Prédiction des parcours sous l'angle médico-économique : une approche basée sur l'intelligence artificielle

Doctorante : Alice MARTIN

Laboratoire INSA : DISP

Ecole doctorale : ED512 Informatique et mathématiques de Lyon

Les structures de santé rencontrent des difficultés structurelles dans l'organisation des soins et la prise en charge de leurs patients, notamment chroniques. Ces blocages sont multiples - prévalence croissante des maladies chroniques et vieillissement de la population, fracture territoriale dans l'accès aux soins, pression sur les coûts et l'efficience - et peuvent avoir un fort impact sur les perspectives de santé des populations. Les organisations, en particulier les hôpitaux, tentent de surmonter ces barrières en optimisant les parcours patients et de soins. Au sein de ces trajectoires, l'un des leviers d'efficience est de pouvoir comprendre quels aspects du profil d'un patient sont corrélés aux événements ayant un impact sur le recours et la consommation de soins, afin de pouvoir les anticiper.
Les récentes avancées technologiques en matière d'IA permettent d'étudier une grande variété de parcours et d'analyser un large panel de variables. Dans ces travaux, nous souhaitons représenter et analyser les parcours dans plusieurs contextes cliniques, en utilisant les données médico-économiques et de facturation comme proxy pour reconstruire la trajectoire individuelle d'un patient. L'objectif final est d'alléger les pressions opérationnelles sur les ressources hospitalières tout en améliorant le confort des soins et la qualité de la prise en charge.
Nous présentons deux études de cas : la prédiction du parcours d'une cohorte en vie réelle de patients atteints de troubles neurocognitifs et la prédiction des soins d'un hôpital à domicile en France. Nous avons décrit les trajectoires et étudié les principaux facteurs de variation en utilisant les caractéristiques cliniques des patients, y compris l'évolution de la maladie. Nous avons ensuite utilisé ces mêmes facteurs pour prédire la variation du parcours des patients. Notre méthodologie s'articule autour de deux étapes : l'identification de groupes médico-économiques de patients pertinents, par le biais d'un regroupement par exemple, puis la prédiction des soins requis au fil du temps. Notre modèle a permis de prédire les variations des parcours avec une précision allant de 60,5
% à 90 % selon les scénarios.

--------------

Health care providers are experiencing difficulties in the organization of care and the management of their patients, particularly chronic ones. These block roads are multiple, including the increasing prevalence of chronic diseases and aging of the population, territorial divide in access to care, pressure on costs and efficiency - and can have a strong impact on the health prospects of populations. Healthcare organizations, particularly hospitals, are trying to overcome these difficulties by optimizing patient and care pathways as a whole. Within these trajectories, one of the levers for efficiency is to be able to understand which aspects of a patient's profile are correlated with the events that have an impact on the use and consumption of care, so that they can be anticipated. Recent technological advances in AI make it possible to study a wide variety of care pathways and to analyze a broad range of variables. In this work, we want to represent and analyze the pathways in several clinical contexts, using billing and medico-economic data as a proxy to reconstruct the individual trajectory of a patient. The ultimate goal is to relieve the operational pressures on hospital resources while improving the comfort of patient care.
We present two case studies: journey prediction from a real-life cohort of patients with neurocognitive disorders and care prediction from a homecare hospital in France. We portrayed the trajectories and investigated the main drivers of variation using patient clinical characteristics including disease progression. We then used the same drivers to predict patient journey variation. Our methodology was built on two steps: identifying relevant medico-economical groups of patients, through clustering for example – then predicting the variation of care required through time. Our model allowed to predict patient journey variation with an accuracy ranging from of 60.5% to 90% depending on scenarios.
 

Soutenance publique

Maître de Conférences : Samuel VERCRAENE

Laboratoire INSA :  DISP

Rapporteurs :

• Dominique Feillet - Ecole des Mines de Saint Etienne
• Andrea Matta - Politechnicao di Milano
• Evren Sahin - CentraleSupélec

Jury 

• Gülgün Alpan - Grenoble-INP (Examinatrice)
• Eric Duchene - Lyon I (Examinateur)
• Dominique Feillet - Ecole des Mines de Saint Etienne (Rapporteur)
• Andrea Matta - Politechnicao di Milano (Rapporteur)
• Thibaud Monteiro - INSA Lyon (Examinateur)
• Evren Sahin - CentraleSupélec (Rapportrice)
• Christine Solnon - INSA Lyon (Examinatrice)

Tout est parti d’un constat : la mauvaise logistique du transport collectif des personnes en situation de handicap entraîne stress, fatigue et absence de vie sociale pour les usagers qui peuvent parfois rester jusqu’à trois heures par jour dans les transports. Développé par le laboratoire Décision et Information pour les Systèmes de Production¹, le projet NOMAd², pour « numérique et optimisation pour une mobilité adaptée » offre une réponse à la gestion du transport jusqu’alors réalisée intra-établissements de santé, sans gestion mutualisée. Avec NOMAd, le calvaire de la mobilité adaptée n’est peut-être plus qu’un mauvais souvenir pour les usagers. Explications.

