calyps-data-intelligence-logo

Quand l’IA soutient les soignants dans la lutte contre le COVID-19

Intelligence Artificielle

Le COVID a fait de 2020 une année remarquable à tout point de vue. Ce qu’on croyait impossible ne l’est plus, de nombreux paradigmes se sont décalés et, à n’en pas douter, il y aura un avant et un après 2020.

Autre point remarqué, le défilé d’experts qui a déferlé sur les plateaux de télévision, les chaînes de streaming ou dans des blogs plus ou moins avertis. Tous ont abreuvé la population d’informations diverses et variées, plus ou moins heureuses, mais de façon continue. Beaucoup nous ont présenté à un moment ou un autre des courbes et des cartes pour expliquer la situation, nous rassurer. Après tout, n’est-ce pas un mathématicien – Jules Henri Pointcarré – qui rappelait que “[…] la peste n’était pas l’unique problème; c’est la peur de la peste qui a eu le plus d’impact” ?

COVID: 1ère vague

Chez CALYPS, nous avons aussi produits des courbes et des cartes pour définir relativement précisément la tendance évolutive. Mais surtout cette première vague a permis à notre intelligence artificielle (IA) de se confronter à une réalité que nos analyses n’avaient pas envisagée : une pandémie. Du coup, il a fallu repenser les algorithmes pour que notre IA s’adapte et nous avons dû revoir les prédictions pour qu’elles continuent à aider les acteurs de la santé au quotidien. Eux, jour après jour, devaient faire face.

Le plus étonnant fut de constater qu’en moins de 3 semaines, la solution mediCAL.ai avait assimilé ce qu’elle considérait initialement comme une anomalie. Une fois ces nouveaux fondamentaux intégrés, les prédictions des flux de patients se sont révélées plus précises. Cependant, nous avons été rapidement confrontés à un autre défi plus complexe, à savoir comment aider un hôpital à gérer la crise :

  • quand doit-il dédoubler le flux des Urgence (COVID vs non COVID) ?
  • à quel moment doit-il dédier des lits (et donc des services) spécifiquement aux malades du COVID ? combien de lits ?
  • quand doit-il prévoir de fermer les blocs opératoires pour bénéficier de lits de réanimation supplémentaires ?
  • comment tracer les malades et anticiper les sorties?
  • de quelle manière gérer le décompte des lits dédiés au COVID?
  • quid du planning des ressources humaines mobilisées pour lutter contre le virus ?
  • quand l’établissement hospitalier peut-il commencer à revenir à la normale ?

Vaste programme

Ce ne fut pas une tâche aisée. D’abord parce que les personnes à l’hôpital aptes à orienter nos réflexions étaient fort sollicitées. Ensuite parce qu’il a fallu conceptualiser des indicateurs sans pour autant bénéficier de toutes les données requises pour les produire. Malgré tout, nous avons construit un premier tableau de bord prédictif qui anticipait les admissions COVID et prédisait les besoins en lits.

COVID: 2e vague

Avec cette deuxième vague, nous avons affiné le concept et sommes allés plus loin. Sans trop en dévoiler, voici le résultat d’une partie de nos indicateurs :

D’abord, nous mesurons les admissions COVID aux urgences (A). Ce diagramme expose en gris les valeurs effectivement mesurées et en bleu les prédictions qui courent jusqu’à 15 jours en avant. Deux constats : (i) notre IA a pu déterminer avec une marge d’erreur acceptable les suspects COVID en s’appuyant sur les constantes vitales des patients et (ii) elle a toujours pu anticiper 2 semaines avant que ne se produise l’évènement significatif influençant la tactique du service des Urgences.

Nous mesurons ensuite le taux d’incidence des admissions aux Urgences (B) en comparant les valeurs françaises et les valeurs du département dans lequel l’hôpital est situé, le tout ramené à 100’000 habitants, pour avoir des valeurs comparables. Là encore, notre IA a anticipé la tendance de la pandémie et prévu environ 2 semaines avant qu’elle ne se produise la chute des admissions.

Puis nous mesurons le taux d’incidence des admissions COVID effective (C) et nous la comparons avec la tension induite sur le service des Urgences et le nombre d’hospitalisés COVID. Cela permet de s’assurer que nos prédictions se reflètent bel et bien dans la réalité.

Enfin, avec ces prédictions et ces mesures, nous prédisons heure par heure les admissions COVID du jour (D), les admissions des personnes âgées de plus de 75 ans et suspectées de COVID (E) et les besoins en lits COVID (F). Comme nous pouvons le constater, les mesures effectives du réel (histogramme gris) sont opposées aux prédictions (courbe traitillée bleue) Dans les faits, comme l’IA anticipe assez bien ce qui va se produire dans les prochaines heures pour des groupes de patients distincts, cela permet aux soignants d’anticiper la situation à venir et donc de moins la subir.

Après la pandémie

Nous sommes maintenant en train de faire évoluer notre IA afin qu’elle soit à même de s’adapter de façon fluide à toute prochaine vague d’épidémie et/ou de pandémie, indépendamment du type de maladie infectieuse. Avec nos indicateurs, nous identifions les valeurs de seuil permettant aux soignants d’activer différentes lignes de défense en anticipation. Notre ambition est que notre IA apporte une aide significative à l’organisation de l’hôpital et surtout abaisse le niveau de stress du personnel médical, ce qui somme toute est le plus important : il faut préserver les soignants, car sans eux, rien n’est possible !

Team CALYPS