Triage par intelligence artificielle des patients nécessitant des soins en urgence ou non programmés devant être orientés vers l'hôpital

Présentation

Résumé de l’étude

Depuis plusieurs décennies, les services d'urgence hospitaliers connaissent un engorgement, atteignant parfois un point de saturation, où ils ne parviennent plus à remplir leur mission première : donner la priorité aux patients nécessitant une prise en charge immédiate en raison d'une situation clinique pouvant engager le pronostic vital ou fonctionnel. La principale raison de cette situation est une inadéquation structurelle entre les besoins médicaux, qui ont augmenté en raison du vieillissement de la population, et l'offre de soins ambulatoires, restée relativement stable afin de contenir les dépenses de santé. En conséquence, une large proportion des personnes se rendant aux urgences hospitalières sont des personnes n'ayant pas trouvé de solution à leurs besoins médicaux en ville et se tournant vers l'hôpital en dernier recours. Il s'agit de patients recherchant des soins urgents ou non programmés, n'ayant pas pu obtenir de rendez-vous auprès de leur médecin généraliste ou d'un autre professionnel de soins primaires. En période de tension extrême, comme cela se produit parfois en France durant l'été, l'accès aux services d'urgence hospitaliers est limité aux patients ayant reçu une autorisation préalable de s'y présenter. De même, de nouvelles façons de gérer ces demandes de soins urgents ou non programmés sont recherchées dans le domaine de la régulation médicale. Le triage téléphonique des patients apparaît comme une étape essentielle de la régulation médicale, préalable à l'accès aux services d'urgence hospitaliers. En effet, si des solutions sont disponibles en ville pour les patients ne nécessitant pas de se rendre aux urgences, ce triage permettra d'optimiser les ressources du système de santé. Cependant, évaluer rapidement des patients sans contact visuel (pouvant se trouver en état de détresse émotionnelle ou faire face à une barrière linguistique) constitue une tâche particulièrement délicate. Plusieurs algorithmes de triage sont disponibles pour assister les opérateurs téléphoniques. Cependant, ceux-ci nécessitent des informations cliniques structurées qui ne sont pas facilement et rapidement accessibles pendant les appels. Depuis plusieurs années, l'intelligence artificielle (IA) s'impose comme une alternative prometteuse pour assister les opérateurs, car elle permet de traiter de grandes quantités de données non structurées, en particulier des échanges audio. Des modèles de classification fondés sur l'IA utilisant des données audio ont montré qu'ils pourraient être utiles en régulation médicale, notamment en cas d'arrêt cardiaque, d'accident vasculaire cérébral ou d'infarctus du myocarde. Cependant, à notre connaissance, les études précédentes se sont concentrées sur des pathologies spécifiques, et leurs modèles ne sont pas en mesure de traiter le large éventail de cas inhérent à la classification générale des appels d'urgence de première ligne. Dans ce contexte, des chercheurs ont développé un modèle fondé sur l'IA permettant d'identifier, parmi les patients ambulatoires sollicitant des soins d'urgence ou non programmés auprès de centres d'appels médicaux, ceux nécessitant une orientation vers les services d'urgence hospitaliers. Pour ce faire, ils ont utilisé des appels téléphoniques et des dossiers médicaux de SOS Médecins Grand Paris, un groupe d'environ 150 médecins généralistes et urgentistes proposant principalement des visites à domicile le jour même à Paris et dans les départements limitrophes (plus de 6,5 millions d'habitants). L'objectif de cette étude est d'évaluer la capacité du modèle à identifier les patients nécessitant une hospitalisation à partir (1) de nouvelles données de SOS Médecins Grand Paris, mais aussi (2) de données de Corse, (3) de comparer les prédictions du modèle à celles d'un médecin, et (4) de déterminer les conditions générales d'utilisation des prédictions en pratique courante.