+93 % !
En France, le nombre de consultations aux Urgences a explosé entre 1996 et 2015. Le chiffre est vertigineux : plus de vingt millions d’hospitalisations sont comptabilisées dans l’Hexagone chaque année. En moyenne, un Service d’Urgences (SU) reçoit entre 100 et 200 patients par jour. On comprend pourquoi l’attente est souvent longue, sachant qu’une fois examiné par le médecin le patient devra attendre de nouveau pour obtenir les résultats des examens et la synthèse. Cette (très) longue attente et l’environnement souvent animé ne sont pas de nature à apaiser nos patients déjà angoissés.
Je me souviens d’une garde très chargée, quand j’exerçais à l’hôpital Tenon, à Paris. Le chef de service était allé faire une annonce lui-même dans la salle d’attente : «Mesdames et messieurs, ce soir vous attendrez en moyenne 5 à 6h avant d’être vus par un médecin.» Aucun patient n’a quitté la pièce, tout le monde l’a remercié. Pourquoi personne ne s’est levé ? Parce que les services d’urgences – porte d’entrée incontournable vers les spécialités hospitalières ou la réorientation – ont une place centrale dans la vie d’un hôpital.
Je ne propose pas ici une réorganisation des urgences ou du système de soins. Simplement, faisons ensemble un tour d’horizon des solutions d’intelligences artificielles (IA) qui ont pour objectif de diminuer le temps de passage aux urgences, tout en optimisant les prises en charge.
Comment expliquer que le temps d’attente à un instant t n’est pas le même entre deux SU proches géographiquement ? Parce que la répartition des patients n’est pas optimale. Je prends l’exemple de Paris : à un instant «t», pour les patients sans urgence vitale, le temps d’attente à Lariboisière est de quatre heures et de deux seulement à Saint-Louis...
L’application Urgences Chrono1 a bien cerné ce problème et veut améliorer la répartition des patients entre les SU. Le concept est simple : l’application indique le temps d’attente moyen dans un SU grâce aux patients utilisateurs sur place, ou directement grâce aux professionnels de santé. Imaginons un patient qui décide de se rendre aux urgences : l’application lui annonce quatre heures d’attente à Lariboisière, et deux à Saint-Louis… Quel hôpital choisira-t-il ?
Une IA permettrait d’aller plus loin grâce aux datas ainsi générées. Elle pourrait prédire le flux d’arrivée des patients aux urgences en fonction de la date, de l’heure, du lieu, mais également d’autres facteurs qui nous échappent (météo, événements sportifs, trafic routier, etc. ). In fine, l’algorithme pourrait aider à décider des ressources humaines à mobiliser : plus d’urgentistes quand c’est le «rush», et plus de repos en période creuse !
Le projet 3P-U 2 («Prédiction du Parcours Patient aux urgences») du CHU d’Amiens nous montre une autre utilisation de l’IA dans la gestion des flux aux urgences. Son but : «prédire au plus tôt du parcours du patient arrivant aux urgences, la nécessité de prévoir un lit en vue de son hospitalisation. Parmi les objectifs [...], on retrouve la réduction du temps de passage moyen du patient aux urgences et par conséquent le désengorgement des services d'urgence.»
On le sait , un double avis médical permet d’améliorer le taux de «bon diagnostic», ce qui améliore la prise en charge d’un patient. Problème : avoir un double avis aux urgences est un luxe, car cela monopolise deux médecins. Alors pourquoi ne pas se faire aider par une IA fiable ?
La solution MedVir 3 s’adresse aussi bien au patient qu'au professionnel de santé, en amont ou directement aux urgences. Son IA repose sur 33 années de recherches faites par des médecins urgentistes, et nous disposons maintenant d’un recul d’utilisation de plus de 12 ans. En partant de l’âge, du sexe et des symptômes, MedVir pose au patient un nombre limité de questions, de plus en plus précises. MedVir formule ensuite des hypothèses diagnostiques (diagnostic différentiel), et évalue pour chacune la probabilité. En intégrant les constantes du patient et en répondant à des questions plus approfondies, le professionnel de santé permet à l’IA d’affiner son analyse.
