Le Centre Hospitalier Universitaire de Montréal est l’un des seuls hôpitaux au monde à intégrer une école d’intelligence artificielle. CScienceIA s’est demandé comment le CHUM a appliqué ces recherches en IA pour gérer la crise de la Covid.
« Tout d’abord, il faut se rappeler que la COVID-19 est une nouvelle maladie. Il y a très peu de connaissances sur le sujet dans la littérature médicale. ‘’La priorité absolue pour les équipes a été de mettre en place des banques de données, comme des biobanques, des banques de données de matières biologiques.’’» commence par expliquer Kathy Malas, responsable de l’innovation et de l’intelligence artificielle au CHU de Montréal.
Le rôle des biobanques
La priorité absolue pour ses équipes a été de mettre en place des biobanques, ce sont des banques de données de matières biologiques. Les banques d’images, composées des scanners ou des radiographies, à titre d’exemple, peuvent également être utilisées en IA pour répondre à des problématiques concrètes.
« L’objectif est d’utiliser des matières biologiques pour éventuellement mieux développer des algorithmes d’IA afin de mieux traiter les données. On a été les premiers à le faire avec quelques partenaires du réseau de la santé et des centres de recherche » ajoute l’adjointe au PDG du CHUM.
Ensuite, pendant la crise, les équipes du CHUM ont appliqué des projets de recherche en IA afin d’aider les soignants à mieux gérer le flux de nouveaux patients. Face à l’arrivée importante et inhabituelle de patients atteints d’une nouvelle maladie dont nous ne connaissons toujours pas clairement les contours, la plus grande difficulté a été de gérer les ressources humaines et matérielles. Et pour cela, le CHUM a utilisé des outils de statistique avancée et d’analytique poussée pour mieux prédire les flux de patients internes. Et ce, tout en considérant les potentiels nouveaux malades, en se basant sur l’avancée de l’épidémie et les courbes prédictives. Ainsi, cette IA a généré des modèles de prédiction pour que les équipes puissent faire face aux flux à venir.
« Avant la Covid, on n’avait pas de lits Covid et de lits non-Covid, on avait des lits affectés à différentes maladies. Il fallait qu’on anticipe les flux de nouveaux patients Covid qui rentraient à l’hôpital pour mieux gérer notre parc de 772 lits. Il fallait aussi gérer le nombre de lits ‘COVID +’ et de lits ‘COVID -’. Pour cela, nous avons fait des prédictions basées sur de l’analytique ou de la statistique avancée. Donc il faut anticiper X nombre de lits en soins intensifs, X nombre de ventilateurs utilisés auprès des patients, etc. Il fallait gérer le nombre de lits en interne tant pour nos ‘patients Covid’ que pour les ‘patients non-Covid’ » illustre Kathy Malas.
Le complexe calcul des trajectoires de patients
L’autre application d’IA utilisée pendant la crise de la COVID-19 est la modélisation des trajectoires de patients. Par exemple, un “patient Covid” qui entre aux urgences va généralement être affecté, soit en hospitalisation, soit en soins intensifs. De là, il peut soit retourner en unité, soit guérir et sortir de l’hôpital, soit il peut aller à l’Hôtel-Dieu s’il est stable mais qu’il a encore la maladie, ou il peut malheureusement décéder. A chaque étape du parcours de soin, le patient a plusieurs options pour arriver à l’étape suivante. Ainsi, il est très important de modéliser ces flux, ainsi que la trajectoire des patients, afin de mieux gérer la capacité hospitalière, tant en matière de lits que de ressources humaines.
Ces modélisations mises en place rapidement durant la crise de la COVID-19 vont pouvoir être appliquées à d’autres maladies au parcours de soins plus complexes : « On est en train d’amorcer de nouveaux projets pour mieux planifier de manière intelligente. On va pousser l’algorithme mis en place pendant la Covid avec des problématiques beaucoup plus spécifiques : comment encore mieux planifier notre gestion des blocs opératoires, comment mieux planifier nos traitements en oncologie, en considérant les particularités du patient, en considérant le type de traitement en oncologie. Souvent les types de traitements sont liés à des phases de traitements, tout ça, c’est beaucoup de données, beaucoup de variables à considérer, pour bien planifier les traitements en oncologie. Ce sont des projets qui vont commencer bientôt, mais avant il fallait accumuler des données. Donc, ça, c’est l’un des projets que l’on va installer très prochainement, un planificateur pour le traitement en oncologie. Considérant une nouvelle réalité qui est la Covid. » conclut Kathy Malas, responsable de l’innovation et de l’intelligence artificielle au CHUM.
