Etude « CHOICED » : Choix entre la médecine libérale ou les urgences

Objectif(s) de la recherche et intérêt pour la santé publique

Finalité de l'étude

Objectifs poursuivis

Domaines médicaux investigués

Bénéfices attendus

L’objectif principal de cette étude est de décrire les propriétés diagnostiques (sensibilité, spécificité et valeurs prédictives) de l’outil « CHOICED ». CHOICED est un outil d’aide à la décision pour l’assistant de régulation médicale (ARM) de premier décroché au SAMU-centre 15 pour l’orientation des patients vers la médecine générale ou l’orientation vers les urgences.
CHOICED utilisera des techniques d’IA liées à l’écoute vocale (décodage du contenu de l’échange, analyse des rythmes de parole, des bruits environnants, etc.) couplées à l’analyse des informations recueillies par le régulateur.
Les objectifs secondaires permettront une recherche plus épidémiologique, mais également l’affinement de l’outil de prédiction dans certains cadres nosologiques :
- Décrire le parcours patient en fonction du choix initial de régulation par l’ARM de niveau I dans le cadre du SAS (MG ou AMU) ou par l’ARM de niveau II (ou niveau I dans le cadre du SAMU) (MG ou MU).
- Décrire l’impact de la décision d’orientation initiale sur la sécurité et la qualité des soins grâce au recueil du devenir du patient.
- Comprendre le raisonnement médical en régulation médicale et l’impact de l’intuition dans ce dernier.
- Evaluer les potentiels freins humains et à l’utilisation de l’outil CHOICED.
Notre étude est originale et n’a encore pas été réalisée. Le choix du critère de jugement le plus adapté a alors été défini en fonction d’études similaires.

Cette étude va permettre une étude de la qualité de la prise en charge de nos SAMU par l’étude en vie réelle du devenir des patients. En sus, nous allons pouvoir valider un outil d’aide à la décision permettant d’augmenter notre qualité et notre sécurité de soins. Notre projet promet une vaste retombée en matière de qualité et sécurité des soins, ayant un impact direct pour les patients. En effet, au vu de l’enjeu de qualité précédemment décrit au niveau des SAMU et de la charge de travail allant à l’exponentiel, le développement d’un outil sécuritaire d’aide à la décision est aujourd’hui primordial.

- Phase 1 : Collecte de données et développement de CHOICED (concernée par la présente demande)
Nous réaliserons l’acquisition des données d’environ 300 000 patients de manière rétrospective sur l’année 2025:
** extraction de façon automatique du logiciel patient EXOS des éléments suivants : dossier de régulation du patient, les enregistrements des bandes de régulation
** extraction de façon automatique pour les patients hospitalisés et en fonction de leur orientation par le SAMU des : données de mortalité intra-hospitalière, actes CCAM et diagnostics en hospitalisation (CCAM ou DXCARE, diagnostics PMSI), échelle de tri par l’infirmière d’orientation et de l’accueil, diagnostics aux urgences, en UHCD et d’hospitalisation.
Ces données vont permettre la création globale de l’algorithme CHOICED. Ce jeu de données sera découpé en trois de manière classique afin d’obtenir des jeux d’apprentissage (70%), de validation (10%) et de test (exclusion – 20%). L’objectif est ici d’avoir un jeu de données le plus important possible, obtenu de manière (semi) automatique, afin d’entraîner le modèle sur un maximum d’exemples. Ce modèle sera validé sur l’ensemble de test issu de ce jeu de données et exclu de la phase d’apprentissage. Pour permettre un développement efficace et basé sur des méthodes reconnues, un état de l’art des architectures de réseau de neurones permettant d’analyser des données sonores (ou des séquences temporelles plus généralement) sera établi. Ensuite, une étude des approches hybrides (permettant l’intégration de sources de données hétérogènes) sera faite. En effet, il sera nécessaire de fusionner les informations extraites de la bande sonore, avec celles des textes saisis par les régulateurs. Le modèle global développé se basera sur l’utilisation d’un réseau de neurones profond avec une architecture originale permettant la fusion des informations extraites des différentes sources de données. L’idée est d’associer les informations issues d’une part de l’enregistrement sonore et d’autre part des éléments du rapport saisi par le régulateur. Pour cela, une branche sous forme d’un autoencodeur variationnel (VAE LSTM) pour l’analyse du son issu du dialogue téléphonique sera combinée avec un modèle de transformer analysant les informations obtenues lors de la saisie par le régulateur et extraites du rapport écrit. Ce transformer, à l’image de ce qui a pu être fait [55] sera pré-entraîné de manière non supervisée sur un très grand jeu de données non annoté afin d’apprendre à générer des textes de même nature que ceux rédigés par les régulateurs. Ensuite, il sera entraîné de manière supervisée sur un ensemble de données labélisées afin de savoir reconnaître le type d’intervention nécessaire pour ce cas. L’architecture multimodale complète sera ensuite évaluée sur sa capacité à prédire la bonne orientation du patient à partir des données de test (exclue de la phase d’apprentissage). La variable à prédire (gold standard) sera le type d’orientation du patient : médecine générale ou urgences. Le patient sera considéré comme relevant de la médecine générale s’il n’a pas été admis aux urgences, ou si son passage aux urgences n’a pas donné lieu ni à un geste technique hospitalier (liste CCAM prédéfinie), ni à une hospitalisation, ni à un décès hospitalier dans les 24h. Ces données seront extraites du système d’information hospitalier.

La phase de développement de CHOICED et la phase de validation de ses propriétés diagnostiques se feront sur deux échantillons différents d’appels au SAMU.

Chaque centre reçoit environ 500 000 appels par an, 300 000 appels SAMU seront tirés au sort sur l’année 2025 dans les deux centres.