À l’intersection des rues Queen et Victoria au centre-ville de Toronto se situe l’un des hôpitaux les plus occupés du pays – l’Hôpital St. Michael, l’important centre de traumatologie au sein de l’organisme Unity Health Toronto. En raison de son emplacement de choix au cœur du centre-ville, il n’est pas surprenant de constater que cet hôpital reçoit un important afflux de patients et de visiteurs chaque année. Et sans la capacité de prévoir avec exactitude le nombre de visiteurs par jour au service des urgences de l’hôpital, les temps d’attente peuvent être tout aussi imprévisibles.

Toutefois, comme l’expliquent Muhammad Mamdani, vice-président, Données scientifiques et analytique avancée et Jennifer DeCaria, directrice principale Développement des affaires auprès de l’organisme Unity Health Toronto, il n’est pas nécessaire qu’il en soit ainsi. « En un an, nous comptons plus de 75 000 visites au service des urgences, plus de 25 000 patients hospitalisés, plus d’un demi-million de consultations aux soins ambulatoires et environ 15 000 interventions chirurgicales », indique M. Mamdani. « Ainsi, comme vous pouvez l’imaginer, les patients qui se présentent ici ont besoin d’analyses en laboratoire, de médicaments, d’ordonnances, de surveillance des signes vitaux, de services d’imagerie médicale – et en conséquence, nous recueillons sans cesse une quantité importante de données. Malheureusement, comme n’importe quel autre hôpital du pays, nous ne les avons pas très bien utilisées pour gérer les soins prodigués aux patients et les processus hospitaliers. »

Effectuer un virage pour le mieux

C’est le défi de l’équipe responsable des données scientifiques et de l’analytique avancée de M. Mamdani de l’organisme Unity Health Toronto. Comment peuvent-ils utiliser toutes ces données afin d’améliorer le rapport coût-efficacité tout en améliorant les soins aux patients? La première étape consistait à mettre en place l’infrastructure. « Pendant trois ans, nous avons travaillé avec IBM pour créer un entrepôt de données organisationnelles et un environnement d’analytique dont nous pourrions tirer profit pour rendre l’utilisation de l’IA possible », explique M. Mamdani. « Je crois que c’est juste de dire que nous avons maintenant l’environnement informatique et d’analytique avancée le plus évolué parmi tous les hôpitaux du pays – notre base de données analytique est constamment mise à jour. »

Il fallait ensuite embaucher un groupe de scientifiques de données qui pouvaient travailler directement avec les cliniciens de l’hôpital et les directeurs de programmes afin de mettre les données au travail pour réaliser des gains d’efficacité. « L’équipe de M. Mamdani n’entreprend aucun projet qu’elle n’a pas mené du début à la fin », indique Mme DeCaria. « C’est vrai. Nous demandons plutôt : Qui veut travailler avec nous? Quel est votre problème? De quelle façon les données vous permettront-elles de changer la donne?” », ajoute M. Mamdani.

L’IA en pratique

De nombreux secteurs de l’hôpital ont approché M. Mamdani et son équipe pour qu’ils trouvent des solutions à des problèmes quotidiens, ce qui a permis de créer plus de 20 différents outils d’IA à ce jour. Un problème en particulier a une énorme incidence sur le processus de dotation de l’hôpital. « À l’Hôpital St. Michael seulement, nous comptons entre 1 600 et 1 700 infirmières et infirmiers », explique M. Mamdani. « Voici le problème : si une infirmière est malade ou prend des vacances, que se passe-t-il? Dans de nombreux cas, nous devons remplacer l’infirmière sur ce quart de travail; autrement, nous serons à court de personnel. » Par le passé, le quart de travail de l’infirmière ou de l’infirmier aurait été fait par un autre employé de l’hôpital, souvent une personne qui avait déjà travaillé un quart de 12 heures, et par conséquent, du point de vue de la main-d’œuvre, qui pouvait être surmenée, et du point de vue des répercussions financières pour l’hôpital, qui serait payée beaucoup plus en heures supplémentaires. Sinon, une agence externe pouvait être embauchée pour sous-traiter le personnel infirmier, ce qui avait des répercussions financières négatives encore plus importantes pour le système hospitalier.

