Optimisation de la prise en Charge des Patients à l'Hôpital – ClinMine

Un nombre croissant de données hospitalières sont disponibles sous un format informatisé. En France, chaque hôpital dispose des données du Programme de Médicalisation des Systèmes d’Information (PMSI), et de plus en plus d’hôpitaux font appel à des logiciels pour gérer leurs prescriptions de médicaments ou résultats d’examens, notamment de biologie. De nombreux travaux voient le jour afin d’exploiter ces données, exprimant des besoins croissants en analyse de données. Souvent, l'analyse statistique constitue une première approche, cependant de plus en plus de méthodes d’apprentissage et de datamining sont mises en œuvre pour traiter ces grands volumes de données.
De plus, la notion de parcours de patients structure de plus en plus l’activité des établissements de soins. La Loi HPST (Hôpital, Patient, Santé, Territoire) votée en France en juillet 2009 impose progressivement la création de parcours coordonnés de soins au sein d’un territoire de santé. Ces parcours peuvent impliquer, selon les pathologies, plusieurs établissements hospitaliers, la médecine de ville, des établissements sanitaires et sociaux. Une meilleure connaissance de ces parcours permettrait de se focaliser sur les parcours associés à certaines pathologies (parcours associés à un accident vasculaire cérébral, par exemple) ou encore de repérer des possibilités d’inclusion de patients dans un essai clinique. Toutes ces possibilités contribuent à l’amélioration de la prise en charge du patient.

Dans cette optique le projet CLINMINE vise à développer des méthodes innovantes pour analyser, à partir des données disponibles au sein des hôpitaux, les typologies de parcours. Une approche polyvalente sera proposée, puis différents ‘case-studies’ seront étudiés de façon à valider l’approche. Le produit final développé sera une plate-forme logicielle fonctionnelle, s’appuyant sur des produits en licence ouverte.

Le projet CLINMINE présente plusieurs caractères innovants :
- CLINMINE propose d’hybrider des méthodes informatiques, issues du domaine de l’optimisation, et statistiques. En effet, des méthodes avancées de Datamining sont à concevoir et développer pour analyser les données incomplètes décrivant les patients (données de type PMSI, par exemple) et pouvoir classifier les parcours patients. Ces méthodes doivent prendre en compte un très grand nombre de facteurs (actes médicaux, diagnostiques, traitements,…) et leurs combinaisons potentielles. La sélection des facteurs d'intérêt dans la construction du modèle statistique de classification devient d'une complexité combinatoire trop importante pour être menée exhaustivement. Afin d’effectuer une recherche efficace, des algorithmes d’optimisation combinatoire (de type métaheuristiques) seront mis en œuvre pour leur forte capacité d’exploration et de manipulation d’un très grand nombre de solutions potentielles. Ici l’aspect novateur viendra de la coopération que nous développerons entre ces méthodes d’optimisation et des approches statistiques, afin d’améliorer l’efficacité de la recherche
- CLINMINE a pour objectif représenter les parcours patients en prenant en compte finement leurs aspects temporels : placement des séjours dans le temps, durée de ces séjours, et, en déduction, fréquence, évolution de la fréquence, interruption, proximité dans le temps, etc. Pour cela, nous proposons de modéliser l’évolution au cours du temps du parcours d’un patient par un processus stochastique, et analyser un ensemble de trajectoires par des méthodes factorielles.
- CLINMINE vise à produire une plate-forme destinée à une large diffusion dans sa version communautaire. Cette plate-forme illustrera les diverses capacités des chaînes de traitement de l’information proposées au travers de trois applications majeures, liées aux essais cliniques, aux parcours patients et aux maladies neuro-vasculaires.