Partout au Canada, les organisations de santé peinent régulièrement à atteindre les cibles de délais d’attente prescrites, lesquelles servent de référence pour évaluer la rapidité d’accès aux soins. Or derrière chaque cible manquée se cache un problème de coordination. Les décisions concernant l’affectation des ressources, la planification des rendez-vous des patientes et patients et la réponse aux fluctuations de la demande sont habituellement prises séparément, bien qu’elles soient fortement interdépendantes. C’est sur cette question que se penchera le professeur Jonathan Patrick grâce à la subvention à la découverte du Conseil de recherches en sciences naturelles et en génie qu’il a reçue pour son projet 
Malgré les investissements croissants dans les technologies de la santé et les systèmes de données, les outils de gestion des flux de patientes et patients et d’affectation des ressources cliniques ont un retard à rattraper. La plupart des méthodes de planification reposent sur des modèles statiques incapables de s’adapter à l’évolution de la demande, à la variabilité des durées de service ou aux effets en cascade des décisions prises dans des services interconnectés. Cette situation oblige les organisations de santé à réagir aux situations qui se présentent, plutôt que de les anticiper.
Un cadre intégré pour la planification des soins et de la capacité
Les approches actuelles de planification des soins et de la capacité sont inadéquates, car elles abordent ces questions séparément. Les systèmes de santé n’arrivent ainsi pas à composer avec l’incertitude et la complexité des soins dans le monde réel. Le professeur Patrick souhaite donc élaborer une approche intégrée pour la planification des soins et de la capacité, dont le cadre prendra en considération l’affectation des ressources, les décisions sur les rendez-vous et les cibles de délais d’attente au sein d’un même modèle.
Ses travaux reposent sur la programmation dynamique approximative, une méthode de calcul particulièrement bien adaptée à la prise de décisions séquentielle en contexte d’incertitude, comme celle qui caractérise les activités des systèmes de santé. Parmi les principales innovations figurent des modèles de planification des soins plus adaptatifs, capables de réagir aux conditions changeantes, ainsi que l’intégration de l’apprentissage automatique et des réseaux neuronaux pour tenir compte de la complexité non linéaire de la planification de la capacité à l’échelle des réseaux de soins.
Pourquoi ces travaux sont importants
Les retombées de ces travaux dépassent largement le cadre d’une clinique ou d’une approche méthodologique donnée. Pour la communauté scientifique, ils font progresser la recherche opérationnelle en combinant la programmation dynamique approximative et l’apprentissage automatique afin de mieux rendre compte de la complexité des systèmes de santé réels. Ils généreront de nouvelles connaissances à la croisée de l’optimisation, de l’intelligence artificielle et de la gestion des soins de santé.
Pour les décisionnaires et les personnes qui travaillent sur le terrain, les retombées seront encore plus immédiates. Les gestionnaires des services de santé obtiendront des outils fondés sur les données pour répartir les ressources plus efficacement, atténuer les goulots d’étranglement et offrir aux patientes et patients un accès rapide aux soins. Dans un pays où les délais d’attente constituent à la fois une priorité en matière de politiques publiques et un problème tenace, des travaux de recherche qui permettent d’améliorer de façon tangible la planification des soins pourraient être bénéfiques tant pour les patientes et patients que pour les prestataires et l’ensemble de la population.
