RECHERCHE : Un nouvel outil de planification pourrait aider les hôpitaux à réduire les délais d’attente en chirurgie

Une équipe de recherche de l’Université Concordia a mis au point un outil de planification qui pourrait aider les hôpitaux à gérer plus efficacement la réservation de leurs salles d’opération, à réduire les délais d’attente et à mieux faire face aux urgences de dernière minute.

L’équipe a mis le modèle au point à l’aide d’outils d’intelligence artificielle permettant de déterminer quelles salles d’opération ouvrir chaque jour, à quelle heure chaque intervention chirurgicale devrait débuter et quels cas pourraient devoir être reportés, le tout au sein d’un cadre unique et intégré. Le modèle utilise bien moins de variables que la méthode antérieure largement répandue, ce qui le rend plus rapide et mieux adapté aux conditions réelles d’un hôpital, en particulier lorsqu’il s’agit de gérer des dizaines, voire des centaines d’opérations par semaine.

Le modèle permet de refaire la planification chaque jour afin d’intégrer des interventions chirurgicales véritablement urgentes ou un patient dont l’état s’est soudainement détérioré, tout en limitant le plus possible les perturbations et les reports pour les autres malades.

Dans le cadre de tests réalisés à partir de données simulées et de planifications réelles provenant d’un hôpital de Naples, en Italie, le système a permis de prendre en charge les admissions d’urgence le jour même en n’apportant que des modifications mineures au plan initial, grâce à des mesures telles que le recours limité aux heures supplémentaires, l’ouverture de salles supplémentaires ou le report mûrement réfléchi d’un petit nombre d’interventions non urgentes.

Dirigés par Hossein Hashemi Doulabi, professeur agrégé au Département de génie mécanique, industriel et aérospatial, les membres de l’équipe de recherche croient que cet outil pourrait contribuer à limiter les coûts et aider les équipes hospitalières dans leurs efforts visant à réduire les listes d’attente pour les interventions chirurgicales. Ils ajoutent qu’il pourrait permettre de réduire les annulations le jour même d’une opération et de réagir plus efficacement lorsque des cas urgents imposent des contraintes supplémentaires au système.

L’étude a été publiée dans la revue International Journal of Production Research.

Mahdi Dolatkhah, doctorant à l’Université Concordia, est l’auteur principal de l’étude. Y ont également contribué Walter Rei de l’Université du Québec à Montréal et Michel Gendreau de Polytechnique Montréal.

Lisez l’article cité : « A reinforcement-learning-based column generation algorithm for integrated operating room planning and scheduling »