Détection, prédiction et prévention des évènements indésirables liés aux soins via l’intelligence artificielle, en associant approche basée sur les règles de décision et l’apprentissage automatique

Abstract

La sécurité des patients est considérée comme une grande priorité en santé publique. Les systèmes de santé au niveau mondial tentent de mobiliser des ressources pour la prévention des évènements indésirables cliniques chez les patients. Selon l'Organisation Mondiale de la Santé, des études ont montré qu'en moyenne un patient sur dix est sujet à un événement indésirable (EI) lors de son hospitalisation dans les pays à revenu élevé. L'estimation pour les pays à revenu faible et intermédiaire suggère même que jusqu'à un patient sur quatre sont concernés. Malgré une dynamique positive au cours des vingt dernières années, d'importantes opportunités d'amélioration subsistent, découlant souvent d'une mise en œuvre inefficace ou inadéquate des actions d'amélioration de la sécurité. Ainsi, les EI restent l'une des principales causes de morbidité et de mortalité en santé, entraînant des pressions économiques et sociales supplémentaires pour les systèmes de santé. L’analyse approfondie des raisons pour lesquelles l'incidence élevée des EI persiste semble identifier les facteurs suivants :- Le manque d'outils fiables et efficaces pour la mesure et la surveillance des EI cliniques. - L'incohérence dans l'utilisation de techniques de prévention recommandées - Le manque d'accessibilité aux techniques de prévention recommandées - Le manque d'utilisabilité de certaines solutions technologiques - L'existence de domaines cliniques pour lesquels il n'y a pas de solutions de prévention prouvées, dénommés les "angles morts" de la sécurité patient. L'intelligence artificielle (IA) détient un potentiel important qui peut être appliqué à l'identification, la prédiction et la prévention des EI pour les patients. En fait, elle peut être utilisée pour détecter les événements liés à la sécurité des patients, améliorer les performances des alarmes cliniques, prédire le risque de survenue d’EI et améliorer l’adhérence aux bonnes pratiques. D’autre part, quand bien même l’IA commence à générer des applications dans certains domaines cliniques, peu ont été développés pour le domaine de l’amélioration de la sécurité des patient et la grande majorité de ces applications sont encore au stade expérimental ou insuffisamment validées pour des scénarios d'utilisation en contexte réel.En fait, le développement d'applications basées sur l'IA pose de nombreux défis liés à la conception, à la validation et à l'acceptation par les utilisateurs qui doivent être relevés avant que ces applications puissent être transformées en systèmes d’aide à la décision clinique (SADC) ou d’amélioration. Dans le cadre de cette thèse, notre objectif est d'explorer le potentiel de l'IA pour le domaine d’application des événements indésirables cliniques. Après une présentation de l’état de l’art, notre point de départ sera un système d'outil de détection non basé sur l'IA pour la mesure automatisée des événements indésirables hospitaliers, conçu avant la thèse.Après avoir identifié et analysé les avantages et les inconvénients de ce genre de système, nous concevrons deux modèles basés sur l'apprentissage automatique, consacrés respectivement à la prédiction des réadmissions à l'hôpital et à la détérioration clinique des patients. Nous présenterons également un SADC basé sur l'IA qui associe le deuxième modèle de prédiction à des règles cliniques élaborées par des experts médicaux afin de gérer le risque de détérioration clinique.Finalement, nous analyserons les spécificités de l'utilisation de l'apprentissage automatique par rapport aux algorithmes basés sur des règles dans de telles applications, et comment ces deux techniques peuvent être utilisées en synergie.

Ähnliche Arbeiten