ALCOP

Titre

Active Learning for Cooperative Optimization of Predictors for intensive care units 

Brève description

Les unités de soins intensifs (USI) constituent un passage obligé pour de nombreux patients atteints de pathologies aiguës graves. Les USI constituent ainsi un goulot d’étranglement qui s’est particulièrement manifesté lors de la crise Covid. Les intensivistes reconnaissent les besoins d’optimisation de leur spécialité par l’IA mais c’est un domaine encore peu exploré. C’est pourtant la spécialité médicale dans laquelle le plus de données sont collectées. 

L’objectif du projet ALCOP est le développement de systèmes d’aide à la décision à destination du personnel soignant des unités de soins intensifs dans différents domaines cliniques tels l’hémodynamique et la physiopathologie vasculaire, respiratoire et infectieuse. ALCOP s’intéressera également à la prédiction de morbidités, mortalité ainsi qu’à l’élaboration de nouveaux scores et indicateurs innovants utiles au diagnostic, à la thérapeutique et au pronostic pour améliorer la prise en charge de patient individuels. Plus globalement, ALCOP abordera la problématique de l’optimisation et de l’organisation des services de soins intensifs sur base de prédictions réalisées sur les durées de séjour, les ressources humaines, la capacité hospitalière, le matériel et les actes médicaux à mettre en jeux. Le projet mettra en œuvre différentes technologies d’apprentissage machine dont une infrastructure d’apprentissage distribuée via des coalitions apprenantes pour aborder la dimension multi-centrique, des modèles d’apprentissages à base de transformers pour adresser l’hétérogénéité et la multimodalité des données issues des unités de soins intensifs. Il mettra également l’accent sur l’interprétabilité par le personnel médical des modèles décisionnels obtenus, gage d’une utilisation réelle sur le terrain. 

Les résultats du projet ALCOP seront valorisé par la société Eonix sous la forme d’une plateforme de prédiction des besoins des services de soins intensifs pour l’optimisation des décisions cliniques et d’organisation. 

Durée : 36 mois.

Partenaires

1 (Université) 

Université catholique de Louvain (UCLouvain)  

Belgique 

2 (Université) 

Université Libre de Bruxelles (ULB) 

Belgique 

3 (Université) 

Université de Mons (UMons) 

Belgique 

4 (Centre de recherche agréé) 

Multitel 

Belgique 

Statut du projet

Soumis à l’Appel Win2Wal le 1 mars 2022 : https://recherche.wallonie.be/Win2Wal_appel