Le système PREVIA de NYU Langone détecte le risque de TSPT à partir de récits recueillis aux urgences

NYU Langone Health a annoncé le 9 novembre 2026 que son système d’IA en ensemble PREVIA avait analysé des récits de traumatismes recueillis aux urgences afin d’estimer le risque de trouble de stress post-traumatique (TSPT) à un mois. Dans une étude menée auprès de 145 patients, la meilleure configuration a affiché une sensibilité de 95,4 %. Ce dispositif de dépistage expérimental est conçu pour repérer les patients à risque sans ajouter de long questionnaire sur la santé mentale à l’accueil des urgences.

L’article de Nature Communications, également publié le 9 novembre, fait état d’une aire sous la courbe ROC (AUROC) de 78,5 % et d’une précision de 46,8 % sur trois plis de validation croisée, et préconise une validation auprès de cohortes plus vastes et indépendantes. La sensibilité mesure la proportion de cas de TSPT apparus par la suite qui ont été détectés, la précision mesure la proportion de patients signalés qui ont effectivement développé un TSPT, et l’AUROC résume la capacité des scores à distinguer les deux résultats. Cette précision signifie que de nombreux dépistages positifs seraient des faux positifs, ce qui pourrait accroître le temps de suivi nécessaire au personnel, la charge imposée aux patients et les coûts liés à l’affectation des ressources, même si l’étape suivante serait généralement une brève évaluation plutôt qu’une intervention invasive.

PREVIA vise à combler une lacune concrète : selon l’étude, seuls environ 28 % des services d’urgence aux États-Unis procèdent régulièrement au dépistage du TSPT, et seuls deux tiers d’entre eux utilisent des questionnaires validés. Les évaluations classiques entrent en concurrence avec les besoins médicaux immédiats, alors que le temps dont dispose généralement le personnel clinique est d’environ 15 à 20 minutes par patient. Le premier mois après un traumatisme constitue une période cruciale pour le dépistage, car de nombreux patients ne sont alors plus en contact avec l’hôpital.

Katharina Schultebraucks, auteure principale et codirectrice de la psychiatrie computationnelle à la NYU Grossman School of Medicine, a déclaré : « PREVIA peut servir d’outil de dépistage par IA pour repérer les patients à risque et expliquer pourquoi, sans rallonger l’accueil dans les services d’urgence très fréquentés. »

Du récit recueilli au chevet du patient au score de risque

Des coordonnateurs de recherche ont demandé à des patients de deux centres de traumatologie de niveau 1 de New York de décrire l’événement qui les avait conduits aux urgences. Les participants ont été inclus dans l’étude dans les 24 heures suivant le traumatisme et disposaient de trois minutes au maximum pour répondre, tandis qu’un iPad enregistrait une vidéo. Les récits comptaient en moyenne environ 374 mots. Whisper a transcrit les propos des patients, puis des membres du personnel de recherche dont l’anglais était la langue maternelle ont vérifié les transcriptions. Les cas de TSPT à un mois ont été déterminés à l’aide de l’échelle du TSPT administrée par un clinicien selon le DSM-5, un entretien diagnostique clinique.

PREVIA traite chaque transcription en trois étapes. Dans la première, Llama et Mistral évaluent séparément les symptômes précoces de stress post-traumatique, les réactions pendant l’événement traumatique, les facteurs de risque et les facteurs de protection. DeepSeek regroupe leurs huit évaluations en résumés structurés, tandis que les scores numériques des deux modèles sont moyennés en leur accordant le même poids. Un dernier évaluateur combine ces résumés avec l’âge, le sexe, le type de traumatisme et des données sur la prévalence du TSPT pour produire un score de risque de 0 à 100 et une brève explication.

Le processus utilise des consignes en mode zéro-shot, sans entraînement des paramètres ni ajustement fin sur l’échantillon de l’étude. La validation croisée a servi à optimiser et à évaluer le seuil de classification.

Comparaison des performances avec des modèles plus simples et un spécialiste

L’article fait état de performances globales largement comparables entre PREVIA et les configurations individuelles en mode zéro-shot d’O3, de Llama et de Mistral sur de nombreuses mesures, l’avantage le plus net de PREVIA concernant la sensibilité. Pour le TSPT sous le seuil diagnostique complet, c’est-à-dire lorsque les symptômes sont cliniquement significatifs sans satisfaire à l’ensemble des critères diagnostiques, PREVIA a atteint une sensibilité de 89,7 % et un score F1 de 69,4 %, mesure combinant précision et sensibilité.

L’étude présente une comparaison distincte portant sur 30 récits sélectionnés au hasard et stratifiés de façon à inclure neuf cas de TSPT ; PREVIA y a obtenu une sensibilité de 100 % et une AUROC de 84,4 %. Un médecin urgentiste a obtenu une sensibilité de 88,9 % et une AUROC de 83,9 % ; tous deux ont affiché une précision de 50 %. Ce médecin avait plus de 24 ans d’expérience en médecine d’urgence ainsi qu’une expérience spécialisée en recherche sur le TSPT. Le recours à un seul évaluateur ne permet pas de déterminer si la comparaison est généralisable à différents niveaux d’expérience et à divers contextes cliniques.

Exigences en matière de validation et de déploiement

Les participants étaient des adultes anglophones médicalement stables, âgés de 18 à 80 ans ; les femmes représentaient 31 % de l’échantillon. Les patients médicalement instables ont été exclus, ce qui pourrait avoir écarté certains des patients les plus susceptibles de développer un TSPT chronique. Les auteurs citent parmi les travaux à venir les essais dans d’autres langues, l’étude de l’évolution du TSPT à plus long terme, l’examen de comorbidités comme la dépression, ainsi que l’intégration du jugement clinique et des flux de travail des services d’urgence.

Les auteurs proposent un parcours clinique associant un bref enregistrement audio aux variables démographiques et liées au traumatisme issues du dossier médical électronique, puis fournissant un score de risque et une explication sans intervention supplémentaire du clinicien. L’étude n’a pas établi qu’un tel dépistage améliore les résultats pour les patients. PREVIA a fonctionné dans un environnement de calcul haute performance conforme aux exigences HIPAA, sur des GPU NVIDIA A100. L’auto-hébergement permet de garder le contrôle sur les données des patients, mais son adoption dépend de la capacité des hôpitaux à disposer d’une infrastructure informatique et de gouvernance adaptée.

Le dépôt public PREVIA fournit le pipeline complet et les invites destinés aux modèles à poids ouverts exécutés localement, ainsi que cinq récits fictifs pour une démonstration de bout en bout. Pour des raisons de confidentialité et de consentement, les récits cliniques identifiables et les évaluations psychiatriques restent soumis à des restrictions ; la démonstration permet donc de tester le fonctionnement, mais pas de reproduire les résultats quantitatifs de l’article.

La contribution immédiate de PREVIA est une approche de dépistage évaluable de manière indépendante, fondée sur une consultation courante aux urgences et sur des résultats évalués par des cliniciens. Sa valeur clinique dépend désormais d’une validation indépendante : il s’agit de déterminer si sa sensibilité se maintient dans des cohortes plus importantes, si les services peuvent gérer les faux positifs et si les hôpitaux peuvent intégrer l’enregistrement, le suivi et l’informatique sécurisée sans perturber les soins d’urgence.