Un véhicule, plusieurs acteurs
On pensait que les applications de livraison à vélos et autres solutions dernier cri avaient révolutionné le secteur de la mobilité et pourtant, avant que les chercheurs de l’équipe du DISP ne s’emparent de la question, aucun outil ne permettait de répondre au casse-tête de la mobilité collective pour les usagers handicapés. Organisateurs du transport, chauffeurs et usagers : comment mettre tout le monde d’accord ? 
C’est ainsi qu’a été créé « NOMAd », un projet d’utilité publique, né d’une histoire personnelle. « Un proche du laboratoire expérimentait la problématique avec son enfant qui passait des heures et des heures dans les transports pour transiter entre son domicile et le centre médico-social dans lequel il se rendait quotidiennement. Le but était donc d'organiser un ramassage scolaire optimisé à plusieurs niveaux », explique Thibaud Monteiro, professeur des universités au département génie industriel et chef du projet NOMAd au sein du laboratoire DISP.

Au cœur des calculs combinatoires
Entre les murs du laboratoire DISP, pas de paillasses ni de tubes à essai. Ici, l’expérimentation est mathématique. Entre calculs combinatoires, métaheuristique et informatique, le projet NOMAd a constitué un véritable challenge scientifique. « Lorsque vous demandez à un ordinateur de calculer avec une ou deux variables, c’est facile. Mais lorsqu’il faut prendre en compte des variables comme le type de handicap, le taux d’incapacité des usagers, les points de départ et d’arrivée, les horaires différents pour chacun ou encore la contrainte de parking des véhicules, la tâche est plus complexe. Notre savoir-faire, c’est de tracer une route dans cette jungle de données pour converger vers la solution optimale », annonce Thibaud Monteiro.
Accompagnée par quatre partenaires³ sensibles à la question, l’équipe de chercheurs a ainsi développé un outil informatique aidant à l’organisation du transport. Sans cet algorithme, les calculs pouvaient prendre des semaines. Aujourd’hui, ils prennent quelques secondes. « La réactivité du calculateur s’est avérée très utile pendant la pandémie, permettant de reconfigurer les tournées. Grâce à lui, nous avons su générer de nouveaux plans de transports adaptés aux conditions sanitaires qui obligeaient les véhicules à rouler à moitié de leur capacité. Pour arriver à cela, nous avons opté pour une approche que nous appelons dans le jargon, le DARP – dial for a ride problem. Concrètement, c’est un service à la demande partagé. C’est une façon de traiter l’information comme le font beaucoup d’entreprises de transport, comme les livreurs de colis par exemple. Sauf qu’ici, le point d’arrivée n’est pas une boîte aux lettres. Il a fallu composer l’équation avec des critères humains », ajoute le chercheur. 

Copyright : Nomad-opt

Les mathématiques appliquées rencontrent l’ingénierie des systèmes de santé
Si le gain de bien-être pour les usagers et les acteurs du transport adapté semble évident, la solution souhaitait aussi participer à résoudre deux problématiques intempestives : l’impact carbone des deux cents véhicules qui sillonnaient quotidiennement la métropole lyonnaise et les dépenses publiques qui s’élevaient, au niveau de la France, à 500 millions d’euros par an. « En une année, NOMAd peut permettre d’économiser 123 tonnes de CO2 sur Lyon et peut permettre de réduire les coûts de transports jusqu’à 37 % », lance l’enseignant.
Depuis mars 2020, NOMAD a poussé les murs du DISP : l’outil continue d'être développé par deux anciens ingénieurs INSA, Geovanny Osorio Montoya et Oscar Tellez Sanchez qui ont fondé Nomad-opt. Née du travail de recherche à laquelle ils ont participé en tant que doctorants, l’entreprise permet d’adapter le transport aux besoins de chaque passager grâce à un système de notifications en temps réel qui réduit le temps d’attente. Sur le site internet de leur entreprise, les deux ingénieurs-docteurs affichent clairement leur philosophie : « rendre les algorithmes plus humains,pour les mettre au service des personnes ».

1 Décision et Information pour les Systèmes de Production (INSA Lyon/ Lyon 2, Lyon 1, UdL).
2 Le projet NOMAd a bénéficié d’un Fonds Européen de Développement Économique Régional (FEDER).
3 La Région Rhône-Alpes Auvergne, Ressourcial (Groupement Social de Moyens), GIHP Service Adapté (société anonyme à capital associatif) et le Laboratoire IRCCyN de l’école des Mines de Nantes ont participé au projet NOMAd.

 

Action GDR MACS : Jumeaux Numériques pour les Systèmes de Production

Les Jumeaux Numériques de Systèmes de Production sont un des piliers de l'Industrie du Futur et de nombreuses initiatives de recherche et de développement se sont lancés ces dernières années en France.

