IA en anesthésie : comment KOI réduit les erreurs de classification ASA-PS de 89 %

Le problème : la variabilité dans la classification ASA-PS

#

La classification ASA-PS est le gold standard pour l’évaluation préopératoire du risque anesthésiologique. Chaque patient devant être opéré reçoit un score de ASA I (patient en bonne santé) à ASA V (patient moribond), qui guide les décisions de l’anesthésiste sur le type d’anesthésie, le monitorage et la gestion postopératoire.

Un système critique avec un défaut connu

#

Le problème est connu depuis des décennies : la variabilité inter-observateur est élevée. Des études publiées montrent que les anesthésistes s’accordent sur la classification correcte dans seulement 70 % des cas — 7 fois sur 10.

Cela signifie que le même patient, examiné par deux anesthésistes différents, peut recevoir des classifications différentes. Et la classification ASA-PS n’est pas un exercice académique : elle détermine le niveau de monitorage, les précautions anesthésiologiques et l’allocation des ressources.

Ce qui se passe quand la classification est erronée

#

L’étude HTX : 11 modèles IA, 20 cas cliniques

#

HTX a mené une étude systématique pour évaluer si les modèles de langage (LLM) peuvent améliorer la cohérence de la classification ASA-PS.

Méthodologie

#

• 20 vignettes cliniques standardisées, sélectionnées parmi les benchmarks ASA-PS les plus étudiés dans la littérature scientifique
• 11 modèles de langage testés, des modèles de première génération aux modèles de raisonnement avancés
• Tests multilingues : chaque cas évalué en anglais et en italien
• Essais répétés : chaque modèle testé plusieurs fois pour vérifier la reproductibilité

Les modèles testés

#

Résultats clés

#

Les modèles de raisonnement avancés atteignent 97,5 % de précision (IC 95 % : 92,9 %-99,1 %), dépassant significativement :

• Les modèles de première génération (~77 %)
• Le benchmark humain (7,7/10 = 77 %)

L’erreur moyenne chute drastiquement :

• Médecins : 2,3 erreurs de classification pour 10 cas
• Modèles première génération : 2,3 erreurs de classification (similaire aux médecins)
• Modèles avancés : 0,25 erreur de classification pour 10 cas

Cela représente une réduction de 89 % de l’erreur par rapport à la classification manuelle.

DeepSeek R1 : confidentialité sans compromis

#

Un résultat particulièrement notable : DeepSeek R1, un modèle open-source déployable entièrement on-premise, a montré :

• Une précision au niveau des meilleurs modèles commerciaux
• Une reproductibilité parfaite sur les essais répétés (même cas, même résultat)
• Zéro dépendance aux serveurs cloud

Cela démontre que le déploiement privé — fondamental en santé — est réalisable sans sacrifier la précision.

Comment fonctionne KOI

#

KOI est le système d’aide à la décision pour l’anesthésiologie développé par HTX. Il transforme les résultats de la recherche en un outil clinique utilisable.

Le flux de travail

#

Étape 1 — Analyse du dossier médical

KOI reçoit les données du patient : antécédents, examen physique, examens diagnostiques. Le modèle IA analyse le tableau clinique complet en utilisant une approche chain-of-thought — le même type de raisonnement structuré qu’un anesthésiste expérimenté applique mentalement.

Étape 2 — Classification ASA-PS

Le modèle produit :

• Une classification ASA-PS (de I à V)
• Un raisonnement clinique détaillé expliquant pourquoi il a choisi cette classe
• Un score de confiance indiquant le degré de certitude du modèle
• Les diagnostics clés ayant influencé la décision

Chaque classification est explicable et vérifiable. Ce n’est pas une boîte noire.

Étape 3 — Décision du médecin

L’anesthésiste :

• Lit la classification proposée et le raisonnement
• La compare avec son propre jugement clinique
• Décide de l’accepter, de la modifier ou d’approfondir

KOI est un système human-in-the-loop : il assiste la décision du médecin, il ne la remplace pas.

Architecture : les données ne quittent jamais l’hôpital

#

KOI fonctionne sur PRISMA, l’infrastructure IA privée de HTX :

• On-premise : le modèle tourne au sein de l’hôpital
• Chiffrement de bout en bout : les données sont protégées en transit et au repos
• Aucune donnée vers l’extérieur : pas même les métadonnées
• Conforme RGPD et AI Act by design

Dans un secteur où 38,4 % des études sur les LLM n’implémentent pas de protections adéquates des données, KOI est conçu pour la confidentialité dès sa conception.

Statut réglementaire et feuille de route

#

Research Use Only (RUO)

#

KOI est actuellement classé Research Use Only — utilisable pour :

• La recherche clinique
• La validation scientifique
• Les études observationnelles
• La formation et l’entraînement

Il n’est pas utilisable pour la pratique diagnostique clinique.

Parcours vers le dispositif médical

#

HTX suit un parcours structuré de certification :

Le projet financé

#

KOI est né du projet « ASA-PS Classification », financé par la Région Friuli Venezia Giulia (LR 22/2022, art. 7 — soutien aux projets de validation TRL 6-8, subvention de 90 000 euros). En collaboration avec l’Ospedale del Quadrante (Ramsay Santé), le projet valide cliniquement le système IA pour la classification ASA-PS sur la période décembre 2025 - novembre 2026.

Pourquoi l’IA en anesthésiologie est différente

#

L’IA en médecine est souvent associée à des promesses excessives. La classification ASA-PS est un cas différent, pour trois raisons :

1. Le problème est bien défini

#

La classification ASA-PS a des critères clairs, des cas d’étude publiés et des benchmarks consolidés. Nous ne demandons pas à l’IA de « diagnostiquer le cancer » — nous lui demandons de classer un patient sur une échelle standardisée, en utilisant des informations structurées.

2. L’erreur humaine est documentée et fréquente

#

La variabilité inter-observateur de 30 % n’est pas contestée : c’est un fait publié et répliqué. L’IA ne doit pas être parfaite — elle doit être plus cohérente que les médecins. Et avec 97,5 % de précision, elle l’est.

3. Le modèle human-in-the-loop atténue le risque

#

KOI ne décide pas : il propose. Le médecin a toujours le dernier mot. Le système ajoute un deuxième avis objectif — comme avoir un collègue expert toujours disponible.

À qui s’adresse KOI

#

KOI est pertinent pour :

• Les hôpitaux qui souhaitent réduire la variabilité dans l’évaluation préopératoire
• Les groupes hospitaliers qui recherchent la cohérence entre différentes structures
• Les chercheurs en anesthésiologie qui étudient l’aide à la décision par IA
• Les universités qui forment des internes en anesthésie

Si vous êtes intéressé par une collaboration de recherche ou un pilote RUO, contactez-nous.

Découvrir KOI →

Cet article a été rédigé par l’équipe de HTX — Human Technology eXcellence. KOI est actuellement Research Use Only (RUO). Les informations contenues dans cet article ont un caractère informatif et ne constituent pas un avis médical.

Questions fréquentes

#