Revue de la littérature sur l'IA : synthèse automatisée des données probantes pour les cliniciens, les chercheurs et les responsables de la santé

Revue de littérature assistée par l'IA pour les professionnels de santé

Les outils de revue de littérature assistée par l'IA transforment la façon dont les professionnels de santé se tiennent au courant des dernières recherches scientifiques. Ces assistants numériques exploitent le traitement du langage et l'automatisation pour extraire rapidement les points saillants et résumer les points clés d'un grand nombre d'articles de recherche, permettant ainsi des soins fondés sur des données probantes avec une réduction significative des efforts manuels.

Problème

Les professionnels de santé sont confrontés à des défis majeurs pour se tenir au courant d'une littérature scientifique en constante évolution. Le volume considérable de nouvelles recherches, associé aux contraintes de temps, rend difficile la réalisation de revues de littérature complètes et pertinentes. Cela entraîne souvent des pertes de temps, de la frustration et des lacunes potentielles dans les connaissances, ce qui impacte les décisions de soins des patients.

Ampleur du problème

• Les médecins passent jusqu'à 21 heures par jour à lire les dernières actualités scientifiques, ce qui laisse peu de place à une analyse et une synthèse approfondies.
• Plus de 7 000 articles sont publiés chaque mois dans les seules revues de soins primaires, submergeant les cliniciens d'informations.
• La grande hétérogénéité des plans d'étude, des populations et des résultats complique la synthèse des données pour les revues systématiques.

Solution

• Un assistant numérique basé sur l'IA automatise la recherche, le tri et la synthèse de la littérature médicale.
• L'outil fournit des informations concises sur les objectifs, les méthodologies, les résultats et les implications de la recherche, essentielles pour les revues systématiques et les méta-analyses.
• Intégration directe avec des référentiels fiables tels que PubMed, MedQA et MedMCQA permet d'accéder à des données probantes de haute qualité et actualisées.

Coût d'opportunité

• Permet aux cliniciens de trouver des informations fondées sur des données probantes 4,4 fois plus rapidement, libérant ainsi un temps précieux pour les soins aux patients.
• Les systèmes d'IA s'adaptent efficacement à l'augmentation constante des publications de recherche sans augmenter les coûts de main-d'œuvre.

Impact

• Réduit considérablement la charge cognitive et administrative des professionnels de santé en automatisant les tâches chronophages de revue de la littérature.
• Améliore la rapidité et la qualité de la prise de décision clinique en faisant émerger plus efficacement des données probantes pertinentes et de haute qualité.
• Améliore l'efficacité opérationnelle, se traduisant par de meilleurs résultats pour les patients et des pratiques plus rentables.

En simplifiant les revues de la littérature et la synthèse des données probantes, les outils d'IA permettent aux professionnels de santé de se concentrer sur des décisions cliniques nuancées et d'orienter les soins aux patients, tout en garantissant Des connaissances actualisées sous-tendent leur pratique. (Hypothèse : les données d’impact sur les résultats cliniques sont extrapolées à partir d’études publiées sur les gains de temps et l’amélioration des flux de travail.)

Sources de données

Les sources de données recommandées incluent PubMed pour les dernières recherches médicales évaluées par des pairs, ainsi que des ensembles de données d’assurance qualité validés comme MedQA et MedMCQA pour soutenir l’entraînement des modèles d’IA aux tâches de réponse aux questions médicales et de synthèse.

Références

• Alper BS, Hand JA, Elliott SG, Kinkade S, Hauan MJ, Onion DK, Sklar BM. Quel effort est nécessaire pour se tenir au courant de la littérature pertinente pour les soins primaires ? J Med Libr Assoc. 2004 Oct ;92(4):429-37. PMID : 15494758 ; PMCID : PMC521514.
• Heaton, Heather et al. Analyse du temps et des mouvements : Impact des scribes sur la gestion du temps des soignants. The Journal of Emergency Medicine. 2018. 10.1016/j.jemermed.2018.04.018.
• Jiao, Weiqi et al. « Valeur économique et impact clinique de l’intelligence artificielle dans les soins de santé : revue de la littérature. » IEEE Access 11 (2023) : 123445-123457. Lien.

Invite :

Rôle : Vous êtes MediSummaryAI, un assistant de tri et de synthèse de la littérature clinique destiné aux professionnels de santé. Objectif : Trouver, évaluer et synthétiser rapidement les données probantes les plus pertinentes et de la plus haute qualité pour répondre à la question clinique de l’utilisateur, en utilisant uniquement des sources fiables (sources principales PubMed ; optionnelles MedQA/MedMCQA). Aucune invention. Données attendues (à demander si manquantes) : - Question clinique et intention - Patient/contexte (âge, sexe, comorbidités, contexte) - Période/intervalle de dates - Types d’études privilégiés (ECR, SR/MA, recommandations, cohortes) - Nombre maximal d’articles à examiner - Inclusion/exclusion (langue, humains, pédiatrie/adultes, zones géographiques) Par défaut si non spécifié : humains, anglais, 5 dernières années, prioriser les recommandations/SR-MA/ECR. Méthode : 1) Traduction en PICO. 2) Création et affichage d’une chaîne de recherche PubMed (MeSH + mots-clés, filtres). 3) Récupération, déduplication et filtrage par titre/résumé. 4) Évaluation critique (RoB 2 pour les ECR, AMSTAR 2 pour les SR, NOS pour les études observationnelles). 5) Extraire : conception, N, population, interventions/comparateurs, résultats, ampleurs d’effet avec IC, suivi, préjudices, financement/conflits d’intérêts. 6) Synthétiser (récit ; noter l’hétérogénéité ; citer les lignes directrices). Appliquer GRADE pour plus de certitude. 7) Fournir les implications pratiques, les lacunes et les prochaines étapes. Indiquer les limites et les incertitudes. Citations : Fournir le PMID, le DOI et les liens directs vers PubMed. Si la source n’est pas disponible, le préciser et fournir uniquement la stratégie de recherche. Structure de la réponse : - Compréhension de la requête (PICO) - Stratégie de recherche (chaîne, filtres, date) - Résumé de la sélection (nombre, raisons) - Résumés d’études [≤ 200 mots chacun] - Synthèse des données probantes (GRADE, hétérogénéité, cohérence) - Implications pour la pratique - Limites/Incertitudes - Étapes suivantes (recherches/données supplémentaires) - Références (PMID/DOI/liens) Style : concis, axé sur les données probantes, sans chaîne de pensée, non prescriptif. Ne constitue pas un avis médical.