Intelligence artificielle et bilan préopératoire : faut-il se fier aux nouveaux outils d'aide à la décision ?

Deux cibles affichées: la classification ASA et la prédiction d'une admission postopératoire en réanimation. Le sujet touche le cœur de pratique des anesthésistes-réanimateurs et mérite un examen méthodologique serré avant toute adoption. Annoncer l'arrivée d'une IA d'aide à la consultation ne change rien tant que les chiffres manquent.

Protocole: déclaration d'intention, pas résultat

La fiche d'enregistrement précise la finalité de l'étude — assistance à la cotation ASA et prédiction du passage en réanimation — mais ne publie aucun résultat. Les investigateurs cherchent à tester si l'algorithme peut assister la cotation ASA et si les variables préopératoires retenues prédisent de façon fiable un transfert postopératoire en soins critiques. Je rappelle un point méthodologique élémentaire: un enregistrement sur ClinicalTrials.gov atteste d'une intention de recherche, pas d'une preuve d'efficacité. Sans cohorte rapportée, sans métrique de performance, sans intervalle de confiance, l'outil reste un candidat à l'investigation.

Trois critères à exiger avant toute diffusion clinique

Première exigence: la composition de la cohorte d'entraînement. Un modèle nourri de dossiers tertiaires nord-américains ne transpose pas automatiquement à un recrutement européen ou africain. Biais de sélection, prévalence des comorbidités, distribution des scores ASA, représentativité des classes III et IV — tout cela conditionne la validité externe. Une performance affichée sur une cohorte enrichie en cas complexes n'a aucune valeur prédictive dans une file d'attente majoritairement ASA I–II.

Deuxième exigence: la métrique retenue pour prédire l'admission en réanimation. Sensibilité, spécificité, valeur prédictive positive, assorties de leur intervalle de confiance. Un score AUC isolé ne suffit pas. La question clinique n'est pas « l'algorithme classe-t-il bien? » mais « modifie-t-il la prise en charge sans augmenter les faux négatifs critiques? ». En réanimation, un faux négatif coûte un lit; un faux positif, une surveillance inutile.

Troisième exigence: la reproductibilité. Publication du code, accès au modèle, évaluation externe sur cohorte indépendante. Sans ces éléments, l'outil relève du prototype de laboratoire, pas du dispositif médical évaluable.

À surveiller dans les prochains mois

La veille portera sur la publication des résultats primaires, la présence d'une évaluation prospective indépendante, et la transparence sur les limites du modèle. À titre de contexte, un article de la revue Cureus publié fin août 2026 sur l'engagement en recherche des résidents canadiens en anesthésie rappelle le fossé qui sépare encore la production académique nord-américaine de l'intégration réelle de ces outils dans les parcours de soins.

Verdict: à ce stade, je classe cette initiative comme une promesse méthodologique à suivre, pas comme une avancée à implémenter.