Application de l'apprentissage automatique pour prédire le risque de nouvelles infections à l'hôpital pour les patients

Parfois, une infection est contractée à l'hôpital ou une complication survient après une intervention chirurgicale. Selon l'Organisation mondiale de la santé, de tels événements indésirables liés à la santé surviennent dans 8 à 12 % de toutes les hospitalisations. Un rapport de 2017 de l'Organisation de coopération et de développement économiques (OCDE) montre que plus de 10 % des dépenses hospitalières sont liées au traitement des événements indésirables liés à la santé qui surviennent pendant les hospitalisations.

L'hôpital CHUGA en France s'est associé à Elsevier pour appliquer l'apprentissage automatique à ses données historiques sur les patients dans le but de créer des modèles qui identifient les patients les plus à risque d'événements indésirables liés aux soins de santé. Les modèles identifient les 5 % de patients les plus susceptibles de présenter un risque accru de 4,7 fois d'événements potentiellement mortels comme la thromboembolie ou un risque de 40 % d'un séjour prolongé à l'hôpital. Cela permettra à l'hôpital de signaler les patients qui correspondent au profil de risque et de fournir des soins plus ciblés.