Pendant qu’un enfant est sous anesthésie générale, l’équipe médicale vérifie en continu qu’il respire correctement. L’un des indicateurs clés est alors le taux de dioxyde de carbone dans le sang.
Pour l’évaluer avec la plus grande précision, il faut insérer un cathéter fin dans une artère et prélever du sang. Mais chez les nouveau-nés et les nourrissons, les vaisseaux sont si étroits que la pose du cathéter est difficile. Les prélèvements répétés peuvent aussi accroître le risque de lésions vasculaires ou la charge liée à l’anémie.
Des chercheurs sud-coréens ont ouvert une voie permettant d’estimer l’état respiratoire d’un enfant sans prélèvement supplémentaire, en exploitant plusieurs signaux physiologiques mesurés pendant l’opération. L’équipe du Pr Kim Hyun-ho, du service de pédiatrie de l’hôpital pour enfants Saint Nicholas du Seoul St. Mary’s Hospital (Université catholique de Corée), a annoncé le 21 avoir développé un modèle d’intelligence artificielle (IA) capable d’estimer le taux de dioxyde de carbone dans le sang. Les premiers auteurs sont Park Ju-hyun, interne au service d’anesthésiologie et de médecine de la douleur du Seoul Asan Medical Center, et Cho Chae-eun, étudiante à la faculté de médecine de l’Université Korea.
En chirurgie pédiatrique, mesurer uniquement le CO₂ expiré peut diverger des valeurs sanguines réelles
Il existe aujourd’hui une méthode pour surveiller l’état respiratoire sans prise de sang : la mesure du « dioxyde de carbone de fin d’expiration » (EtCO₂), qui quantifie le CO₂ expiré lorsque le patient souffle jusqu’au bout.
Mais cette valeur n’est pas toujours identique à celle du dioxyde de carbone dans le sang. Si l’équilibre entre l’air entrant dans les poumons et le flux sanguin est perturbé, ou en cas de problème de fonction cardiaque ou pulmonaire, l’écart peut s’accentuer.
Pour réduire cette erreur, l’équipe a ajouté au CO₂ expiré la température corporelle, les paramètres du ventilateur, l’âge, des informations sur les antécédents médicaux, etc. Au total, dix variables ont été utilisées pour entraîner l’IA.
Analyse de 3 586 enfants : l’erreur moyenne diminue de 23 %
L’équipe a analysé 8 853 paires de mesures issues de 3 586 patients pédiatriques enregistrés dans « VitalDB », une base de données publique de signaux physiologiques collectés en salle d’opération.
Dans les données de VitalDB, les valeurs estimées par l’IA différaient en moyenne de 2,73 mmHg des résultats réels des analyses sanguines. Lorsque seul l’EtCO₂ était utilisé, l’erreur moyenne était de 3,56 mmHg. En intégrant plusieurs signaux physiologiques, l’erreur a diminué de 0,83 mmHg, soit environ 23 %.
L’équipe a également vérifié les performances sur des données de patients distinctes, non utilisées pour développer l’IA. Sur 92 mesures provenant de 50 patients pédiatriques du Chungnam National University Hospital, l’erreur moyenne était de 3,65 mmHg. Sur 2 138 mesures de 499 patients pédiatriques nouvellement collectées au Seoul National University Hospital entre janvier 2024 et juin 2025, elle s’établissait à 3,67 mmHg.
Dans ces jeux de données distincts, l’erreur a augmenté d’environ 0,9 mmHg par rapport à l’évaluation sur VitalDB. Autrement dit, la précision a légèrement diminué lorsqu’on l’a appliquée à de nouveaux patients. Toutefois, bien que les hôpitaux et les périodes de collecte diffèrent, les erreurs des deux groupes de validation étaient presque identiques.
Il faut encore vérifier si l’on peut réduire les analyses sanguines
Ce n’est pas la première tentative d’estimer par IA le taux de dioxyde de carbone sanguin chez des patients pédiatriques. En 2024, une équipe du Seoul National University Children’s Hospital a publié un modèle similaire à partir des données de 32 patients pédiatriques sous ventilation mécanique.
La présente étude se distingue par l’utilisation des données de 3 586 enfants ayant subi une intervention chirurgicale et par une nouvelle mise à l’épreuve sur deux groupes de patients distincts.
Mais il est encore trop tôt pour affirmer que l’on pourra réduire les analyses sanguines. L’étude a analysé des dossiers médicaux déjà constitués. Elle n’a pas vérifié, en conditions réelles au bloc opératoire, dans quelle mesure les prélèvements sanguins ou la pose de cathéters artériels diminueraient.
Des informations obtenues par analyses sanguines, comme l’hémoglobine préopératoire, entrent aussi dans les calculs de l’IA. Il s’agit donc moins d’une technologie « sans aucune prise de sang » que d’un outil d’aide permettant d’estimer à quelle fréquence réaliser des analyses pendant l’intervention.
Le Pr Kim Hyun-ho a déclaré : « Cela ne peut pas remplacer complètement l’analyse des gaz du sang artériel, mais cela peut constituer un outil d’appoint utile lorsque la pose d’un cathéter artériel est difficile ou qu’il est compliqué de réaliser des examens fréquents. » Il a ajouté : « Pour une application en pratique clinique, des recherches supplémentaires sont nécessaires afin de vérifier l’efficacité par une utilisation directe chez les patients. »
Les résultats ont été publiés dans la revue internationale 《Anesthesiology》.
