ClinMine - Optimisation de la prise en Charge des Patients à l’Hôpital

Coordinatrice : Clarisse Dhaenens - CRIStAL

Équipe : ORKAD du Groupe Thématique : OPTIMA.

Dates : 2014 - 2017

Résumé :

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 sra 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.
• CliMine a pour objectif de représenter les parcours patients en prenant 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.
• CliMine 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.

Abstract :

An increasing number of hospital data is nowadays available. In france, each hospital has data Medicalization Program Information Systems (PMSI) and most of hospitals rely on software to manage their drug prescriptions or test results, including biology. Many studies are emerging to exploit these data, expressing the growing need for data analysis. Often, statistical analysis is a first approach, however, more and more learning and data mining approaches are implemented to deal with these large volumes of data.
In addition, the concept of trajectory of patients becomes more and more important for the business of care. HPST Act (Hospital, Patient,Health Planning) passed in France in July 2009 imposed gradually creating coordianted paths within a country. These trajacetories may involve, depending on the conditions, several hospitals, the medical city, health and social institutions... A better understanding of these trajectories would able to focus on trajectories associated with a given disease (associated with stroke, for example) or to identify opportunities for a patient to be recruited in a clinical trial. All these possibilities contribute to improving the care of the patient.
In this context, ClinMine aims to develop innovative methods to analyze, from the data available in hospitals, types of trajectories. A generic approach is proposed, and different ’case-studies’ will be studied in order to validate the approach. The final product will be a functional software platform products based on open licenses.

The project has several innovative characteristics :

• ClinMine proposes to hybridize computational methods, from the field of optimization and statistics. Indeed, advanced methods of data mining have to be designed and developed for analyzing incomplete data describing patients (PMSI data type, for example), and be able to classify the patient trajectory. These methods must take into account a large number of factors (medical, diagnostic, treatment etc.) and their potential combinations. The selection of factors of interest in building the statistical model for classification represents a high combinatorial challenge and the combinatorial complexity becomes too large to be explored exhaustively. To perform an effective search, combinatorial optimization algorithms (such as metaheuristics) will be developed for their strong ability to explore and manipulate a large number of potential solutions. An innovative aspect deals with the cooperation that we will develop between these optimization methods and statistical approaches to improve the efficiency of the search.
• ClinMine aims to represent the patient’s trajectories taking into account their fine temporal aspects : placement in time of stays, duration of stay, and by deduction, frequency, frequency change, interruption, proximity in time, etc. For this, we propose to model the evolution over time of the trajectory of a patient by a stochastic process, and analyze a set of trajectories by factorial methods.
• ClinMine aims to produce a wide dissemination platform. This platform will illustrate the various capabilities of the processing chains of information offered through three major applications related to clinical trials, patient’s trajectories and neurovascular disease.