Évaluation et optimisation du triage téléphonique utilisant des modèles d'intelligence artificielle (IA) pour la détection des demandes de pathologie temporelle au Centre de Coordination des Urgences et des Soins Urgents (CCUE). (TrIAje Project)

Le Centre de Coordination des Urgences et Soins Non Programmé en Andalousie (CCUE) reçoit des milliers d'appels quotidiens, durant lesquels chaque cas doit être classé par niveau de gravité en fonction des informations fournies par téléphone. Les conditions pour lesquelles les citoyens demandent de l'aide couvrent un large éventail, allant des affections mineures à l'arrêt cardiaque. Ce projet aborde le défi du triage téléphonique dans les urgences extrahospitalières pour plusieurs motifs fréquents de demande de soins pouvant indiquer des conditions médicales émergentes et potentiellement mortelles : inconscience/arrêt cardiaque, détresse respiratoire, douleur thoracique non traumatique et accident vasculaire cérébral.

L'objectif est d'améliorer la précision et l'efficacité du triage téléphonique en utilisant des techniques avancées d'intelligence artificielle (IA) - à la fois symbolique et générative - incluant l'apprentissage automatique (ML) et le traitement du langage naturel (NLP). Cela permettra aux opérateurs du CCUE CES-061 Andalousie de prendre des décisions plus rapides et mieux informées pour fournir des soins opportuns et appropriés.

Les investigateurs collecteront des données historiques anonymisées provenant d'appels liés à ces quatre catégories de demande de soins, extraites des systèmes de base de données relationnelles des Centres de Coordination en Réseau (CCR) et du Dossier de Santé Mobile Numérique (HCDM) du CES-061 Andalousie. L'analyse inclura à la fois des données structurées (champs prédéfinis avec des formats spécifiques, incluant les questions de triage posées pendant l'appel) et des données non structurées (texte libre et autres formats) générées pendant la gestion de la demande, englobant les aspects de coordination et de prestation de soins.

Les investigateurs mettront en œuvre une approche hybride qui intègre les techniques classiques d'IA (apprentissage supervisé et profond pour la classification) avec l'IA générative (modèles de langage volumineux pour analyser et extraire des informations précieuses des données non structurées). Divers algorithmes de classification - tels que les arbres de décision, les forêts aléatoires, SVM, XGBoost, les méthodes d'ensemble et les réseaux neuronaux - seront testés pour construire le modèle prédictif le plus précis.

Grâce à l'analyse de l'importance des caractéristiques, nous identifierons les questions et variables les plus prédictives, proposant des modifications aux questions de triage actuelles pour améliorer la précision de la prédiction.

Le modèle sera évalué en utilisant plusieurs métriques (incluant la précision, la sensibilité, la spécificité, les rapports de vraisemblance positifs et négatifs, le taux de faux positifs [échec d'alarme], le taux de faux négatifs [échec d'omission], l'aire sous la courbe ROC et le score F1). Ces métriques aideront à évaluer la capacité du modèle à prédire correctement les diagnostics finaux - en maximisant la détection des cas véritablement urgents (haute sensibilité, rapport de vraisemblance positif élevé et faible taux de faux négatifs) tout en évitant les faux positifs excessifs (haute spécificité, faible taux de faux positifs et faible rapport de vraisemblance négatif).

L'objectif de ce projet est d'évaluer l'efficacité du modèle actuel de triage téléphonique du CCUE et de développer un nouveau modèle basé sur l'IA pour l'améliorer. Nous visons à fournir une base solide pour la future mise en œuvre du modèle amélioré dans les CCUE, aidant le personnel à identifier et prioriser rapidement les cas les plus graves, réduisant finalement les temps de réponse et améliorant les résultats de santé.