PREDICT-CE

Objectif(s) de la recherche et intérêt pour la santé publique

Objectifs poursuivis

Domaines médicaux investigués

Bénéfices attendus

En Europe, près de 2,5 millions de patients sont hospitalisés chaque année pour la prise en charge d’un traumatisme crânien et 37% des décès sont imputables à l’existence d’une lésion intracrânienne [1]. Le traumatisme crânien grave est également la première cause de perte d’année de vie de qualité. A la suite d’un traumatisme crânien, la principale cause de mortalité immédiate en réanimation est la survenue d’une hypertension intracrânienne (HTIC, définie par une élévation de Pression intracrânienne(PIC) > 20 mmHg). Dans cette situation clinique, l’ensemble des mécanismes adaptatifs permettant de maintenir un niveau de Pression Intracrânienne (PIC) constant sont dépassés. Ces épisodes d’HTIC sont fréquents et l’incidence rapportée varie entre 17 et 88% selon les séries [2–5].. L’HTIC est également la principale cause de séquelles neurologiques à long terme. Plus le niveau de PIC est élevé plus les séquelles neurologiques sont importantes, le risque de décès étant 6 fois plus élevé en cas de PIC > 40 mmHg [6]. Il existe également une relation linéaire entre le temps d’exposition à une PIC > 20 mmHg et un mauvais devenir neurologique [7]. Actuellement, l’observation du signal de la PIC donne lieu à des interprétations souvent subjectives mais des travaux récents rapportent un intérêt potentiel à analyser la forme de ce signal [8–10]. Cependant, aucun algorithme n’est actuellement disponible et applicable en pratique courante pour analyser le signal de la pression intracrânienne.. L’avènement de méthodes statistiques puissantes, tel que l’intelligence artificielle (deep learning, neural network…), laisse entrevoir la possibilité d’analyser des données massives, comme l’analyse du signal de la PIC enregistré en temps réel. Notre hypothèse est que l’analyse continue du signal de la PIC permettrait de prédire la survenue des épisodes d’HTIC.