Qui soigner en premier ? Le machine learning au service du triage

This content has not been translated yet: it is shown in its original language (French).

Imaginez arriver aux urgences avec une douleur thoracique, au moment où arrivent aussi un enfant en détresse respiratoire et une personne âgée confuse. Qui l'infirmière prend-elle en charge en premier ?

Cette décision, le triage, doit se prendre en moins de cinq minutes, souvent dans le bruit et le stress. Une erreur peut augmenter la mortalité du patient sous-estimé. Des études montrent pourtant que deux infirmiers expérimentés attribuent des niveaux de priorité différents au même patient dans environ 30 % des cas.

C'est peut-être la preuve que le jugement humain seul est insuffisant sous pression.

Ce que fait le modèle

En analysant simultanément :

• l'âge ;
• les constantes vitales (fréquence cardiaque, tension, saturation en oxygène, température) ;
• les antécédents ;
• le motif de consultation,

un modèle de type forêt aléatoire (Random Forest), entraîné sur des centaines de milliers de dossiers, peut proposer un niveau de priorité en quelques secondes, avec une exactitude supérieure au jugement humain moyen (Levin et al., 2018).

Et au Bénin ?

Dans des services d'urgences souvent débordés, un système de triage numérique sur tablette alimenté par un tel modèle pourrait transformer la qualité des soins, sans nécessiter d'infrastructure lourde.

Les algorithmes ne remplacent pas les soignants. Ils leur donnent des super-pouvoirs. Seriez-vous prêt à faire confiance à un algorithme pour décider qui soigner en premier ?