Vincent Augusto

PhD, Assistant professor

LIMOS: Informatique, Modélisation et Optimisation des Systèmes

École Nationale Supérieure des Mines de Saint-Étienne
 > Center for Health Engineering
  >  Health Services and Heath Care Systems Engineering


Résumé de thèse

L'objectif de la thèse consiste à poser les bases d'un outil de modélisation et de simulation dédié aux systèmes hospitaliers. Nous avons remarqué au travers d'une revue de littérature que les études de simulation dans le milieu hospitalier se sont multipliées durant les dix dernières années, mais qu'elles se sont aussi fortement spécialisées. La généricité est de mise dans la plupart des cas d'études : un effort est fourni pour gommer les spécificités des systèmes de soins étudiés, afin de proposer au final un outil "générique", pouvant être réutilisé dans un autre hôpital. Cette réduction est difficile à réaliser dans les cas où l'organisation du système est unique. Nous avons également constaté l'apparition de plate-formes de modélisation/simulation dédiées aux systèmes hospitaliers. Présentées dans un premier temps sous forme de modules dans des logiciels commerciaux tels qu'Arena ou Witness, nous constatons un intérêt croissant pour ces plate-forme permettant une analyse rapide d'un système quelconque au moyen d'une "boîte à outils" dédiée aux systèmes de soins. Enfin, un nouveau regard est porté sur la communication entre les milieux du génie industriel et de la médecine.

Nous proposons dans cette thèse une méthodologie de modélisation ainsi qu'une plate-forme de simulation dédiées aux systèmes hospitaliers appelée medPRO (medical Process-Resource-Organisation). Cette plate-forme regroupe un ensemble de briques de base qui encapsulent les caractéristiques d'une unité médicale particulière (bloc opératoire, pharmacie, service de neurologie) visant à mettre rapidement en ½uvre un prototype de système hospitalier pour en évaluer les performances. Un guide méthodologique regroupe toutes les consignes de modélisation relatives à un service de soin particulier (recommandations de bonnes pratiques dans le cas du service de pharmacie, consignes de prise en charge du patient, etc.).

Cet outil est destiné à plusieurs classes d'utilisateurs différents : personnel soignant (interface simplifiée), chargés d'étude (outil de modélisation/simulation) et développeurs (accès au code permettant la simulation et le contrôle des modèles réalisés). Dans les trois cas le processus de modélisation est facilité, permettant à l'utilisateur de minimiser les risques de conflits, d'erreurs ou d'oublis. Nous avons choisi de construire une plate-forme à partir de zéro afin de proposer un outil parfaitement adaptés aux besoins de la modélisation de flux en milieux hospitaliers, encapsulant les caractéristiques listées en introduction. La figure 1 présente l'organisation structurelle de la plate-forme medPRO.

Figure 1 : Organisation de la plate-forme medPRO

L'architecture de medPRO suit une décomposition systémique qui nous permet de diviser un système hospitalier en trois sous-systèmes : opérationnel, informationnel et décisionnel (Gourgand et Keller, 1991). Le sous-système de pilotage est un ensemble de centres de décision conçus pour piloter le sous-système opérationnel. Le sous-système informationnel fait le lien entre le système physique et le système de pilotage. Une telle décomposition s'applique parfaitement aux systèmes hospitaliers où l'opérationnel, l'informationnel et le décisionnel sont trois aspects fondamentalement distincts.

Le sous-système physique est décomposé en trois vues distinctes : organisation, ressource et processus. Nous avons choisi l'outil UML (Pilone et Pitman, 2006) pour la modélisation de flux et la représentation de diagrammes car cet outil offre un formalisme simple à comprendre. L'outil est de plus très largement personnalisable, permettant d'être adapté aux spécificités propres aux systèmes hospitalier. Enfin, il s'agit d'un outil de communication privilégié avec le personnel médical, permettant de discuter autour d'un modèle proposé et de l'améliorer. Trois vues sont proposées :

  • la vue organisation offre une représentation des interactions entre les acteurs du système, les ressources matérielles et les patients, permettant de comprendre le fonctionnement global du système modélisé ;
  • la vue ressource permet de décrire pour chaque ressource (humaine ou non) son mode opératoire, i.e. toutes les activités auxquelles elle pourra participer et leur enchaînement sous forme de machine d'état ;
  • la vue processus regroupe les flux parcourus par les entités déclarées dans la vue organisation et leurs interactions avec les ressources du système.

