Avec ses solutions organisationnelles, Predict et Stock, Optacare est un acteur de l’excellence opérationnelle dans les hôpitaux français. Pour Health & Tech Intelligence, Hicham Chehade présente deux cas d’usage de l’IA dans des établissements comme le CHRU de Nancy et l’hôpital de Troyes, démontrant ainsi le potentiel et les bénéfices concrets pour la gestion et l’efficience des établissements de santé. L’entreprise, dont le siège social est situé à la Technopole de l’Aube en région Grand Est, est présente au salon Santexpo (21-23 mai 2024), au stand H47, hall 7.2.
Améliorer la qualité de service des urgences à travers l’anticipation des flux patients
Quelle problématique la solution Predict propose-t-elle de résoudre dans les établissements de santé ?
Les services d’urgence sont souvent débordés, entraînant de longs temps d’attente pour les patients, de l’engorgement et un stress accru pour les soignants. Cette surcharge peut provoquer un manque de visibilité sur les besoins en lits et en ressources humaines nécessaires. Predict vise à répondre à ces problématiques en utilisant les données historiques et les données en temps réel pour prévoir les flux de patients et optimiser l’allocation de ressources. Elle utilise des algorithmes de machine learning et de deep learning pour analyser des données incluant les historiques de patients, les conditions météorologiques et des événements pouvant avoir un impact sur l’affluence aux urgences (comme des épidémies ou des manifestations, des compétitions sportives etc.). Ainsi, son objectif est de fournir des prévisions précises sur :
- le nombre de patients attendus aux urgences ;
- le nombre de patients nécessitant une hospitalisation ;
- les besoins en lits par service et par unité fonctionnelle ;
- et les ressources humaines nécessaires (médecins, infirmières, etc.).
Quels gains la solution apporte-t-elle ?
Le gain pour les soignants est une réduction du stress, du temps de travail sur des tâches administratives et une amélioration de la planification en lits, en box, etc. D’un côté, les chefs de pôle et les cadres hospitaliers peuvent utiliser Predict pour anticiper les besoins en lits et en ressources humaines, réduisant ainsi le temps passé à collecter et analyser ces informations manuellement. Cela permet de se concentrer davantage sur les soins aux patients. Et d’un autre, Predict aide à prévoir les périodes de forte affluence, permettant une meilleure allocation des ressources et une préparation plus efficace des équipes, notamment en période de vacances ou lors d’événements spéciaux. Pour les patients, ce gain se traduit par un raccourcissement des délais d’attente, une meilleure communication et plus de transparence. En effet, les patients peuvent être informés de manière plus précise sur les temps d’attente, ce qui diminue leur frustration et leur stress.
Quels sont les utilisateurs au quotidien de la solution ? Quelles compétences humaines et techniques sont nécessaires ?
Les chefs de pôle, chefs de service des urgences, leurs adjoints, les cadres des urgences, et les chefs de service des unités de soins peuvent tous utiliser Predict au quotidien. Par exemple, à l’hôpital de Troyes, la direction des ressources humaines et la direction des soins utilisent les prévisions pour gérer les effectifs de personnel. La solution étant un outil de pilotage avec des courbes et des chiffres, il ne requiert pas de compétences techniques spécifiques.
Quels sont les indicateurs à mettre en place afin de pouvoir suivre et qualifier les effets produits par la mise en œuvre de la solution ?
Le principal indicateur est la fiabilité des prévisions (nombre de patients, besoins en lits, etc.). Des protocoles de test sont mis en place pour comparer les prévisions aux données réelles. Cela est mesuré par la précision des prévisions de flux de patients et des besoins en ressources, avec un objectif de fiabilité supérieure à 94-95%.
D’autres indicateurs concernent les temps d’attente des patients, les besoins en ressources matérielles (lits, box) et les besoins en ressources humaines. Des indicateurs qualitatifs sont également pris en compte, comme le gain de temps pour les cadres dans la planification des besoins en lits et en personnel grâce à l’automatisation de l’anticipation des besoins.
L’enjeu de l’accès aux données et de l’interopérabilité
Quelles sont les étapes principales et les difficultés pour la mise en œuvre de Predict ?
