Canada Spends Logo

Explorez notre analyse du budget 2026

Grant: Discovery Grants Program - Individual

Université Laval

$43,000.00

Approches hybridant la recherche opérationnelle et l'intelligence artificielle pour la planification de ressources dans les réseaux de prestation de services de santé

EF 2023-24

Résumé
La recherche opérationnelle a produit une vaste collection de modèles et approches pour soutenir la prise de décision dans la planification des services de santé. Mais l'importance croissante des maladies chroniques préoccupe de plus en plus les gestionnaires car la nature étendue et récurrente des soins à fournir requiert une planification bien différente des ressources nécessaires à celle d'épisodes ou des soins individuels. En effet, il ne s'agit de planifier la disponibilité d'une multiplicité de ressources à un lieu et moment donnée, comme c'est le cas, par exemple, de la planification des chirurgies, mais plutôt d'assurer la diversité de services impliquant différentes ressources qui constituent le plan de soins, et ça tout au long de la durée du traitement. On parlera alors de trajectoire de soins pour référer et identifier la séquence plus ou moins rigide de soins à assurer pour un patient particulier. Cette approche exige d'élargir ou d'adapter des méthodes de planification existantes ou encore de les hybrider dans une démarche systémique et intégrée. A ce titre, les récents succès de l'intelligence artificielle (IA), particulièrement dans le développement d'algorithmes d'apprentissage capables de représenter adéquatement des systèmes complexes, constituent une opportunité exceptionnelle pour renforcer et accroitre la performance des modèles de planification. L'hybridation des techniques IA et des modèles de planification nous permettront de développer des outils quantitatifs fondés sur des données probantes, pouvant être utilisés pour éclairer les décisions et améliorer l'efficacité, l'accessibilité, et la pérennité du système. A court et moyen termes, cette proposition vise à concevoir et à développer des outils d'aide à la décision pour la planification et la gestion stratégique et tactique afin de garantir l'accès aux soins de longue durée ou chroniques. Dans une perspective à long terme, la proposition cherche à démontrer que les trajectoires de soins modélisées par le biais d'archétypes livrées par des algorithmes d'analyse de données bruts peut jouer un rôle clé dans la planification de la capacité et des ressources, particulièrement dans le cas des soins variés de longue durée. La proposition ambitionne également explorer le potentiel de la décision participative comme levier d'amélioration dans la planification des services à la population. En effet, la volonté de placer le patient au centre du système de santé exige que le point de vue organisationnel soit élargi et complété par la perspective des patients et ses familles, des professionnels, etc. La décision participative tente d'intégrer harmonieusement les objectifs des différentes parties prenants au bon moment et au bon endroit dans le processus décisionnel. Le développement de cette approche devrait, combinée à une utilisation judicieuse de l'IA, inspirer une nouvelle génération d'outils pour la planification de la capacité dans les systèmes de prestation de soins.
Programme
Discovery Grants Program - Individual
Bénéficiaire
Emplacement
Quebec, Canada
Type de bénéficiaire
Academia
Type
Grant
Source
NSERC's Awards Data

Tel que publié

Application id
RGPIN-2020-07055
Name nom
Ruiz Bartolome, Angel
Department département
Opérations et systèmes de décision - Opérations et systèmes de décision
Organization id
51
Institution établissement
Université Laval
Province en
Québec
Province fr
Québec
Country en
CANADA
Country fr
CANADA
Fiscal year exercice financier
2023
Competition year année de concours
2020
Award amount
43000
Program id
RGPIN
Program name en
Discovery Grants Program - Individual
Program name fr
Programme de subventions à la découverte - individuelles
Group en
DISCOVERY RESEARCH
Group fr
RECHERCHE AXÉE SUR LA DÉCOUVERTE
Committee code
1509
Committee name en
Civil, Industrial and Systems Engineering
Committee name fr
Génie civil, industriel et des systèmes
Area of application code
520
Area of application group en
Manufacturing processes and products
Area of application group fr
Procédés et produits industriels
Area of application en
Production and operations management
Area of application fr
Production et gestion des opérations
Research subject code
2950
Research subject group en
Applied mathematics
Research subject group fr
Applied mathematics
Research subject en
Mathématiques appliquées
Research subject fr
Mathématiques appliquées
Application title
Approches hybridant la recherche opérationnelle et l'intelligence artificielle pour la planification de ressources dans les réseaux de prestation de services de santé
Keyword
Demande de services; Modélisation mathématique; Planification stratégique de la capacité; Réseaux de prestation de services; Simulation
Application summary
La recherche opérationnelle a produit une vaste collection de modèles et approches pour soutenir la prise de décision dans la planification des services de santé. Mais l'importance croissante des maladies chroniques préoccupe de plus en plus les gestionnaires car la nature étendue et récurrente des soins à fournir requiert une planification bien différente des ressources nécessaires à celle d'épisodes ou des soins individuels. En effet, il ne s'agit de planifier la disponibilité d'une multiplicité de ressources à un lieu et moment donnée, comme c'est le cas, par exemple, de la planification des chirurgies, mais plutôt d'assurer la diversité de services impliquant différentes ressources qui constituent le plan de soins, et ça tout au long de la durée du traitement. On parlera alors de trajectoire de soins pour référer et identifier la séquence plus ou moins rigide de soins à assurer pour un patient particulier. Cette approche exige d'élargir ou d'adapter des méthodes de planification existantes ou encore de les hybrider dans une démarche systémique et intégrée. A ce titre, les récents succès de l'intelligence artificielle (IA), particulièrement dans le développement d'algorithmes d'apprentissage capables de représenter adéquatement des systèmes complexes, constituent une opportunité exceptionnelle pour renforcer et accroitre la performance des modèles de planification. L'hybridation des techniques IA et des modèles de planification nous permettront de développer des outils quantitatifs fondés sur des données probantes, pouvant être utilisés pour éclairer les décisions et améliorer l'efficacité, l'accessibilité, et la pérennité du système. A court et moyen termes, cette proposition vise à concevoir et à développer des outils d'aide à la décision pour la planification et la gestion stratégique et tactique afin de garantir l'accès aux soins de longue durée ou chroniques. Dans une perspective à long terme, la proposition cherche à démontrer que les trajectoires de soins modélisées par le biais d'archétypes livrées par des algorithmes d'analyse de données bruts peut jouer un rôle clé dans la planification de la capacité et des ressources, particulièrement dans le cas des soins variés de longue durée. La proposition ambitionne également explorer le potentiel de la décision participative comme levier d'amélioration dans la planification des services à la population. En effet, la volonté de placer le patient au centre du système de santé exige que le point de vue organisationnel soit élargi et complété par la perspective des patients et ses familles, des professionnels, etc. La décision participative tente d'intégrer harmonieusement les objectifs des différentes parties prenants au bon moment et au bon endroit dans le processus décisionnel. Le développement de cette approche devrait, combinée à une utilisation judicieuse de l'IA, inspirer une nouvelle génération d'outils pour la planification de la capacité dans les systèmes de prestation de soins.