[et_pb_section fb_built=”1″ _builder_version=”4.4.1″ custom_padding=”2px|||||”][et_pb_row _builder_version=”4.4.1″ custom_padding=”3px|||||”][et_pb_column type=”4_4″ _builder_version=”4.4.1″][et_pb_text _builder_version=”4.4.1″ header_2_font_size=”22px” header_2_line_height=”1.2em” header_3_font=”|700|||||||” header_3_font_size=”26px” header_3_line_height=”1.2em” hover_enabled=”0″]

Comment désengorger les urgences et rendre les process hospitaliers plus fluides ?

Comment prévoir la probabilité de réadmission à l’hôpital à l’aide des rapports d’hospitalisation ?

Les rapports médicaux sur les patients se sont digitalisés : les médecins saisissent maintenant leurs notes dans un dossier médical électronique, et plus seulement sur papier. Ces rapports représentent une grande richesse de connaissances et d’idées qui peuvent être utilisées pour des modèles prédictifs, grâce à l’intelligence artificielle.

NPL (Natural Language Processing) et traitement en milieu hospitalier

Le traitement du langage naturel (NLP), sous-branche de l’IA, peut être utilisé afin d’améliorer les soins donnés aux patients et fluidifier le parcours hospitalier.

Comment utiliser les données des patients construire son modèle prédictif avec l’intelligence artificielle ?

Cet article , très détaillé, permet notamment d’apprendre comment :

  • préparer les données avant le machine learning
  • prétraiter les notes non structurées à l’aide de champs sémantiques
  • construire un modèle prédictif simple
  • évaluer la qualité de l’algorithme

https://towardsdatascience.com/introduction-to-clinical-natural-language-processing-predicting-hospital-readmission-with-1736d52bc709

[/et_pb_text][/et_pb_column][/et_pb_row][/et_pb_section]