S'abonner aux Nouvelles
Retour à la recherche4 fèvrier 2026, Ottawa (ON) - Les chercheurs du CHEO ont mis au point une nouvelle façon prometteuse d’améliorer les soins de santé mentale en utilisant l’intelligence artificielle (IA) et les dossiers de santé électroniques pour mieux prédire quels jeunes sont le plus à risque de faire des visites répétées aux urgences du CHEO pour des problèmes de santé mentale.
Près de la moitié des enfants ou des jeunes qui se présentent à l’urgence pour recevoir des soins de santé mentale y reviennent dans les six mois. Ces retours indiquent des défis continus et des besoins non comblés. La réduction de ces visites répétées pourrait mener à un soutien plus rapide pour les familles, une stabilité accrue pour les jeunes, et une baisse de la pression sur le système de soins de santé.
« Il s’agit de la première étape pour planifier des soins de santé mentale d’urgence plus efficaces pour les enfants qui viennent au CHEO. En travaillant directement avec les cliniciennes et les cliniciens, nous avons été en mesure de mieux comprendre ce que signifient les données et de veiller à ce qu’elles restent ancrées dans l’expérience du monde réel, ce qui mène à un traitement plus précis et à de meilleurs résultats globaux », a déclaré la Dre Kathleen Pajer, directrice du Collaboratoire en santé mentale de précision pour les enfants et les jeunes de l’Institut de recherche du CHEO, qui intègre des facteurs biologiques, sociaux, environnementaux et cliniques pour créer un portrait plus complet des besoins en santé mentale de chaque jeune.
Dans une nouvelle étude publiée dans BMC Medical Informatics and Decision Making (article en anglais), Navjot Bains, scientifique du Collaboratoire en santé mentale de précision pour les enfants et les jeunes, et son équipe ont analysé plus de 12 700 rencontres avec les services d’urgence du CHEO impliquant 8 696 enfants et jeunes au cours d’une période de six ans afin d’aider à cerner le risque plus tôt, de personnaliser les plans de soins et d’intervenir avant qu’une crise ne dégénère.
À l’aide des renseignements déjà recueillis pendant les soins de routine, l’équipe a élaboré un modèle d’apprentissage machine qui pourrait aider les cliniciens à identifier les enfants et les jeunes qui pourraient être plus susceptibles de revenir à l’urgence dans les 30 jours suivant leur première visite. Le modèle a de manière constante donné de meilleurs résultats que les prévisions fondées uniquement sur le jugement clinique, ce qui montre la possibilité pour l’IA d’appuyer la prise de décisions de façon significative.
Fait important, l’étude a révélé que bon nombre des facteurs mis en évidence par l’algorithme, comme les visites antérieures à l’urgence ou l’utilisation antérieure de soins de santé mentale, étaient les mêmes facteurs jugés significatifs par les cliniciennes et cliniciens. Cette harmonisation permet de s’assurer que la technologie novatrice, comme l’intelligence artificielle, demeure ancrée dans une expérience et une expertise concrètes et demeure pratique et utilisable pour les équipes de soins.
En s’appuyant sur des données cliniques et démographiques collectées régulièrement, cette recherche menée en milieu hospitalier montre comment les modèles prédictifs peuvent être intégrés directement dans les flux de travail des hôpitaux, ce qui permet aux cliniciennes et cliniciens de recevoir des informations en temps réel, sans ajouter de nouvelles charges de travail.
En fin de compte, avec une meilleure prédiction de la probabilité qu’une ou un jeune retourne à l’urgence pour des raisons de santé mentale, les cliniciennes et cliniciens peuvent communiquer plus tôt pour soutenir les familles et planifier des suivis plus ciblés, tandis que les hôpitaux peuvent mieux affecter les ressources en santé mentale et d’urgence là où les besoins sont les plus grands.