir
- Une étude prospective coréenne sur 36 797 patients suggère que DeepCARS réduit les arrêts cardiaques et la mortalité intrahospitalière.
- L’algorithme prédit le risque dans les 24 heures en s’appuyant sur quatre constantes vitales et alerte le personnel pour réévaluation.
- Une intervention rapide après alarme est associée à de meilleurs pronostics.
- Les bénéfices rapportés ont été obtenus sans augmentation des effectifs ni modification majeure des circuits cliniques.
- Des évaluations multicentriques et un essai randomisé sont nécessaires pour confirmer la généralisation des résultats.
Article amélioré avec l'IA - Article original
