evidoria

← Retour à la liste

Bonne pratique Importée

Le tri assisté par IA des appels d'urgence dans la région de la capitale du Danemark — le système de reconnaissance vocale de Corti pour la détection d'arrêt cardiaque et d'AVC

Danemark · Copenhagen · Voir le profil de Danemark · Voir le profil de Copenhagen

Preuves: Observationnel / avant-après Top 62% 53/100 · Demandez à Evidence Copilot à propos de cette pratique

Les services d'urgence de Copenhague utilisent Corti, une IA qui a détecté un arrêt cardiaque sur 161 650 appels avec 95 % de précision, contre 73 % pour les humains ; une étude de 2022 sur 9 049 appels a projeté un gain similaire pour les AVC.

95 vs 73 %
Précision d'identification de l'arrêt cardiaque, Corti vs répartiteurs humains
161,650
Appels analysés dans l'évaluation initiale
16 to 18 %
Amélioration modélisée de la fenêtre de thrombolyse (AVC) (2016-2018 retrospective)

Détails

Maturité
Établie
Promoteur
Emergency Medical Services Copenhagen, Capital Region of Denmark (with Corti)
Période
2017–2022
Mots-clés
emergency medical services, public health, artificial intelligence, speech recognition, emergency dispatch

Contexte

Les services médicaux d'urgence de Copenhague ont commencé à utiliser Corti, un assistant d'IA de reconnaissance vocale et d'apprentissage automatique, pour écouter en direct les appels d'urgence 112 et signaler les arrêts cardiaques probables aux répartiteurs en temps réel.

Activités

Corti analyse des indices tels que des mots-clés et des schémas respiratoires anormaux pendant les appels en direct ; une étude rétrospective évaluée par des pairs en 2022 a modélisé séparément l'extension de l'approche à la détection des AVC, en utilisant 9 049 appels de la région capitale du Danemark (2016-2018).

Résultats

Une évaluation initiale de 161 650 appels a révélé que Corti identifiait correctement l'arrêt cardiaque dans 95 % des cas, contre 73 % pour les seuls répartiteurs humains. L'étude sur l'AVC a modélisé une hausse de la part des patients recevant une thrombolyse dans la fenêtre critique, d'environ 16 % à 18 %.

Conclusions

L'étude de 161 650 appels sur l'arrêt cardiaque n'avait pas encore été évaluée par des pairs en détail à l'époque, laissant le taux de faux positifs non documenté ; les chercheurs ont noté que l'IA « ne peut pas expliquer comment elle prend ses décisions », une limite de transparence reconnue, et le chiffre sur l'AVC est une projection supposant une performance équivalente sur des symptômes d'AVC moins spécifiques.

Mise en œuvre
Coût indicatif
Moyen (50 k€–500 k€) — Not disclosed.
Délai jusqu’aux résultats
Long (> 3 ans) — Deployed for cardiac-arrest detection from around 2016-2018; stroke extension modelled in a 2022 peer-reviewed study.
Personnel et compétences
Copenhagen EMS dispatchers, Corti (vendor)

Conditions de réussite

  • AI flags risk for dispatcher review rather than replacing dispatcher judgement

Modes d’échec courants

  • Full cardiac-arrest study not yet peer-reviewed in detail; false-positive rate undocumented
  • AI cannot explain its decisions, an acknowledged transparency limitation
  • Stroke symptoms are less specific (5-14.9% 'stroke mimics' vs 0.6% for cardiac arrest), so the stroke projection may not hold in practice

Habituellement financé par

National / regional programmes

Pistes de financement indicatives pour des pratiques de ce type — vérifiez toujours les appels en cours et les règles d'éligibilité de chaque programme.

Vous portez cette pratique ? Revendiquez-la — les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.

Sources de données

D'où proviennent les informations de cette pratique, et quand.

Pratiques similaires qui pourraient vous être utiles