HACRO-HUGORTHO
Le projet HACRO-HUGORTHO vise à améliorer la qualité des comptes rendus opératoires (CRO) des chirurgiens posant des prothèses totales de hanche, de genou et d'épaule au sein des 5 CHU du réseau HUGORTHO. Partant du constat que ces CRO sont souvent incomplets et hétérogènes, le projet propose un programme d'harmonisation de leur rédaction afin d'en renforcer la traçabilité et la valeur pour la recherche clinique. L'évaluation de cet impact repose sur des outils de Traitement Automatique du Langage (TAL), appliqués aux données textuelles stockées dans l'entrepôt de données de santé eHOP®. L'automatisation de la surveillance permettrait d'obtenir des données cliniques en vie réelle à moindre coût, dépassant les limites des registres existants. Ce projet s'inscrit dans l'axe Big Data de HUGO et contribue plus largement à l'amélioration de la surveillance des dispositifs médicaux implantables en France.
Envie d’en savoir d’avantage sur le projet, consultez la note d’information ci-dessous.
Pourquoi cette étude a-t-elle été réalisée ?
Les prothèses de hanche, de genou et d’épaule sont de plus en plus fréquentes avec le vieillissement de la population. Assurer leur suivi dans la durée (matériovigilance) est essentiel pour repérer rapidement d’éventuelles complications et améliorer la sécurité des patients. Or, les informations sur ces interventions sont aujourd’hui rédigées librement par les chirurgiens dans les comptes-rendus opératoires, ce qui rend leur exploitation à grande échelle longue et difficile. L’objectif de cette étude était donc de développer un outil capable de lire et d’extraire automatiquement ces informations à partir des comptes-rendus, grâce à l’intelligence artificielle.
Comment l’étude a-t-elle été menée ?
Le réseau de chirurgiens orthopédistes du Grand-Ouest « HUGORTHO », en lien avec les entrepôts de données de santé des 5 CHU du Grand Ouest (Angers, Brest, Nantes, Rennes et Tours), a transmis près de 1 000 comptes-rendus opératoires de patients opérés d’une prothèse de hanche, de genou ou d’épaule. Un chirurgien orthopédiste en collaboration avec le Centre de Données Clinique de Tours ont d’abord relu et annoté manuellement ces documents pour identifier neuf informations clés : le diagnostic, le côté opéré, l’antibiotique préventif, le type d’anesthésie, la technique chirurgicale utilisée, les éventuelles complications, la fermeture de la peau, la pose d’un drain et l’immobilisation post-opératoire. Ces annotations ont ensuite servi à entraîner un outil d’intelligence artificielle pour qu’il apprenne à repérer ces mêmes informations de façon automatique. Dans le même temps, les orthopédistes ont aligné leur pratique entre les CHU.
Quels sont les principaux résultats ?
L’outil développé s’est révélé très performant : il retrouve correctement les informations recherchées dans plus de 96 cas sur 100, tous types d’information confondus. Certaines informations, comme le type d’anesthésie ou l’antibiotique préventif, sont repérées avec une fiabilité proche de 98 %. D’autres, comme le côté opéré ou les complications, sont un peu plus difficiles à détecter automatiquement, mais restent bien identifiées dans la majorité des cas.
Pourquoi ces résultats sont-ils importants ?
Cette étude montre qu’il est possible d’automatiser la classification des comptes-rendus opératoires en chirurgie orthopédique, avec des paramètres de performance plus élevés qu’attendu. Le retour d’information aux chirurgiens orthopédistes et aux spécialistes des maladies infectieuses concernant le suivi des implants, l’accompagnement de leur prise de décision thérapeutique et l’information des décideurs en matière de santé publique pourraient permettre de mettre en œuvre de futures recherches basées sur les informations extraites de l’outil.
Les limites de l’étude
Cet outil a été développé et testé à partir de comptes-rendus rédigés dans des hôpitaux universitaires, où ces documents suivent déjà des modèles avec des mots-clés bien identifiés. Ses performances pourraient donc être différentes si l’outil était utilisé sur des comptes-rendus provenant d’autres types d’établissements, moins standardisés.
Par ailleurs, l’outil n’est pas encore capable de vérifier par lui-même si un compte-rendu correspond bien à une intervention concernée par l’étude (par exemple une première pose de prothèse). Il pourrait donc, à ce stade, essayer d’extraire des informations à partir de documents qui ne sont pas pertinents pour ce type d’analyse.
En résumé
Cette étude démontre la faisabilité d’un outil d’intelligence artificielle capable d’extraire automatiquement les informations essentielles des comptes-rendus opératoires en chirurgie orthopédique, avec une fiabilité élevée. Ce type d’outil ouvre la voie à une surveillance plus systématique des prothèses implantées, au bénéfice des patients, des chirurgiens et de la santé publique.
Pour en savoir plus : Performance of a NLP Tool for Text Classification from Orthopaedic Operative Reports, Using Data fr…