L'IA face aux grands problèmes du monde · Médecine et découverte de médicaments · arXiv · 2026-10-23
Les protocoles proactifs de pleine capacité guidés par l'apprentissage automatique atténuent-ils la saturation des services d'urgence ? Une évaluation par simulation
Titre original: Do Machine Learning-Guided Proactive Full Capacity Protocols Mitigate Emergency Department Overcrowding? A Simulation-Based Evaluation
L'étude examine si l'apprentissage automatique peut déclencher les protocoles de pleine capacité (Full Capacity Protocols) dans les services d'urgence avant que l'engorgement ne s'installe, plutôt qu'après le dépassement de seuils. Dans une simulation calibrée sur un grand hôpital américain, un modèle prédisant l'engorgement de la salle d'attente six heures à l'avance a piloté une activation proactive, comparée à une activation réactive sur 365 jours et 10 réplications. L'activation proactive a réduit significativement le temps passé au-dessus du seuil d'engorgement et la durée du protocole, ainsi que la variabilité de l'engorgement et la congestion extrême, tandis que les différences de durée de séjour et de temps d'attente n'étaient pas statistiquement significatives.