Si les gros titres consacrés à l’IA se concentrent souvent sur les diagnostics ou la découverte de médicaments, il existe de nombreuses occasions en coulisses, soit dans la prise de décision opérationnelle, à saisir afin d’améliorer l’efficacité et l’accès aux soins pour les Canadiens. L’IA peut favoriser une prise de décision plus intelligente en mettant en évidence des tendances dans des ensembles de données complexes, en prédisant les répercussions des changements proposés à l’échelle locale et du système, et en tenant compte de la dynamique globale du système pour orienter des actions plus éclairées et efficaces.
Voici trois cas d’utilisation de l’IA dans la rationalisation de la prestation des soins :
- Simulation de systèmes complexes : Les hôpitaux tentent depuis longtemps d’améliorer le roulement des patients grâce à des initiatives comme la planification des sorties, les programmes de transition des soins et les protocoles d’urgence. Bien que précieuses, ces initiatives sont souvent conçues de manière isolée ou testées sans que leurs répercussions soient pleinement comprises. Les simulations basées sur l’IA et les jumeaux numériques changent la donne en utilisant des données opérationnelles réelles pour cartographier les déplacements des patients entre les services, de l’urgence aux cliniques internes, et ce, jusqu’à la sortie. Ces modèles permettent de tester l’incidence d’interventions – par exemple, les sorties anticipées, l’augmentation des capacités de soins de transition ou l’ajout de médecins à l’urgence pendant les périodes de pointe, – sur les performances globales du système. Les dirigeants peuvent explorer des scénarios hypothétiques et déterminer les changements ciblés qui permettront d’obtenir les améliorations les plus significatives, qu’il s’agisse de réduire l’engorgement des urgences, la durée des séjours en niveau de soins alternatifs ou les goulots d’étranglement chirurgicaux, avant de mettre en œuvre ces changements dans le monde réel.
- Assortir la demande à la capacité : La planification chirurgicale est un casse-tête complexe à multiples facteurs. En raison des ressources chirurgicales coûteuses, du personnel limité et des besoins urgents des patients, chaque décision concernant les patients admis et à quel moment entraîne des répercussions en aval sur le temps d’attente, les heures supplémentaires et l’efficacité. Gérée traditionnellement de manière manuelle à l’aide de formulaires de réservation papier, de tableurs et d’estimations, la planification sous-utilise souvent les capacités disponibles ou provoque des goulots d’étranglement. Les modèles d’IA formés à partir de données historiques comme la durée des séjours et des délais de traitement ainsi que des caractéristiques actuelles des listes d’attente peuvent établir de manière dynamique des calendriers chirurgicaux optimisés, et donc proposer la meilleure combinaison de procédures et de ressources afin de maximiser l’utilisation tout en minimisant les retards. Il ne s’agit pas seulement de réserver des créneaux horaires, mais d’aligner stratégiquement la demande chirurgicale sur les contraintes de capacité réelles. Des modèles similaires peuvent également être appliqués en dehors du bloc opératoire. On peut notamment concilier la planification des sorties d’hospitalisation et la disponibilité des lits en niveau de soins alternatifs, ou adapter le personnel de l’urgence au volume de triage en temps réel afin de garantir que les ressources limitées soient déployées là où elles sont les plus nécessaires.
- Mettre en évidence les tendances cachées à un rythme soutenu : Compte tenu des grandes quantités de données produites dans le domaine des soins de santé, l’analyse des données pour mettre en évidence les tendances et déceler les possibilités d’amélioration peut s’avérer laborieuse. Un domaine propice à l’application de l’IA est la réduction des variations dans les fournitures chirurgicales, où les modèles d’IA peuvent analyser des milliers de cas chirurgicaux afin de mettre en évidence les différences de coûts entre les fournisseurs et les occasions de réduire les dépenses grâce à la normalisation ou à des solutions moins coûteuses, faisant ainsi ressortir des tendances qui ne sont pas visibles lors d’un examen manuel.
Ces outils s’appuient sur les données que la plupart des hôpitaux collectent déjà, notamment les dossiers médicaux électroniques, les registres des salles d’opération, les données relatives à la chaîne d’approvisionnement et les ensembles de données administratives. Grâce à l’IA, nous pouvons établir des liens plus rapidement entre ces renseignements et les utiliser pour susciter le changement.
Bien que cet article parle du rôle de l’IA dans l’excellence opérationnelle, il convient de noter l’intérêt croissant pour les outils d’IA qui soutiennent la prestation de soins de première ligne. Des solutions telles que les scribes médicaux réduisent déjà la charge administrative des cliniciens en transcrivant les notes en temps réel, et de nouveaux outils d’IA, comme Hippocratic AI, sont actuellement testés pour communiquer directement avec les patients afin de leur fournir des instructions préopératoires ou un suivi après leur sortie de l’hôpital. Ces outils offrent d’excellentes possibilités et soulignent la transformation plus vaste que l’IA favorise dans tous les domaines des soins de santé.
