Vue d'ensemble: Jumeaux numériques hospitaliers dans le secteur de la santé
Les jumeaux numériques sont rapidement déployés dans tous les secteurs, et le secteur de la santé ne fait pas exception. Ils peuvent être appliqués soit à un niveau micro, par exemple, pour aider à la précision du traitement des patients, soit à un niveau macro pour améliorer les opérations hospitalières.
Un jumeau numérique d'hôpital reflète l'établissement en tant qu'environnement sûr pour tester les changements de manière dynamique. En d'autres termes, vous pouvez tester des scénarios hypothétiques sans risque et voir immédiatement l'impact sur les performances de l'hôpital. Il peut éclairer votre stratégie opérationnelle, vos capacités en matière de ressources, votre dotation en personnel et votre prestation de soins.
Problème: Comment améliorer le fonctionnement de l'hôpital, l'expérience des patients et l'allocation des ressources
Decision Lab est un expert de la modélisation mathématique, de l'optimisation, de la simulation, de la science des données et de l'intelligence artificielle. Il utilise ces technologies pour résoudre les problèmes de l'entreprise. Pour l'un des projets dans le secteur de la santé, l'entreprise a été chargée de développer un jumeau numérique basé sur la simulation de deux hôpitaux pour le NHS Foundation Trust.
Le NHS Foundation Trust est une unité du National Health Service d'Angleterre et du Pays de Galles. Il sert généralement soit une zone géographique, soit une fonction spécialisée.
L'objectif de ce projet conjoint était de développer un jumeau numérique qui pourrait aider à étudier des scénarios hypothétiques pour une amélioration potentielle des opérations des hôpitaux, de l'expérience des patients et de l'allocation des ressources. La tâche principale consistait à simuler l'ensemble du parcours des patients non électifs (urgences) et électifs (planifiés), de leur arrivée à leur sortie.
Solution: Construire un modèle de simulation comme épine dorsale d'un jumeau numérique hospitalier
Le logiciel de simulation AnyLogic offre une personnalisation illimitée car il prend en charge les trois principales approches de modélisation par simulation individuellement ainsi que leurs combinaisons, ce qui permet aux développeurs de modéliser des systèmes réels de toute complexité et de tout niveau de détail, du patient à l'hôpital.
Dans le cadre de ce projet, une approche de simulation par événements discrets a été utilisée pour modéliser les processus à l'intérieur et entre les établissements, et une méthode basé sur le comportement des agents a été appliquée pour modéliser le comportement des patients.
Un modèle de simulation Decision Lab créé dans AnyLogic a servi de base au futur jumeau numérique. Il englobait les opérations de deux hôpitaux – l'hôpital général de Cheltenham (CGH) et l'hôpital royal du Gloucestershire (GRH), avec un total de 75 unités et bâtiments (emplacements).
Dans ces hôpitaux, les patients non électifs ont des voies comportementales différentes. À leur entrée à l'hôpital, les patients non urgents se rendent à leurs chirurgies prévues ou voient parfois leurs chirurgies annulées. Cela peut se produire parce qu'il n'y a pas de lits disponibles, auquel cas les patients quittent l'établissement et reviennent un autre jour. Si une intervention chirurgicale est effectuée, le patient est déplacé soit dans un service spécialisé, soit d'abord dans un service de soins intensifs, puis dans le service spécialisé pour la convalescence. Finalement, ils quittent également l'hôpital.
La logique de la voie pour les patients non électifs est plus compliquée. Une voie standard pour la plupart des patients consiste à passer par le triage infirmier, où une infirmière évalue la gravité de l'état d'un patient. Sur la base de cette évaluation, le patient se rend dans d'autres unités pour recevoir le traitement approprié, est déplacé dans un service spécialisé jusqu'à sa convalescence et/ou quitte ensuite l'hôpital.
De plus, le modèle de l'hôpital était hautement personnalisé et présentait plusieurs attributs clés:
- Les différents problèmes médicaux et le traitement correspondant sont regroupés en spécialités, telles que la cardiologie, la dermatologie, etc., et chaque service dispose d'un certain éventail de spécialités et de problèmes médicaux qu'il peut traiter.
- Si un patient est censé être placé dans un service qui traite des problèmes d'une certaine spécialité mais que tous les lits y sont occupés, il pourrait être placé dans un autre service avec une spécialité différente. Par exemple, un patient en cardiologie pourrait se retrouver dans un service de dermatologie.
Il faut plus de temps pour traiter un tel patient en raison du manque de spécialistes disponibles dans un autre service qui pourraient traiter son problème médical. Réduire au minimum le nombre de ces patients améliorerait l'expérience globale du patient. - Les lits d'hôpitaux sont dotés d'un système de file d'attente : chaque patient a un score qui aide au classement. Les patients qui arrivent de l'unité de soins intensifs ont la plus haute priorité. L'objectif ici est de réduire le temps d'attente des patients, ce qui a également un impact sur leur expérience.
L'interface utilisateur interactive et les statistiques du modèle
Les ingénieurs de Decision Lab ont utilisé les capacités de visualisation d'AnyLogic et ont doté le jumeau numérique final basé sur la simulation des hôpitaux d'une interface utilisateur conviviale. N'importe quel gestionnaire pourrait facilement l'utiliser et obtenir des informations sur les performances des hôpitaux.
Dans le modèle, il y a des résultats globaux ainsi que les points de vue des patients et des sites. La direction pouvait voir les résultats de performance pour chaque hôpital, les différents départements, les ressources et un rapport complet sur les files d'attente, car il s'agissait de l'une des mesures clés à suivre.
Dans la vue des emplacements, les utilisateurs pouvaient sélectionner quatre des 75 unités et bâtiments hospitaliers possibles, y compris des unités de soins de courte durée, des services de cardiologie, etc., afin d'analyser des statistiques détaillées pour chacun d'entre eux. Si un utilisateur souhaite analyser le comportement d'un patient, il peut passer à l'onglet d'affichage des patients.
Résultat: applications de jumeau numérique de l'hôpital et projets d'avenir
Les résultats du modèle de simulation ont été divisés en trois catégories:
- Patients – temps que chaque patient a passé dans chaque hôpital et en tant que valeur additionnelle (séjour dans un service d'une spécialité différente).
- Salles – l'utilisation des lits et le nombre de ces patients additionnels.
- Service des urgences – temps de triage et d'utilisation du chariot dans une certaine zone.
Au fur et à mesure qu'ils étaient exportés sous forme de fichiers CSV, l'équipe d'analyse du NHS pouvait les visualiser pour une analyse plus approfondie dans d'autres outils.
Maintenant que le jumeau numérique de l'hôpital était prêt, la direction du NHS pouvait l'utiliser pour planifier la réduction des files d'attente et de la durée du séjour, améliorer d'autres mesures de l'expérience des patients ou planifier la construction d'un nouveau service. Ils pourraient également tester la capacité des hôpitaux pendant le pic de demande en hiver, identifier l'impact de l'utilisation des ressources sur la performance globale, etc.
À l'avenir, l'équipe de développement pourra étendre davantage le modèle de simulation en ajoutant des statistiques plus détaillées sur le personnel pour optimiser l'affectation de la main-d'œuvre, des statistiques sur les coûts pour identifier l'impact des décisions managériales, des tableaux de comparaison de scénarios, etc.
L'étude de cas a été présentée par Peter Riley, de Decision Lab, lors de la Conférence AnyLogic 2022.
Les diapositives sont disponibles au format PDF.
