TIAEU: Triage Intelligent A l'Entrée des Urgences

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

Finalité de l'étude

Objectifs poursuivis

Domaines médicaux investigués

Bénéfices attendus

Lors de leur passage aux urgences, les patients vivent en premier lieu un examen infirmier lors duquel ils se voient orienter dans un secteur ou dans un autre des urgences, selon divers paramètres (motifs de recours, degré d’urgence…). Cependant, il existe des risques de mauvaise orientation créant ainsi des problématiques de sur ou sous-triage. Depuis peu l'Intelligence Artificielle (IA) fait irruption dans le monde de la santé, dont certains algorithmes d’IA adaptés au tri des patients. Le but de cette étude donc de comparer le tri réalisé à l’entrée des Urgences par les Infirmiers d’Accueil et d’Orientation avec divers procédés de tri (recommandations d’experts, triage infirmier actuel tet plus ou moins compte des recommandations d’experts, modèle d’IA se basant sur le NLP, modèle d’IA se basant sur le LLM, modèle d’IA se basant sur le JEPA).

La méthodologie s'organise autour d'un traitement des données (verbatim des enregistrements audios et données médicales extraites des dossiers) de manière simultanée par 4 algorithmes: un algorithme se basant sur les recommandations d’expert: automatisation de la dernière version de la FRENCH, unalgorithme d’IA avec une architecture NLP avec les méthodes “vecteurs de paragraphes” et “sac de mots”, un algorithme d’IA avec une architecture LLM avec BER, un algorithme d’IA avec une architecture JEPA et une correction de type VICReg au vu de l’auto-encodage.

Pour évaluer efficacement ces divers procédés de tri, il est proposé d’évaluer les performances de ces différents outils diagnostiques à travers des courbes ROCs comme critère de jugement principal selon les diverses orientations à l'issue du triage: “Admission en secteur critique”, “Probable hospitalisation”, “Ambulatoire”, “Réorientation” . L'analyse des résultats se fera via des courbes ROC avec les marqueurs des tests diagnostiques (Sensibilité, Spécificité, Valeur Prédictive Positive, Valeur Prédictive Négative).
Plusieurs critères secondaires seront pris en compte: les différences d’orientation initiale et finale, les différences entre les procédés sur les orientations, ainsi que les prédictions des modèles en termes de mortalité et d’hospitalisation, une analyse de sensibilité pour étudier la discrimination de populations selon la méthode de tri.

Les bénéfices du projet consistent en une optimisation de la prise en charge du patient aux urgences afin de limiter les erreurs de sous-triage (pouvant coûter cher en terme humain) et les erreurs de sur-triage pouvant être problématiques en termes de gestion des ressources (bien que plus acceptables au nom du principe de précaution).
Afin de permettre de discuter et de vérifier la validité des résultats, le Professeur Emmanuel Chazard intégrera la gouverce scientifique afin de faire part de son expertise en vue de garantir l’intégrité scientifique et la qualité des études et de prévenir le risque de produire des résultats biaisés.

L’étude est conforme aux principes éthiques de par son design. En effet, elle ne modifie aucunement la prise en charge des patients transitant par les urgences, puisque les procédés de tri automatisé (par IA ou par arbre décisionnel pour les recommandations d’expert) s’effectueront comme les analyses sur les données des passages des patients a posteriori de leur passage aux urgences. L’étude inclut des données de patients sur la base du volontariat, après que ces patients aient reçu une information complète et adéquate et après qu’ils aient donné leur consentement écrit.
De par la variété et l'échantillon large d’intérêt (les passages seront ceux durant une période de 6 mois à raison de 175 passages/jour), aucune stigmatisation d’un groupe spécifique ne peut donc avoir lieu, ainsi cette étude ne peut aller à l’encontre de la morale.