Numéro 598 - septembre 2020expérience

organisation

Prévision d’activité aux urgences

Un modèle d’intelligence artificielle

Les services d’urgence ont de plus en plus de difficultés à faire face à l’afflux de patients qui ne cesse d’augmenter, et les risques de surengorgement sont une réelle menace pour la qualité des soins. Dans ce contexte, la prévision des admissions aux urgences constitue un enjeu de taille. Le déploiement d’un modèle prédictif pourrait permettre aux établissements de s’organiser en amont et de mobiliser les ressources nécessaires pour répondre au mieux à la demande. L’auteur relate ici l’expérimentation réalisée en partenarait avec le centre hospitalier intercommunal de Créteil (CHIC).

La problématique de la prédiction d’activité  a déjà été abordée mais, le plus souvent, ce sont des modèles classiques d’analyse de séries temporelles (modèle Arimax) qui ont été utilisés pour y répondre. Ces modèles font l’hypothèse que les relations entre les variables sont linéaires, ce qui peut s’avérer trop contraignant, voire irréaliste. Pour illustrer cette idée, prenons l’exemple des épisodes de canicule au cours desquels une recrudescence d’activité aux urgences peut être envisagée. La relation entre la variable des températures et le nombre d’admissions n’est clairement pas linéaire : ce n’est pas l’augmentation des températures qui décrit un épisode de canicule, mais le fait que celles-ci stagnent à des niveaux élevés. Pour s’affranchir de ces hypothèses, nous avons utilisé des techniques d’apprentissage profond, des réseaux de neurones artificiels capables de conserver en mémoire les observations passées et de modéliser leur impact sur le présent selon des schémas complexes et non linéaires. Notre objectif, dans le cadre de cette expérimentation avec le CHIC, est donc de faire des prévisions les ...

Vous pouvez lire la suite en vous identifiant ou en créant votre profil si vous ne l’avez pas encore fait.