AiCR : intelligence artificielle dans l'arrêt cardiaque
AiCR : intelligence artificielle dans l'arrêt cardiaque - application d'un algorithme dans le pronostic des arrêts cardiorespiratoires récupérés
Promoteur : Centre Hospitalier Universitaire de Nice
Titre et résumé traduits de l’anglais par le portail, à partir de la fiche publiée par le registre source, le 19 septembre 2026. Traduction automatique, sans relecture médicale : elle ne modifie ni n’interprète le contenu ; en cas de doute, le texte original fait foi.
Texte original (anglais)
AiCR : Artificial Intelligence in Cardiac aRrest
AiCR : Artificial Intelligence in Cardiac aRrest Application of an Algorithm in the Prognosis of Recovered Cardiorespiratory Arrests
The overall incidence of cardiorespiratory arrest in Europe is estimated at 350,000 to 700,000 cases per year. Survival rate is estimated at 10.7% for all rhythm disorders combined. Several examples of AI application in the medical field exist. Ting et al have developed a computer tool capable of diagnosing the presence of diabetic retinopathy with excellent power. In resuscitation, Celi et al proposed a tool capable of predicting the need for crystalloid vascular filling during a systemic inflammatory state. In Nature in 2018, Komorowski demonstrated the efficacy of AI in the hemodynamic management of sepsis. In a study of the renal response to fluid challenge, Zhang et al. demonstrate the effectiveness of the learning machine. Objectives: Determination of an algorithm capable of predicting the mortality of patients admitted to intensive care units (ICU) for ACR from hospitalization reports (CRH). Also use of the algorithm to predict the risk of recurrence of the arrest, the duration of mechanical ventilation, the appearance of sepsis, the development of organ failure, prediction of the CPC (Cerebral Performance Category), time to obtain catecholamine withdrawal, the appearance of acute renal failure with or without the need for extra-renal purification (EER) and duration under EER, the average length of stay. This project is part of a larger, nationwide project with greater power, and includes all the data generated during hospitalization in intensive care. Method: an estimated total number of patients included in this study to be between 300 and 500. The population will come from the intensive care units of Nice, Antibes, Cannes, Grasse. Inclusion will be retrospective, on CRH, CR of CT imaging (cerebral and thoraco-abdomino-pelvic), MRI, EEG, and daily follow-up words, from 2014 to the end of 2020. After anonymisation, application of semantisation using natural language processing (NLP) methods. The data to be extracted are entered in a document written by intensive care physicians. These data will then be stored in a database. In order to meet the main objective, we will develop a computer algorithm capable of predicting mortality in the study population. This algorithm, based on a large database, can be designed using machine learning or even deep learning techniques depending on the amount of data to be processed.
L'incidence globale de l'arrêt cardiorespiratoire en Europe est estimée entre 350 000 et 700 000 cas par an. Le taux de survie est estimé à 10,7 % toutes causes de trouble du rythme confondues. Plusieurs exemples d'application de l'IA dans le domaine médical existent. Ting et al. ont développé un outil informatique capable de diagnostiquer la présence d'une rétinopathie diabétique avec une excellente puissance. En réanimation, Celi et al. ont proposé un outil capable de prédire le besoin de remplissage vasculaire par cristalloïdes lors d'un état inflammatoire systémique. Dans Nature en 2018, Komorowski a démontré l'efficacité de l'IA dans la prise en charge hémodynamique du sepsis. Dans une étude sur la réponse rénale à l'épreuve de remplissage vasculaire, Zhang et al. démontrent l'efficacité de l'apprentissage automatique. Objectifs : détermination d'un algorithme capable de prédire la mortalité des patients admis en unités de soins intensifs (ICU) pour ACR à partir des comptes rendus d'hospitalisation (CRH). Utilisation également de l'algorithme pour prédire le risque de récidive de l'arrêt, la durée de la ventilation mécanique, la survenue d'un sepsis, le développement d'une défaillance d'organe, la prédiction du CPC (Cerebral Performance Category), le délai d'obtention du sevrage en catécholamines, la survenue d'une insuffisance rénale aiguë avec ou sans nécessité d'épuration extra-rénale (EER) et la durée sous EER, ainsi que la durée moyenne de séjour. Ce projet s'inscrit dans un projet plus vaste, à l'échelle nationale et de plus grande puissance, incluant l'ensemble des données générées pendant l'hospitalisation en réanimation. Méthode : le nombre total de patients estimé inclus dans cette étude se situe entre 300 et 500. La population proviendra des unités de soins intensifs de Nice, Antibes, Cannes et Grasse. L'inclusion sera rétrospective, à partir des CRH, des comptes rendus d'imagerie scanner (cérébrale et thoraco-abdomino-pelvienne), d'IRM, d'EEG et des transmissions de suivi quotidien, de 2014 à fin 2020. Après anonymisation, application d'une sémantisation à l'aide de méthodes de traitement automatique du langage naturel (NLP). Les données à extraire sont saisies dans un document rédigé par les médecins réanimateurs. Ces données seront ensuite stockées dans une base de données. Afin de répondre à l'objectif principal, nous développerons un algorithme informatique capable de prédire la mortalité au sein de la population étudiée. Cet algorithme, fondé sur une large base de données, pourra être conçu à l'aide de techniques d'apprentissage automatique, voire d'apprentissage profond, selon le volume de données à traiter.
Vous quittez essai-clinique.com pour le site externe clinicaltrials.gov, géré par l’organisme responsable de l’annonce. La candidature, les questions d’éligibilité et toute information médicale se traitent uniquement là-bas.
Important : essai-clinique.com ne recueille pas de candidature et ne détermine pas votre éligibilité. Ne transmettez aucune information médicale au site.
Les critères affichés sont une synthèse des informations disponibles. Seul l’organisme responsable de l’étude peut confirmer l’éligibilité d’une personne.