SAFEPAW
Projet SAFEPAW - Déterminants sociétaux pour une e-santé à l’appui de parcours de soins du patient (France 2030 – Santé Numérique)
L’objectif principal de ce projet est d’évaluer l’impact de l’intelligence artificielle et des outils d’aide à la décision dans les parcours des patients au sein de notre système de santé.
Project period
-
Partners:
Centre National de Recherche Scientifique; Université Sorbonne Paris Nord (USPN); Ecole de MINES St Etienne; Université de Bordeaux; Université Grenoble Alpes; Université de Tours; Institut national de recherche en sciences et technologies; Ecole Normale Supérieure Paris- Saclay; Aix-Marseille Université - SESSTIM; Ecole des Hautes Etudes En Santé Publique
Research question:
Dans des sociétés où le nombre de maladies chroniques croît avec la longévité de la population, comment concilier maîtrise des dépenses de santé et amélioration de la qualité des soins de santé ? Trouver le bon équilibre entre les deux est une question essentielle dans de nombreux pays développés ou en développement. La santé numérique se présente comme une opportunité majeure pour optimiser la gestion et les coûts associés aux soins.
Method:
Le projet SAFEPAW propose une approche pluridisciplinaire et multidimensionnelle pour étudier l’apport de la santé numérique à ces problématiques et la manière dont les différents acteurs peuvent s’en saisir. Il s'articule autour des dimensions suivantes:
1- une approche multidimensionnelle incluant à la fois des aspects cliniques, démographiques et des facteurs socio-économiques ;
2- une approche en sciences humaines et sociales combinant des approches économiques, juridiques (RGPD et la proposition de loi européenne sur l’intelligence artificielle AI Act), éthiques, sociologiques et anthropologiques et incluant:
-
l’identification et l’analyse de données (avantages et limites de chaque type) utiles pour la modélisation des parcours de soins des patients à partir de bases de données (médico-administratives) de santé,
-
la modélisation algorithmique a priori des parcours de soins des patients puis le développement de méthodes issues de la recherche opérationnelle pour optimiser les parcours de soins des patients en prenant en compte les spécificités empiriques,
-
l’analyse des conséquences sur la prise de décision dans l’organisation et la gestion des structures de soins et de leurs ressources de l’ajout d’un système mature d’aide à la décision clinique et non clinique basé sur des algorithme s’ajoutant aux données cliniques individuelles et aux recommandations de soins classiques.
3- une approche intégrative pluridisciplinaire et multi-niveaux prenant en compte :
-
des discussions et des dialogues informels entre chercheurs en informatique, économistes, mathématiciens, juristes, spécialistes en éthiques, médecins, anthropologues/sociologues
-
des méthodes innovantes telles que des approches itératives pour développer, modifier et repenser des algorithmes spécifiques, pour favoriser l’émergence de nouveaux concepts et propositions,
-
l’évaluation des impacts économiques, sociaux, individuels, organisationnels, éthiques et juridiques à partir de cas concrets.