Ce qui est génial, c’est que l’IA reconnaît aussi bien les termes médicaux que les termes populaires («mal au coeur» = «nausées» par exemple). MedVir pourrait donc en amont des Urgences orienter le patient vers le bon professionnel de santé, donc éviter des passages inutiles. Aux Urgences, le médecin pourra confronter ses propres hypothèses diagnostiques à celles de MedVir, évitant certains examens inutiles, et réduisant ainsi le temps de passage moyen.
Enfin, rappelez-vous de Quantiq : ici l’IA permet de pren re les paramètres vitaux du patient en seulement quelques secondes grâce à une caméra. Un gain de temps énorme pour l’infirmière d’accueil et d’orientation (IAO) !
Le patient a (enfin) vu le médecin. L’heure est maintenant à la prise de sang, à la radio, à l’ECG. Et à cette phrase mythique lâchée dès que le patient se sent mieux (merci la «simple» perfusion glucosée) : «Docteur, quand est-ce que je sors ? ». Eh bien… « Quand on aura tous les résultats. »
Et si l’IA accélérait l'analyse des résultats d’examens paracliniques ? Exemple avec Cardiologs4, une solution d’IA capable d’analyser les ECG. Grâce à l’apprentissage sur des millions d’ECG, cette IA diagnostique les troubles du rythme et détecte les anomalies électriques de l’infarctus du myocarde. C’est un outil précieux pour l’urgentiste – puisque Cardiologs permet d’avoir un «double avis» – et pour les hôpitaux ne disposant pas de cardiologue sur place. En amont, l’IAO disposant de ce type d’outil aurait une meilleure analyse du niveau de gravité du patient après l’ECG et pourrait l’orienter plus rapidement, soit vers le cardiologue soit directement en salle de déchocage. Les GAFAMI ont bien compris l'intérêt de ce marché de l’ECG : Apple notamment multiplie dans la littérature les cases reports où sa montre connectée a diagnostiqué des problèmes cardiaques.
Fractures, pneumopathies, épanchements... Comment les diagnostiquer quand le radiologue n’est pas disponible (les clichés de radiographie standard ne sont d’ailleurs pas systématiquement analysés par un radiologue) ? Que faire si l’urgentiste a un doute ? Gleamer5 ou Milvue6 sont des IA qui analysent les radiographies avec une précision bluffante. Un confrère urgentiste de Bourg-en-Bresse utilise Milvue. Il m’a confirmé son impressionnante efficacité. Un patient présentait des fractures costales qui avaient échappé à l’oeil humain... Mais pas à l’IA. «Si on n’avait pas eu Milvue, le patient rentrait chez lui sans prise en charge adaptée.»
Je parle volontiers de l’utilisation de l’IA en radiologie, mais je suis convaincu que si les IA excellent pour analyser les images, elles restent complémentaires de l'œil humain et ne peuvent prétendre remplacer le radiologue. Par contre, l'IA en radiologie n'a pas fini de faire parler d'elle : après des levées de fond impressionnantes6, l’étape suivante semble être l’analyse des IRM et des scanners pour le corps entier. Ce n’est plus de la science-fiction, bientôt l’urgentiste sera de garde… avec une IA !
L’IA n’est pas (encore ?) l’urgentiste de demain. Pourtant, elle contribuera sous peu à une meilleure prise en charge des patients et facilitera le quotidien de l’urgentiste. Je n'ai montré qu'un aperçu des solutions reposant sur l’IA et qui ont leur place aux Urgences. Beaucoup d'autres sont en développement, ou bien déjà utilisées en routine pour la gestion de la douleur, de la prise en charge des patients instables, des prescriptions médicamenteuses... sans parler de la reconnaissance vocale largement utilisée pour dicter les comptes rendus !
(Merci à Arnaud Depil-Duval, urgentiste à l’hôpital Lariboisière qui a contribué à l’écriture de cet article)
Notes :
1 - Urgences Chrono
2- Prédiction du Parcours Patient aux urgences Programme « 3P-U » : L’intelligence artificielle au service de l’accueil des patients aux urgences
3- MedVir
4 - Cardiologs
5- Milvue
6 - Les Échos – «Gleamer lève 7,5 millions d'euros pour diffuser son IA qui assiste les radiologues» (sept 2020)