Un modèle de prévision opérationnel de l’IA développé par des chercheurs de l’Université du Hertfordshire vise à améliorer l’efficacité des ressources dans le domaine des soins de santé.
Les organisations du secteur public détiennent souvent de grandes archives de données historiques qui ne permettent pas de prendre des décisions prospectives. Un partenariat entre l’Université du Hertfordshire et les organismes de santé régionaux du NHS résout ce problème en appliquant l’apprentissage automatique à la planification opérationnelle. Le projet analyse la demande de soins de santé pour aider les gestionnaires dans les décisions concernant le personnel, les soins aux patients et les ressources.
La plupart des initiatives d’IA dans le domaine de la santé se concentrent sur des diagnostics individuels ou des interventions au niveau du patient. L’équipe du projet note que cet outil cible plutôt la gestion opérationnelle à l’échelle du système. Cette distinction est importante pour les dirigeants qui évaluent où déployer l’analyse automatisée au sein de leur propre infrastructure.
Le modèle utilise cinq années de données historiques pour construire ses projections. Il intègre des paramètres tels que les admissions, les traitements, les réadmissions, la capacité en lits et les pressions sur les infrastructures. Le système tient également compte de la disponibilité de la main-d’œuvre et des facteurs démographiques locaux, notamment l’âge, le sexe, l’origine ethnique et le dénuement.
Iosif Mporas, professeur de traitement du signal et d’apprentissage automatique à l’Université du Hertfordshire, dirige le projet. L’équipe comprend deux chercheurs postdoctoraux à temps plein et poursuivra son développement jusqu’en 2026.
« En travaillant de concert avec le NHS, nous créons des outils capables de prévoir ce qui se passera si aucune mesure n’est prise et de quantifier l’impact d’une évolution démographique régionale sur les ressources du NHS », a déclaré le professeur Mporas.
Utiliser l’IA pour la prévision dans les opérations de santé
Le modèle produit des prévisions montrant comment la demande de soins de santé est susceptible d’évoluer. Il modélise l’impact de ces changements à court, moyen et long terme. Cette capacité permet au leadership d’aller au-delà de la gestion réactive.
Charlotte Mullins, responsable du programme stratégique pour NHS Herts et West Essex, a commenté : « La modélisation stratégique de la demande peut tout affecter, depuis les résultats pour les patients, y compris le nombre croissant de patients vivant avec des maladies chroniques.
« Utilisé correctement, cet outil pourrait permettre aux dirigeants du NHS de prendre des décisions plus proactives et de permettre la mise en œuvre du plan décennal articulé au sein du Conseil des soins intégrés du Centre-Est en tant que document stratégique. »
Le partenariat du système de soins intégrés de l’Université du Hertfordshire finance les travaux, qui ont débuté l’année dernière. Les tests du modèle d’IA adapté aux opérations de soins de santé sont actuellement en cours en milieu hospitalier. La feuille de route du projet prévoit d’étendre le modèle aux services communautaires et aux maisons de retraite.
Cette expansion s’aligne sur les changements structurels de la région. Le Hertfordshire and West Essex Integrated Care Board dessert 1,6 million d’habitants et se prépare à fusionner avec deux conseils voisins. Cette fusion créera le Conseil des soins intégrés du Centre-Est. La prochaine phase de développement intégrera les données de cette population plus large pour améliorer la précision prédictive du modèle.
L’initiative démontre comment les données existantes peuvent générer des économies et montre que les modèles prédictifs peuvent éclairer les évaluations « ne rien faire » et l’allocation des ressources dans des environnements de services complexes comme le NHS. Le projet met en évidence la nécessité d’intégrer diverses sources de données – depuis les chiffres de la main-d’œuvre jusqu’aux tendances en matière de santé de la population – pour créer une vision unifiée pour la prise de décision.
