Simulation et optimisation mathématique en santé : la boite à outils méconnue de la décision
Category: jumeaux numériques, modélisation & simulation
Introduction Que ce soit seul ou combiné à d’autres techniques d’analyses et de modélisation, la simulation et l’optimisation mathématique se sont imposées comme des méthodes de référence pour résoudre les problématiques organisationnelles complexes, telles que celles que l’on trouve dans le secteur de la santé. Organiser un planning de bloc opératoire, étudier le parcours patient ou l’organisation d’un territoire de santé, autant de préoccupations auxquelles l’optimisation mathématique apporte des éléments de réponse. Les multiples expériences
Comprendre le Process Mining en santé : un mini tuto pour transformer son regard sur les parcours de soin
Category: modélisation & simulation, parcours
Cet article est une synthèse et une introduction d’un cours que nous donnons dans des formations de niveau Master 2 et Grandes Écoles. Il s’appuie aussi sur notre expérience sur notre expérience professionnelle (15+ projets industriels et hospitaliers sur données réelles) et académique sur le sujet (Encadrement de thèses par Vincent Augusto) :– Martin Prodel (2014-2017) prédiction du parcours patient à partir du PMSI– Hugo De Oliveira (2017-2020) modélisation prédictive des parcours du SNDS– Jules
Découvrez comment les jumeaux numériques révolutionnent le monde de la santé (en vidéo) !
Category: jumeaux numériques, modélisation & simulation
Dans cette présentation en vidéo, nous explorons : La définition et le fonctionnement des jumeaux numériques Leurs applications concrètes dans le domaine hospitalier Un exemple d’utilisation : bloc opératoire Comment la simulation permet d’optimiser les décisions médicales et organisationnelles Découvrez comment les jumeaux numériques révolutionnent le monde de la santé ! Les jumeaux numériques offrent une vision dynamique et prédictive des parcours patients, des ressources hospitalières et des innovations thérapeutiques. Ils représentent une avancée majeure
Faut-il (vraiment) faire du machine learning sur les données de santé ?
Category: machine learning / IA
Travaillant dans le secteur de la santé, nous nous sommes demandé s’il est devenu trop courant d’entendre : « On pourrait faire du machine learning sur les données de santé… ». La proposition semble prometteuse, avec un côté moderne, voire incontournable (et c’est sans parler d’IA génératives qui attirent beaucoup d’attention, on parle ici du machine learning « traditionnel »). Et pourtant… trop souvent, ces projets sont lancés sans réel besoin défini, ni question précise à résoudre.
Imaginez pouvoir repenser l’organisation d’un service hospitalier, non pas à l’aveugle, mais en testant d’abord vos idées dans un hôpital virtuel. Et si ce patient attendait 15 minutes de moins ? Et si on ajoutait une salle ? Grâce à la modélisation et la simulation de flux, on peut visualiser, prédire, et optimiser… sans prendre le moindre risque pour les patients. Mais c’est quoi, la simulation de flux ? Dans un hôpital, tout est affaire