Grâce au soutien du GdR MACS, une action a été lancée visant à créer et fédérer une communauté dynamique autour de cette thématique et de partager expériences et compétences, aussi bien industrielles qu’académiques. Cette action se décline en plusieurs ateliers d'échange et de partage, sur une thématique précise.

Le premier atelier aura lieu le lundi 28 juin 2021, de 16h à 18h. Le thème portera sur la place de l’humain dans le Jumeau Numérique, du simple observateur, au décisionnaire à un « composant » à part entière du Jumeau.

Trois autres ateliers sont prévus courant 2021.

Sensible à l’environnement depuis toujours, Corentin Le Hesran, doctorant en thèse à l’INSA Lyon, propose une solution à la problématique suivante : comment limiter la quantité de déchets solides produits par une industrie grâce à l’ordonnancement ?

Diplômé de l’École Centrale de Nantes, Corentin Le Hesran a rejoint l’INSA Lyon et le laboratoire DISP (Décision et Information pour les Systèmes de Production) dans un but bien précis : travailler sur un sujet qui a recueilli toute son attention lorsqu’il était encore double diplôme à l’Université de Séville. « L’intégration de la gestion des déchets pour un pilotage durable des processus industriels », une thèse proposée par l’INSA Lyon et les Mines de Saint-Étienne, touche à deux aspects qui lui sont chers : l’ordonnancement et l’écologie. 

« En industrie, la problématique la plus souvent étudiée est l’optimisation de la chaîne de production pour avoir un meilleur rendement, produire à plus faible coût et plus rapidement. La thèse que je réalise se démarque des études préalables car elle intègre un critère rarement pris en
compte : la réduction des déchets. En effet, lorsque les entreprises travaillent sur un aspect écologique, elles se concentrent sur la réduction de leur consommation d’énergie et non pas sur la réduction des déchets produits. Cependant, réduire sa quantité de déchets permet de faire des
économies : matière première gaspillée, coût de maintenance des machines, énergie consommée ou encore coût d’entreposage et d’évacuation des déchets. »

Corentin travaille depuis novembre 2016 avec Valérie Botta-Genoulaz et Anne-Laure Ladier du DISP et Valérie Laforest des Mines de Saint-Étienne. Le DISP est un laboratoire spécialisé dans l’ordonnancement, soit l’organisation des différentes phases sur une chaîne de fabrication en industrie. Cette approche permet de modifier une organisation et un mode de fonctionnement sans avoir de changement de produits, de machines ou de matières. Les gains sont donc directs sans investissements. 
Son terrain d’étude ? Une entreprise de production d’enjoliveurs. Il a réussi à modéliser mathématiquement l’étape de peinture des enjoliveurs pour réduire la quantité de peinture perdue à chaque nettoyage de buse. 

« L’objectif de ma thèse n’est pas de supprimer 100% des déchets produits, car le coût serait bien trop élevé. Je dois trouver la solution la plus optimale entre les problématiques économiques et écologiques. J’ai donc fixé deux contraintes : limiter les frais de stockage du produit fini (critère économique) et minimiser le nombre de changement de couleur (critère écologique). Grâce à mes équations, je peux désormais définir l’ordre optimal pour peindre les enjoliveurs en créant le moins de déchets possibles, tout en restant compétitif. Une nouvelle modélisation, plus complexe, est en cours pour traiter des problèmes de plus grande taille. Elle ne pourra cependant pas être codée sur le même logiciel que la première (Cplex) car le temps de traitement des données serait bien trop long ! Je vais donc utiliser un nouveau langage (C++) et de nouveaux algorithmes mathématiques. »

Prochaine étape ? Détailler les processus plus précisément pour identifier de nouvelles variables sur lesquelles agir.

« Je travaille actuellement sur l’identification des étapes de la production qui génèrent le plus de déchets. Je les quantifie, estime leurs coûts et impacts. Je vais proposer une nouvelle méthodologie qui décomposera chaque processus pour trouver sur quelle étape agir précisément. Cela permettra de faciliter l’intégration d’objectifs environnementaux dans les modèles mathématiques »

Un article a déjà été publié dans une revue scientifique en 2018. En juillet 2019, Corentin sera prêt à déposer son dossier final et pourra soutenir sa thèse en novembre.
Et ensuite ?

« Je ne sais pas encore quelle voie prendre : continuer en postdoc à l’étranger, intégrer une industrie, voyager, rejoindre un laboratoire. Je veux me laisser toutes les portes ouvertes. Ces trois années à travailler sur des sujets nouveaux et inexplorés ont été très stimulantes intellectuellement. J’ai vraiment apprécié pouvoir apporter une solution mathématique à un problème concret. Cependant, j’ai été confronté à la réalité du domaine, et fait face au manque d’intérêt des industriels pour la recherche. Je ne baisse pas les bras et continue d’être persuadé qu’un jour ces sujets deviendront primordiaux pour les industries. »