La conversion automatique en modèle de simulation est réalisée grâce aux réseaux de Petri (Proth et Xie, 1995). L'ensemble des diagrammes d'état qui constituent les différentes vues d'un modèle peuvent être représentés sous forme d'un réseau de Petri généralisé. La conversion permet de formaliser précisément le comportement dynamique du modèle réalisé. Un algorithme de simulation à événements discrets (Law et Kelton, 2000) a été adapté et développé pour ce cadre de modélisation. Le déroulement de la simulation est modélisé grâce à la construction d'une séquence de tirages successifs. La simulation s'arrête lorsque le programmateur (i.e. la liste d'évènements) est vide ou lorsqu'une condition d'arrêt donnée par l'utilisateur devient vraie. La génération de rapports statistiques est alors lancée, permettant d'analyser le comportement du système après simulation. Le guide méthodologique associé à l'unité de soin étudiée permet de sélectionner automatiquement les indicateurs de performance pertinents pour le système. Les états successifs du système sont enregistrés tout au long de la simulation.

Le sous-système de pilotage englobe des algorithmes d'optimisation, permettant l'implantation d'une logique de contrôle et de décision avant et pendant la simulation. Ce modèle de contrôle est indépendant du modèle décrit dans le sous-système physique. Le module de pilotage est invoqué à chaque mise à jour de l'état du système simulé. Plusieurs tâches distinctes sont assignées au système de pilotage : sélection de ressources, prise de décision, optimisation, reproduction de phénomènes propres aux systèmes hospitaliers (génération de diagnostics, de délais d'attente avec réception d'examens d'imagerie, etc.). Ces tâches sont regroupées au sein de modules indépendants que l'utilisateur peut intégrer ou non, offrant une souplesse supplémentaire à la modélisation. La figure 2 offre une représentation des intéractions entre le sous-système physique (ou modèle d'émulation) et le sous-système de pilotage.

Afin d'évaluer les avantages et les inconvénients de la plate-forme medPRO, plusieurs études ont été menées sur le terrain durant la thèse. L'organisation et le fonctionnement de trois services particuliers ont été modélisés : le bloc opératoire, le service de pharmacie et le service de neurologie du CHU de Saint-étienne. Ces trois systèmes ont été choisis car ils possèdent des caractéristiques très différentes impliquant des approches distinctes. Nous avons modélisé et simulé chacun de ces systèmes avec un outil " classique » (principalement Arena) et avec la plate-forme medPRO. Une comparaison de détaillée de l'exécution de la simulation et des résultats obtenus ont été réalisées pour étayer nos arguments. Plusieurs confrontations auprès du personnel médical de ces services ont été réalisées, permettant un échange plus riche autour des études réalisées.

Figure 2 : Intéractions entre système physique et système de pilotage

Les perspectives de cette thèses se déclinent sur plusieurs plans :

  • il serait intéressant de d'appliquer la méthodologie medPRO sur d'autres systèmes similaires à ceux présentés dans cette thèse, le bloc opératoire et la pharmacie en particulier dont les organisations différent énormément d'un hôpital à l'autre ; l'intégration de guides méthodologiques dédiés à d'autres services permettrait également d'enrichir cet outil de prototypage rapide ;
  • l'extension du système de pilotage avec l'ajout de modules d'optimisation offrira un contrôle personnalisé plus précis de la simulation en fonction du système étudié ;
  • l'ajout de fonctionnalité supplémentaires permettrons une modélisation plus fine pour l'obtention de résultats plus proches de la réalité.

Last update: 10/29/2012.