Prédire les ressources d’un hôpital et ses urgences: interview d’Hugo Flayac, Head of research pour Calyps (1/2)

Suite au dernier épisode d’Airccelerate podcast abordant le projet d’intelligence artificielle CalAI avec Tony Germini, directeur de la société Calyps, l’association LaData a eu la chance d’interviewer Hugo Flayac, directeur de recherche, sur la genèse du projet.

Portrait d’Hugo Flayac

Monsieur Flayac est d’abord docteur en physique quantique: après plusieurs années de recherche fondamentale à l’EPFL, il s’aperçoit que l’analyse de données et l’intelligence artificielle (IA) occupent toujours plus de place dans la profession. Il s’intéresse à l’IA et se forme auprès des experts de deeplearning.ai, alors qu’en 2018 la HEIG-VD ouvre un poste pour un projet Innosuisse regroupant deux de ses passions: IA et activité médicale. Il saute sur l’occasion et prend la tête du projet de recherche. Prévu sur une durée de 18 mois et lancé en partenariat avec la société valaisanne Calyps, ce dernier a pour objectif d’optimiser les flux ambulatoires d’un hôpital grâce aux techniques de machine learning. La prédiction d’indicateurs-clés comme les no-shows (patients, voire praticiens, ne se présentant pas à l’opération planifiée), la durée des opérations ainsi que de la probabilité de décès du patient font de cette première étape une réussite. Dès 2019, Hugo est engagé à plein temps chez Calyps et dirige la recherche pour l’entreprise.

L’engorgement des urgences en France

Comme le nom l’indique, les urgences sont difficiles à prévoir. Elles ne sont pas régulières et requièrent des adaptations aussi fréquentes qu’imprévues de personnel, ou de matériel. Sachant qu’un tiers des visiteurs arrivant aux urgences seront hospitalisés, anticiper les flux de personnes – patients, patients de 65+ ans, personnel soignant – serait un must.

Des premiers échanges entre Rodolphe Bourret, directeur général du Centre Hospitalier de Valenciennes (CHV), et Tony Germini à la conférence HIT 2019, aux longues discussions entre Calyps et les employés du CHV, tous tendent à la même conclusion: l’engorgement des urgences en France est un problème qui coûte cher, en temps comme en argent.

Du problème à la solution

Initiée en Suisse romande, la première étape de prototypage a impliqué l’Ensemble Hospitalier de la Côte (EHC) qui a fourni un volume important de données en lien avec la planification des opérations hospitalières. Après des résultats probants sur les opérations ambulatoires, l’attention a été portée sur les urgences du CHV: une collaboration se met rapidement en place entre l’équipe du Dr. Maisonneuve, le service informatique de l’hôpital et les experts en données de Calyps. Les données des patients sont stockées dans le data center du CHV, ces dernières étant anonymisées et transférées une fois par heure chez Calyps.

Le CHV est un grand centre hospitalier de 1850 lits qui compte environ 200 admissions aux urgences par jour. C’est grâce à cet important volume d’entrées statistiques qu’il a été possible de calculer des prédictions avec une faible marge d’erreur.

Ces données vont permettre à l’agence valaisanne de construire des modèles de machine learning permettant de prédire le nombre de personnes qui vont être admises aux urgences du CHV, jusqu’à 7 jours dans le futur. De 85% de réussite lors des premières versions, ces modèles sont parvenus à des prédictions atteignant un taux de fiabilité dépassant 90% après réglages. Avec les données qui arrivent chaque heure, le modèle peut apprendre en continu (cf. reinforcement learning expliqué dans l’interview de Karim Bensaci, directeur produits & solutions chez Calyps) et s’améliorer au fil du temps. 

Dans notre prochain article, découvrez plusieurs rouages de l’intelligence artificielle CalAI: les types de données, ainsi que les technologies utilisées, l’impact du COVID-19 dans les prédictions de l’outil et les prochaines étapes du projet de recherche piloté par Hugo Flayac.

Un article co-écrit par Jacky Casas et Marco Brienza.