Et si l’Intelligence Artificielle permettait d’améliorer la qualité des soins ?

🤖 Aujourd’hui, comme promis, Guillaume Rousson vous présente la 2ème partie de sa veille scientifique sur l’amélioration de la qualité des soins grâce à l’IA, en continuant le décryptage de la revue de Mustafa Khanbhai PhD FRCSet ses collaborateurs concernant l’analyse par Traitement Automatique du Langage (#TAL) de l’#ExpériencePatient. C’est parti ! 

👨‍🏫 La semaine dernière, je vous avais présenté les bases du Traitement Automatique du Langage (#TAL), les 2 objectifs les plus couramment recherchés, les 2 grandes méthodes utilisées et pour quelles raisons il était intéressant de tester ces méthodes dans le cas de l’analyse de l’expérience patient.  
🤷‍♀️ Mais alors est-ce que cela fonctionne pour améliorer la qualité des soins ? 

📚 Entre 2000 et 2019, ces chercheur·es ont pu identifier 19 études incluant une analyse d’expérience patient par #TAL, à partir de verbatim patients issus des réseaux sociaux ou de questionnaires. 

✍️ L’approche de #TAL la plus utilisée est l’approche supervisée, nécessitant donc un travail de classification manuelle de milliers de verbatim en thèmes et ressentis. Cette classification servira de base d’entrainement, de repère, pour les algorithmes afin d’apprendre à reproduire cette analyse humaine. Le choix de cette approche signifie que la pertinence de l’analyse finale est donc fortement dépendante de la quantité de données classifiées mais aussi de la qualité de cette classification.  

🎯 Chez EntendsMoi, nous avons suivi cette méthode et nous avons classifié plus de 50 000 verbatim d’expérience patient, en regard croisé patientes expertes et professionnels de santé. Ce long et complexe travail nous a permis de créer une base d’entrainement unique en #France, et donc d’obtenir des modèles d’analyse extrêmement performants. 

📝 Autres résultats très intéressants, la taille moyenne, des verbatim analysés dans ces études, est de 40 mots et les thématiques ainsi que le vocabulaire utilisé sont globalement constants. Ces résultats expliquent pourquoi le #TALest particulièrement pertinent pour ce type de données. En effet, 25% du vocabulaire des patients couvre 92% des thématiques ! 

✅ Finalement, cette revue de la littérature permet de mettre en évidence que le Traitement Automatique du Langage est un outil important pour analyser l’expérience patient, comprise dans des données non-structurées, comme ce qu’il est possible de retrouver sur les réseaux sociaux mais également dans les zones commentaires et les questions ouvertes issus des questionnaires des établissements de santé. 

🚨 En revanche, analyser l’expérience patient ce n’est pas améliorer la qualité des soins, pour cela il faut que les analyses soient utilisées, mais l’IA peut également nous aider pour cela…