| Libellé du cours : | Ordonnancement et pilotage du parcours patients : vers une optimisation de la prise en charge |
|---|---|
| Département d'enseignement : | EEA / Electronique Electrotechnique Automatique |
| Responsable d'enseignement : | Monsieur SLIM HAMMADI |
| Langue d'enseignement : | |
| Ects potentiels : | 0 |
| Grille des résultats : | Grade de A+ à R |
| Code et libellé (hp) : | ISA_OSP_OPP - Ordonnancement et pilotage du |
Equipe pédagogique
Enseignants : Monsieur SLIM HAMMADI
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires
Résumé
Ce cours a pour but de montrer aux élèves l’intérêt théorique et pratique de l’alliance entre l’Optimisation, les Systèmes Multi-Agent (SMA) et l’intelligence Artificielle (IA) pour l’ordonnancement des patients aux urgences. En effet, les dysfonctionnements observés à l'heure actuelle dans les services des urgences et filières de soins sont dus en grande partie à une mauvaise gestion des flux patients. Les acteurs du secteur hospitalier et des filières de soins doivent également maîtriser les problèmes liés aux flux des processus (i.e., patients, informations, produits, équipements) et à la restructuration qui se traduit en interne par la mutualisation des ressources et notamment par les plateaux techniques. Or, les professionnels de santé ne sont ni préparés ni formés pour résoudre de tels problèmes ; Il apparaît qu’ils sont démunis en méthodologies et outils d'aide à l’ordonnancement et de pilotage adaptés aux exigences qu'impliquent leurs modes de fonctionnement futurs.
Objectifs pédagogiques
- Concevoir et développer des heuristiques et métaheuristiques pour la résolution d’un problème d’ordonnancement des patients - Analyser des données issues des urgences pour prédire les indicateurs de performances - Modéliser les parcours patients par un workflow - Analyser et comparer l’efficacité de plusieurs méthodes d’ordonnancement - Concevoir une architecture multi-agent pour résoudre des problèmes de communication et de coordination - Implémenter les métaheuristiques dans les comportements des agents - Créer et implémenter des protocoles d’interaction - Résoudre des problèmes d’apprentissage supervisé pour l’aide aux triages des patients aux urgences
Objectifs de développement durable
Modalités de contrôle de connaissance
Contrôle Continu
Commentaires: Mini-projet, un rapport et une soutenance pour présenter le travail accompli devant un jury.
Ressources en ligne
Polycopiés et énoncés de travaux pratiques.
Pédagogie
Séances encadrées par groupe de TD et dans une salle informatique avec vidéoprojecteur pour la présentation du cours, de démonstration de solution et d’exemples de réalisation. Les algorithmes d’ordonnancement sont à développer sur ordinateur en Python, ainsi que le système multi-agent. L’enseignant vérifie la complexité des algorithmes et leur intégration dans les comportements des agents et s’assure des bonnes pratiques de réalisation de l’architecture multi-agent/Optimisation. Une séance encadrée peut contenir un QCM en ligne portant sur la séance en cours ou sur le travail effectué en autonomie.
Séquencement / modalités d'apprentissage
| Nombre d'heures en CM (Cours Magistraux) : | 20 |
|---|---|
| Nombre d'heures en TD (Travaux Dirigés) : | 12 |
| Nombre d'heures en TP (Travaux Pratiques) : | 0 |
| Nombre d'heures en Séminaire : | 8 |
| Nombre d'heures en Demi-séminaire : | 0 |
| Nombre d'heures élèves en TEA (Travail En Autonomie) : | 0 |
| Nombre d'heures élèves en TNE (Travail Non Encadré) : | 0 |
| Nombre d'heures en CB (Contrôle Bloqué) : | 0 |
| Nombre d'heures élèves en PER (Travail PERsonnel) : | 0 |
| Nombre d'heures en Heures Projets : | 0 |
Pré-requis
Notions de base de la complexité algorithmique, et programmation en Python.