Thèse Cifre - Analyse et optimisation des données de santé par l?intelligence artificielle - Univers
Forum 'Emplois' - Sujet créé le 2019-05-27 par Farah Chehade
Analyse et optimisation des données de santé par l’intelligence artificielle : Consommation de soins sur un territoire
Contexte :
Dans l’Aube, l’activité de soins et la consommation de soins évoluent sans cesse pour répondre aux besoins en soins médicaux de la population. Le pôle Information Médicale Evaluation Performance des Hôpitaux Champagne Sud (IMEP), en partenariat avec l’Agence Régionale de Santé (ARS), propose un projet de thèse de science portant sur l’exploitation des bases de données du SNDS, du PMSI à l’aide des outils de l’intelligence artificielle afin de mieux cartographier et anticiper les variations dans la consommation de soins de la population. L’objectif de cette analyse de données est de cartographier les variations et la répartition des flux de patients entre les différentes structures fournissant des soins en fonction de l’évolution de l’offre (nouvelles structures, réorganisations…). Un volet de mise en place de démarche de suivi optimisé permettrait une contribution importante d’un point de vue pratique mais également méthodologique.
L’analyse des interactions entre les acteurs du territoire est également envisagée pour mieux appréhender et réguler l’offre de soins. Cette analyse visera à vérifier que l’offre de soins reste performante, voir optimale, en maintenant l’efficience et la qualité des soins. Les bases de données à analyser couvrent la population du GHT de l’Aube et du Sézannais et une demande d’accès au SNDS sera à faire pour ce projet.
Ces travaux devront permettre de développer des outils d’aide à la décision prédictifs d’activité pour les différents acteurs du territoire (anticipation des flux et évolution de l’offre sur le territoire). Cette approche couplée à des éléments relatifs aux pathologies permettra de mieux prédire les parcours dans le cadre de pathologies spécifiques, et également de prédire ces mêmes parcours au regard de l’offre de soins existante et ainsi modélisée.
Description du projet de thèse :
Les bases de données de santé à analyser seront issues d’une extraction du SNDS, il conviendra également de demander la mise en lien entre les données du SNIIRAM et le PMSI. Ces données seront constituées de différentes entités, dont les informations personnelles des patients (âge, sexe, gravité), l’ensemble des données produites par les structures sanitaires (les dates et durées d’admission, les causes de l’hospitalisation, les différents soins administrés et les actes réalisés, les résumés des passages aux urgences), les services concernés (Médecine court séjour, Chirurgie, Gynécologie, Obstétrique – MCO, Hospitalisation à Domicile – HAD, Soins de Suite et Réadaptation – SSR, psychiatrie, urgences ou autres). Les données ambulatoires seront quant à elles issues du remboursement permettant d’identifier les actes et les soins dispensés en ville et leur localisation.
Le doctorant devra :
- Gérer les bases de données de santé pour en extraire les informations utiles en lien avec les urgences et les unités de soins non programmés ;
- Analyser les données extraites dans le cadre d’une approche hypothético-déductive afin d’étudier les flux entre les différentes structures du GHT et d’identifier des problématiques pour l’amélioration de la qualité des soins ;
- Générer des modèles intelligents, basés sur le machine learning et/ou le deep learning, pour proposer des solutions aux problématiques identifiées.
- Elaborer des méthodes d’aide à la décision aussi efficaces sur des benchmarks internationaux que sur le cas d’étude et le territoire sus cité.
Ce travail est un réel enjeu entre réalité économique et intérêt épidémiologique afin d’améliorer la connaissance du régulateur et faciliter le pilotage de la santé à l’échelle du territoire.
Ce projet est également un challenge mettant en exergue la collaboration de compétences en intelligence artificielle, en gestion des méthodes de fouille et d’analyse de données, en techniques de recherche opérationnelle ainsi qu’en santé.
Format : Thèse sur 3 ans en lien avec les équipes LOSI et M2S de l’UTT et le thème 6 de l’ISIFT.
Encadrants :
Dr. Farah Chehade (UTT) ; Prof. Farouk Yalaoui (UTT) ; Dr. Stephane Sanchez (HCS) ; Dr. David Laplanche (HCS)
Dossier de candidature : CV et notes des trois dernières années, à envoyer à farah.chehade@utt.fr