L'apprentissage statistique du parcours du patient en santé.
Le parcours du patient en santé peut être défini comme une succession d’états dans le temps... Chaque état peut avoir une structure de plus simples (juste l’unité médicale visitée par exemple) jusqu’à la plus complexe incluant des actes médicaux, des paramètres biologiques (analyses médicales) et économiques (coûts).
Nous proposons une modélisation statistique de ce type de données dynamiques dans le temps, basée sur l’analyse de données fonctionnelles. Cela permet notamment d’identifier des profils de parcours au sein desquels les trajectoires des patients sont homogènes.
Echantillon à gauche et toutes les données à droite
Pour une pathologie donnée (diabète, par exemple), le poids des différents profils et la compréhension de leur structure peuvent permettre une meilleure prise en charge des patients et aussi une meilleure organisation du système de soins. Cela est réalisé grâce à des méthodes d’apprentissage statistique non-supervisé (analyse en composantes principales des processus qualitatifs, visualisation, clustering).
La prévision d’un possible parcours à l’hôpital après l’accueil en urgences est un autre exemple de problématique inspirante pour l’apprentissage statistique supervisé.
Il ne s’agit bien évidemment pas de remplacer le praticien mais de lui proposer un outil d’accompagnement solide, capable d’automatiser certaines étapes d’extraction et d’analyse des données dans la construction du parcours patient .
Cristian Preda est responsable de l'équipe projet Modal à l'INRIA Lille Nord Europe. Il enseigne à l'école en spécialité Informatique et statistique.