Inserm U1219 Bordeaux Population Health · Équipe AHeaD · Université de Bordeaux
Où placer un infirmier, comment ordonner une file d’attente, faut-il ouvrir un lit : ces décisions se prennent aujourd’hui sans pouvoir en tester les effets autrement que sur de vrais patients. Ma thèse construit le modèle qui permet de les essayer d’abord — un simulateur du service d’urgences, calibré sur 225 766 passages réels.
Je viens de la physique théorique et des mathématiques : Magistère à Orsay, M2 à l’ENS Ulm, puis EDP et probabilités à Bordeaux. Les urgences sont pour moi un système dynamique comme un autre — à ceci près que ses trajectoires sont des patients, et que se tromper coûte des heures d’attente.
Un service d’urgences en réduction : sept zones, des places en nombre fini, et des patients qui ne libèrent la leur qu’une fois qu’ils en trouvent une plus loin. C’est cette règle-là qui fait remonter l’embouteillage vers l’entrée. Touchez aux curseurs.
Le cœur de ma thèse. Un service d’urgences est un réseau de files d’attente couplé à des ressources finies, à des décisions cliniques et à un aval hospitalier saturé.
Aucun modèle de flux ne tient sur des données fausses. Les traces que laisse un parcours de soin sont produites au fil de l’activité clinique, pas pour la recherche : on y trouve des événements mal ordonnés, des durées impossibles, des doublons, des trajectoires interrompues.
Un modèle entraîné sur l’historique d’un service apprend aussi ses biais. Avec l’équipe, j’étudie la détection des biais humains dans le triage — genre, âge, statut socio-économique — à l’aide de modèles de langue, et l’usage de jeux sérieux pour rendre ces biais perceptibles aux soignants en formation..
Évaluation automatisée de la dangerosité des passages piétons en France, en appariant vues aériennes et vues au niveau de la rue pour juger neuf facteurs de risque. Un travail applicatif qui sort du champ hospitalier mais partage la même logique : produire à grande échelle une mesure que l’expertise humaine ne peut pas fournir sur tout un territoire..
IEEE Journal of Biomedical and Health Informatics · 29(11):8484–8496
Reconstruction par réseaux Transformer des journaux d’activité des urgences du CHU de Bordeaux, évaluée contre une référence annotée par des experts.
JMIR AI · 4:e57828
Désidentification fiable de dossiers d’urgence par des modèles de langue assez compacts pour être déployés sur les serveurs de l’hôpital.
Heliyon · 11(4):e42428
Évaluation automatisée de neuf facteurs de risque sur les passages piétons français, à partir d’images aériennes et de vues au niveau de la rue appariées.
Corrigendum publié Heliyon 11(14):e43902