EAI-ALGO

Contexte 

L'encéphalopathie anoxo-ischémique (EAI) est une atteinte cérébrale grave survenant chez le nouveau-né lors de l'accouchement, due à un manque d'oxygène (anoxie) et de circulation sanguine (ischémie) au niveau du cerveau. Ce défaut d'oxygénation peut entraîner des lésions cérébrales aux conséquences variables selon la gravité et la rapidité de la prise en charge.

Bien que rare (1 à 2 naissances pour 1 000), cette pathologie a des répercussions majeures : 45% des cas aboutissent à un décès ou à des déficiences neurodéveloppementales. La surveillance de l’EAI, sa prise en charge précoce et son impact sur la morbi-mortalité infantile sont donc des enjeux majeurs en santé périnatale. Il est essentiel d’anticiper son apparition, y compris chez les femmes à bas risque (sans antécédents médicaux ou obstétricaux significatifs), et de poser un diagnostic précoce pour assurer une prise en charge optimale en unité de soins adaptée.

Objectif du projet 

Le projet EAI Algo, porté par le CHU de Grenoble et l’Inserm, a pour principal objectif de développer et valider un algorithme permettant d’identifier les cas d’EAI dans la base principale du Système national des données de santé (SNDS).

En parallèle, le projet vise à évaluer la qualité du codage des données hospitalières maternelles et néonatales en lien avec cette pathologie. L’analyse portera notamment sur le codage des événements responsables de l’asphyxie périnatale lors de l’accouchement (événements sentinelles), des comorbidités maternelles, des pathologies néonatales et de la prise en charge des nouveau-nés durant l’hospitalisation initiale.

Méthodologie et caractère innovant 

Le projet exploite les données des cohortes LyTONEPAL (base de référence pour les EAI entre septembre 2015 et mars 2017) et celles de la base principale du SNDS, appariées pour une analyse détaillée des diagnostics néonataux, des actes médicaux, des facteurs de risque maternels et des parcours de soins des enfants.

Ces données permettront d'élaborer et valider des algorithmes prédictifs en s’appuyant sur des variables sélectionnées par des experts néonatologistes et des méthodes avancées de classification. Les performances des algorithmes seront évaluées sur un jeu de test et validées à l’aide de données issues de périodes antérieures et postérieures.

En combinant l’analyse de données à grande échelle et l’intelligence artificielle, EAI Algo vise à renforcer la surveillance en santé publique, améliorer les pratiques cliniques et réduire l’incidence et les conséquences de l’EAI. L’intégration de cet algorithme dans le SNDS représente une opportunité unique de mieux dépister cette pathologie rare mais grave chez les femmes à bas risque. Pour la première fois, les néonatologistes bénéficieront d’un retour direct sur leurs pratiques grâce à cette approche basée sur les données.

Lauréat de la cinquième vague de l’AMI BOAS, le projet EAI Algo bénéficie d’un soutien financier et d’un accompagnement à l’ouverture des résultats par le Health Data Hub.

Résultat / Livrable attendu

L’algorithme de ciblage de l’indicateur de santé EAI permettra une exploitation optimisée des données de la base principale SNDS pour la surveillance de la santé périnatale et infantile. Son déploiement facilitera une meilleure interprétation des tendances de santé périnatale en France.

Les codes sources des algorithmes (SAS et R via l’interface SNDS), ainsi que la documentation associée (définition des critères d’identification de l’EAI et performances des algorithmes), seront partagés dans la Bibliothèque Ouverte d’Algorithmes en Santé (BOAS), garantissant une transparence et une accessibilité aux chercheurs et cliniciens souhaitant exploiter ces outils.