Les étapes de mise en oeuvre de Predict incluent :
- l’extraction des données ;
- l’entrainement des algorithmes d’IA ;
- les protocoles de tests sur différentes périodes ;
- ainsi qu’une étape de formation et d’accompagnement des utilisateurs.
Ce processus complet prend en moyenne 2 à 3 mois. Les difficultés sont l’accès aux données et l’interopérabilité entre différents systèmes d’information. Des solutions existent, notamment la mise en place de connecteurs de données adaptés à chaque établissement.
Quelles sont les principales sources de données utilisées et leur fréquence de mise à jour ?
Les données sont principalement issues des systèmes d’information des urgences comme RésUrgences ou toutes données liées aux flux de patients. Cela concerne par exemple :
- le nombre de patients dans l’historique ;
- les séjours des patients ;
- les données liées à l’occupation des lits, des box.
Ces données peuvent être complétées par d’autres éléments dépendant du niveau de granularité nécessaire pour répondre au besoin du service d’urgence. Les données doivent être mises à jour en temps réel pour assurer la précision des prévisions au moins une fois par jour.
Stock, une solution issue du monde de la supply chain, adaptée à l’hôpital
Quelle problématique la solution Stock résout elle dans les établissements de santé ? Quelles sont ses fonctionnalités et les gains apportés ?
La solution répond à un besoin exprimé par le CHRU de Nancy. C’est-à-dire une solution permettant de projeter et d’analyser les données pour anticiper les délais fournisseurs de plus en plus longs pour le réapprovisionnement des magasins de l’hôpital. Cette demande a conduit à l’adaptation de la solution existante pour répondre aux contraintes particulières de la gestion des médicaments et des produits hospitaliers.
La solution permet d’anticiper les délais afin d’anticiper les retards et éviter les ruptures de stock. L’IA permet de simuler les niveaux de stock afin d’avoir des projections à court et long terme. Il est également possible de gérer les commandes d’achats afin de minimiser les coûts logistiques associés aux ruptures ou au surstock.
Quels sont les utilisateurs au quotidien de la solution ? Quelles compétences humaines et techniques sont nécessaires ?
Les pharmaciens hospitaliers, les responsables de magasins d’hôpitaux ou les services d’achats et de logistique sont amenés à utiliser la solution pour gérer les stocks, l’approvisionnements de matériel ou la planification de commandes. Les compétences techniques à avoir pour les utilisateurs sont en relation avec la logistique et les notions de stock de sécurité ou de délai de réapprovisionnement.
Des économies allant de 10 à 30% ?
Quels sont les indicateurs à mettre en place afin de pouvoir suivre et qualifier les effets produits par la mise en œuvre de la solution ?
Les indicateurs d’impact de la solution Stock lors de son implémentation incluent la fiabilité des prévisions mesurées par la précision des prévisions. Mais également la réduction des coûts liés entre autres à la consommation d’énergie ou au transport de matériels. La solution Stock permet de réaliser des économies pouvant aller de 10% à 30% de réduction des coûts. Ces économies sont principalement dues à la diminution des stocks excédentaires en évitant le surstockage, ce qui réduit les coûts de stockage, les risques de péremption des produits et une réduction de la consommation d’énergie.
Quelles sont les étapes principales et les difficultés pour la mise en œuvre de Stock ?
Les étapes incluent :
- L’extraction et préparation de la data grâce à la collecte des données historiques pour entraîner les algorithmes ;
- Le test avec l’établissement de santé ;
- Et une étape de formation et d’accompagnement des utilisateurs.
L’accès aux données et l’interopérabilité est une difficulté également pour la mise en place de la solution Stock, notamment l’accès aux données de flux d’entrées et sorties de médicaments et produits.
Quelles sont les principales sources de données utilisées et leur fréquence de mise à jour ?
Stock nécessite l’accès aux données historiques des commandes et les données en temps réel. Cela inclut les niveaux de stocks existants, les commandes en cours et les délais de livraison. La gestion dynamique et réactive des stocks nécessite une fréquence de mise à jour en temps réel, au minimum une fois par jour.