Prédiction des durées de séjours à l’hôpital par Machine Learning

Project type: 
Date: 
October 2018 to September 2022
Leader: 
DR. Antoine DUCLOS, HCL
DISP leader: 
DISP Participants: 
Partners: 

Laboratoire Health Services and Performance Research (HeSPeR EA 7425, Université Claude Bernard Lyon 1, https://www.hesper.fr)

Hospices Civils de Lyon (HCL)

L'estimation de la durée de séjour doit être établie à chaque admission à l’hôpital afin de planifier les activités de soins de manière pertinente. Une estimation inexacte peut rendre inefficiente l’organisation du travail à l’hôpital, entraîner une surcharge de travail des professionnels de santé et un allongement des délais d'attente pour les patients. Les hôpitaux sont amenés à optimiser l’utilisation de leurs ressources face aux besoins sanitaires croissants de la population et à de nombreuses contraintes budgétaires. Dans ce contexte, l’objectif du projet est de développer une nouvelle méthode de prédiction des durées de séjours qui assistera le gestionnaire des lits dans l’estimation des durées de séjours au plus juste possible au moment de l’admission et pendant le séjour d’hospitalisation.

La prédiction des durées de séjours est un problème complexequi dépend de nombreux facteurs relatifs au contexte clinique et social du patient, à sa prise en charge et au service dans lequel ce dernier est admis. Le résultat d’une prédiction empirique par l’homme n’est pas toujours fiable par manque d'informations ou d’expériences, notamment dans le cas de séjours non fréquents. Les résultats de notre première étude, menée selon un partenariat HeSPeR-HCL-INSA et réalisée avec des méthodes statistiques, ont montré que la performance de prédiction était excellente pour les durées inférieures à 2 jours, mais moins exploitable pour les durées longues. La capacité de prédiction de ces méthodes était supérieure à celle de l’homme selon une étude menée auprès de 25 médecins sur un échantillon de 187 séjours.

L’investigation doit être poursuivie pour continuer à améliorer la précision des prédictions, en cherchant de nouvelles méthodes appliquées au Big Data dans le domaine de l’Intelligence Artificielle. Il est apparu opportun d’employer des algorithmes d’apprentissage automatique (Machine Learning) en se servant des données collectées en routine dans le système d’information de l’hôpital. Ces algorithmes permettent à l’ordinateur d’extraire des connaissances implicites à partir des masses de données. Le défi à relever consiste à concevoir une méthode de Machine Learning appropriée à sélectionner des informations predictives et capable d’engranger des expériences et des connaissances à partir des données médicales contenant des éléments d'incertitude et d'hésitation. 

Ce projet s‘intègre dans la politique d’établissement des Hospices Civils de Lyon en matière de performance et de pertinence des soins. Le développement de la méthode de prédiction utilisera des informations disponibles pour l’ensemble des patients hospitalisés dans les services d’hospitalisation complète des HCL entre 2011 et 2017, et des données du Programme de Médicalisation des Systèmes d’Information (PMSI), qui est implémenté dans l’ensemble des établissements de soins français. La méthode de prédiction sera aisément généralisable aux autres établissements de soins, elle participera à l’amélioration de la qualité des soins dispensés en Auvergne-Rhône-Alpes et de l’efficience des hôpitaux sans nécessiter de moyens humains supplémentaires pour prédire les durées de séjour.