Pour corriger ce problème, l’équipe responsable de l’IA a examiné les données en analysant le nombre d’infirmières et d’infirmiers qui devaient faire partie du personnel à la fois. « En étudiant seulement 18 mois de données, nous avons vu des tendances », ajoute M. Mamdani. « Nous avons observé des périodes de pointe prévisibles, ce qui nous a permis de faire des prévisions pour l’année suivante afin de voir combien d’infirmières et d’infirmiers seraient malades ou iraient en vacances et à quel moment cela se produirait. Notre modèle d’optimisation a suggéré qu’une équipe « flottante » devait se composer de 37 infirmières et infirmiers plutôt que les 22 membres du personnel prévus. Il a même indiqué combien d’entre eux devraient occuper des postes réguliers ou aux soins intensifs. » Ce modèle a été mis en œuvre dans les hôpitaux St. Michael et St-Joseph, pour une réduction des coûts de plus d’un million de dollars par année.

Mais comment l’équipe s’y est-elle prise pour améliorer les soins aux patients? L’une des principales préoccupations des Ontariennes et des Ontariens en matière de soins de santé est liée aux temps d’attente dans les hôpitaux, et heureusement, l’équipe responsable de l’IA d’Unity Health a également trouvé le moyen de mieux prévoir l’encombrement au service des urgences. « Selon nos observations, chaque année, il se produit deux à trois épisodes de fortes hausses de l’achalandage, et deux à trois épisodes de hausses de l’achalandage mineures chaque mois », explique M. Mamdani. « Ça commence à faire beaucoup pour l’équipe du service des urgences. »

L’équipe a utilisé des données recueillies pendant trois ans sur les visites au service des urgences, les conditions météorologiques et les données de planification de la ville (par ex., les Raptors jouent-ils un match ce soir? Y a-t-il un marathon dans le secteur riverain cette fin de semaine?) et a créé, à partir de ces données, un algorithme d’IA qui utilise une gamme de modèles d’apprentissage machine appelée « ensemble de modèles ». L’algorithme détermine combien de patients se rendront au service des urgences un jour donné.

Résultat : l’outil permet d’obtenir des prévisions d’une précision bien supérieure à 90 %, et de prévoir une augmentation du temps. Cette information aide l’hôpital à prévoir suffisamment de personnel, assurant ainsi des temps d’attente plus courts. « [Ironiquement], nous avons une liste d’hôpitaux qui souhaitent utiliser cet outil », indique Mme DeCaria. « Nous nous préparons maintenant à en faire la commercialisation et des organismes de partout au pays souhaitent collaborer. »

Une gamme de saines possibilités

Avec une technologie si puissante et autant de talents à proximité, M. Mamdani et son équipe savent que les possibilités sont infinies pour l’équipe responsable de l’analytique.

« Je crois qu’il existe un grand nombre d’occasions », indique M. Mamdani. « L’Institut Vecteur, l’Université Ryerson et l’Université de Toronto sont des partenaires importants pour nous. De nombreux étudiants viennent passer des mois avec nous et travaillent sur des projets qui sont souvent les premiers de leur genre dans le monde. C’est impressionnant de pouvoir tirer parti de tout ce talent. »

Le gouvernement joue également un rôle de premier plan au chapitre du soutien des innovations dans le secteur des soins de santé.

« Notre gouvernement a indiqué qu’il désirait moderniser le milieu », explique M. Mamdani. « Le conseil de Santé Ontario est impatient et avide d’apprendre et d’écouter, et l’Ontario prend des décisions très rapidement en ce qui a trait aux soins de santé et aux mégadonnées. Pour nous, il ne pourrait y avoir de meilleure combinaison. »

10 février 2020
  • LinkedIn
  • Twitter
  • Facebook

Commentaire : Cette page a-t-elle été utile?

Parlez-en à un conseiller commercial


Demande d’entretien

Inscrivez-vous à notre bulletin


Ouvrez-en un maintenant

Inscrivez-vous à
notre bulletin

Le formulaire est à des fins commerciales.

Retour en haut de la page