Benchmarking Machine Learning Architectures for Antimicrobial Stewardship in Pediatric ICUs

Résumé Technique : Évaluation comparative des architectures d'apprentissage automatique pour la gestion des antimicrobiens dans les unités de soins intensifs pédiatriques

Énoncé du problème
La résistance aux antimicrobiens constitue une menace critique à l'échelle mondiale, nécessitant des programmes efficaces de gestion des antimicrobiens (AMS) pour réduire l'exposition inutile aux antibiotiques. Dans les unités de soins intensifs pédiatriques (USIP), l'incertitude clinique conduit souvent à l'initiation par défaut d'antibiotiques à large spectre, contribuant à leur surutilisation et à l'émergence de résistances à long terme. Bien que l'apprentissage automatique (ML) ait été proposé pour soutenir l'AMS en prédisant les opportunités d'intervention à partir des données du dossier médical électronique (DME), les travaux antérieurs se sont largement concentrés sur les populations adultes et les représentations tabulaires statiques. Il existe un écart significatif dans la compréhension de la manière de modéliser efficacement les interventions AMS en milieu pédiatrique, où les données sont plus hétérogènes et éparses. De plus, il reste à déterminer quelles cibles d'intervention sont les plus informatives et quelles approches de modélisation (tabulaire vs temporelle) capturent le mieux la structure clinique des décisions de gestion.

Méthodologie
Les auteurs présentent une étude d'évaluation comparative systématique des architectures d'apprentissage automatique pour la prédiction des interventions AMS dans les USIP. L'étude utilise deux cohortes distinctes : un ensemble de données public (PIC, provenant de l'Hôpital pour enfants de l'Université de Zhejiang) et un ensemble de données institutionnel privé.

• Cadre de prédiction : La tâche est formulée comme un problème de classification par jour-patient. Au début de chaque jour avec une antibiothérapie active, le modèle prédit si une intervention de gestion aura lieu dans les 24 heures suivantes.
• Cibles : Quatre cibles substitutives cliniquement pertinentes sont définies sur la base de données de prescription rétrospectives :
  1. Passage IV-oral : Transition d'une formulation intraveineuse à une formulation non intraveineuse.
  2. Désescalade : Passage à un antibiotique à spectre strictement inférieur (basé sur l'Indice de Spectre Antibiotique).
  3. Arrêt : Arrêt du traitement avant la sortie sans reprise immédiate.
  4. Thérapie courte : Durée totale de l'antibiothérapie comprise entre 24 et 96 heures (à l'exclusion de la céfazoline prophylactique), servant de substitut à un éventuel sur-traitement.
• Représentation des données : L'étude compare trois résolutions temporelles :
  1. 24 heures (Tabulaire) : Statistiques de synthèse (min, max, moyenne, comptage) des variables dynamiques agrégées sur la journée précédente.
  2. 1 heure (Augmentée) : Bins horaires des 24 dernières heures encodés via un Réseau de Neurones Convolutif (CNN) et concaténés avec les caractéristiques de 24 heures.
  3. Irrégulière (Basée sur un graphe) : Données DME natives, échantillonnées de manière irrégulière, traitées sans discrétisation.
• Classes de modèles : Trois classes de modèles sont évaluées dans un cadre unifié :
  • Modèles tabulaires : Régression logistique, LightGBM, MLP et TabPFN.
  • Modèles temporels basés sur des séquences : GRU, LSTM, TCN, Transformer et Modèles d'Espace d'État (SSM/inspirés de Mamba). Les configurations d'Apprentissage Mono-tâche (STL) et d'Apprentissage Multi-tâche (MTL) sont testées.
  • Modèles temporels basés sur des graphes : RAINDROP, qui modélise les séries temporelles multivariées comme un graphe sur les variables.
• Évaluation : Les modèles sont évalués à l'aide de l'AUC-ROC, du score F1 et de la surface sous la courbe Précision-Rappel (AUPRC). L'étalonnage est également évalué pour déterminer la fiabilité des estimations de probabilité.

Résultats clés

• La prévalence de la cible détermine la performance : La performance du modèle est principalement déterminée par la prévalence de la cible et les caractéristiques des données plutôt que par la complexité du modèle. Les cibles rares (par exemple, le passage IV-oral, survenant dans <1 % des cas) produisent une performance médiocre en précision-rappel malgré des scores AUC-ROC élevés, mettant en évidence les limites de l'AUC-ROC dans des contextes cliniques déséquilibrés.
• Avantages de la modélisation temporelle : Les modèles basés sur des séquences apportent des améliorations dans les compromis précision-rappel (AUPRC et F1) par rapport aux approches tabulaires, en particulier pour des cibles plus prévalentes comme la désescalade et la thérapie courte. Cependant, ces gains sont modestes lors du passage de données agrégées sur 24 heures à des résolutions temporelles plus fines de 1 heure.
• Compromis d'étalonnage : Un compromis significatif existe entre la discrimination et l'étalonnage. Bien que les modèles complexes basés sur des séquences et des graphes atteignent souvent de meilleures performances de classement, ils sont systématiquement moins bien étalonnés que les modèles tabulaires plus simples (en particulier LightGBM). Les modèles tabulaires produisent des estimations de probabilité plus fiables, ce qui est crucial pour l'aide à la décision clinique.
• Apprentissage Multi-tâche (MTL) : La modélisation conjointe de tâches de gestion liées n'apporte que des améliorations marginales par rapport à l'apprentissage mono-tâche. Cela suggère que la structure prédictive partagée entre les différents types d'interventions (par exemple, désescalade vs arrêt) est faible, et que la modélisation spécifique à la tâche reste préférable.
• Limites des modèles basés sur des graphes : Le modèle basé sur un graphe (RAINDROP) a montré des performances inférieures par rapport aux modèles séquentiels, suggérant que son approche de modélisation de l'échantillonnage irrégulier n'a pas pleinement capturé les motifs au niveau journalier dans ce contexte spécifique.

Signification et revendications
L'article revendique de fournir la première évaluation systématique, transversale aux cohortes, de la prédiction des interventions AMS spécifiquement pour les populations pédiatriques. Sa signification principale réside dans l'offre de conseils pratiques pour le développement de Systèmes fiables d'Aide à la Décision Clinique (CDSS) pour l'AMS :

1. Le choix de la cible est critique : Les cibles standard pour les adultes (comme le passage IV-oral) peuvent être sous-utilisées ou rares en milieu pédiatrique, nécessitant la définition de substituts spécifiques aux pédiatries comme la thérapie courte.
2. Complexité du modèle vs Utilité : L'augmentation de la complexité du modèle (par exemple, l'utilisation de modèles temporels profonds) ne garantit pas une performance supérieure. Les modèles tabulaires plus simples offrent souvent des estimations de probabilité plus fiables (étalonnage), ce qui est essentiel pour la confiance des cliniciens.
3. Représentation temporelle : Bien qu'une résolution temporelle plus fine apporte des gains incrémentaux, la majorité du signal prédictif est capturé par des caractéristiques journalières agrégées.
4. Métriques d'évaluation : L'étude souligne que l'AUC-ROC seule est insuffisante pour évaluer l'utilité clinique ; des métriques comme l'AUPRC et l'étalonnage sont plus informatives pour les outils d'aide à la décision.

Les auteurs concluent que pour la prédiction des interventions AMS en USIP, la définition de la cible, la représentation temporelle et l'étalonnage sont aussi critiques que le choix du modèle, et que l'augmentation de la complexité du modèle seule est insuffisante pour construire des systèmes fiables d'aide à la décision clinique. Le code de l'étude est rendu public pour assurer la reproductibilité.