Conclusion

La détection de déviations dans des chirurgies, et notamment les

dévia-tions dues à un événement indésirable, est un dé important à relever en

vue de comprendre leurs origines. Nous avons proposé dans ce chapitre une

méthode o-line pour détecter et diérencier automatiquement ces

dévia-tions. Cette méthode, composée d'un alignement temporel non-linéaire

multi-dimensionnel suivi d'un modèle semi-Markovien caché, donne des résultats

encourageants. Toutefois, avant d'avoir une application utilisable dans un

cadre clinique, il est nécessaire d'améliorer les résultats, principalement sur

les fausses détections de déviations dues à des événements indésirables.

La capacité à annoter automatiquement des activités est le premier pas

vers une application utilisable en routine clinique. Le second est d'avoir une

méthodologie compatible avec le peropératoire, c'est-à-dire temps réel. Dans

la méthodologie proposée, l'alignement de la séquence à tester sur le sSPM

nécessite de posséder l'ensemble de la séquence, ce qui nous limite à une

méthodologie o-line. Pour répondre à cette limite, Forestier et al. [62] ont

proposé une amélioration de leur méthode NLTS pour permettre un

aligne-ment en temps réel sans avoir besoin de l'ensemble de la séquence. Ainsi en

modiant notre méthode MD-NLTS, nous pourrions déterminer en temps

réel l'activité correspondant sur le sSPM et ainsi détecter s'il y a une

dévia-tion et de quel type elle est.

Enn, toutes nos chirurgies ont été réalisées par le même chirurgien. Ceci

nous a permis de nous aranchir des diérences liées à l'habitude et à

l'ex-pertise des chirurgiens, éliminant ainsi un niveau de complexité. Il serait

intéressant d'obtenir des chirurgies réalisées par d'autres chirurgiens an de

nous assurer de la robustesse de la méthode.

Ce chapitre a montré qu'il était possible de détecter automatiquement les

déviations dues à l'apparition d'événements indésirables. Cependant, cette

détection n'est pas encore susamment précise pour mettre en place un

sys-tème capable de lutter contre les événements indésirables. Pour arriver à un

tel système, il est nécessaire de comprendre les causes des événements

indési-rables. L'une de ces causes peut être un comportement chirurgical inadapté.

Dans le prochain chapitre, nous présenterons une méthode de découverte de

patterns pour identier de tels comportements.

Chapitre 4

Identication de comportements

chirurgicaux spéciques à l'aide

de la découverte de patterns

Les particularités anatomiques des patients et les habitudes de l'équipe

chirurgicale font que chaque chirurgie est unique. Cependant, il peut

exis-ter des points communs entre deux chirurgies. Ces points communs peuvent

venir de l'indication chirurgicale, de particularités communes entre les

pa-tients, par exemple la pathologie, sa localisation, le sexe ou la tranche d'âge.

Un autre point commun qui peut rapprocher deux chirurgies est l'équipe

chi-rurgicale l'eectuant, et principalement le chirurgien. Un chirurgien acquiert

au cours de sa pratique des connaissances procédurales qui deviennent des

automatismes. Ainsi deux chirurgies eectuées par le même chirurgien

pos-sèdent sa signature. Cette signature reète le comportement chirurgical du

chirurgien.

Cependant, ces comportements sont-ils uniquement spéciques aux

chi-rurgiens ? Deux chichi-rurgiens travaillant dans le même hôpital ont-ils des

com-portements similaires ? Un jeune chirurgien acquiert-il un comportement

si-milaire à celui de son mentor ? Pour un chirurgien donné, son

comporte-ment chirurgical change-t-il en fonction des spécicités anatomiques des

pa-tients ? L'ensemble de ces questions concerne directement les chirurgiens,

mais n'existe-t-il pas aussi au sein d'un même type de chirurgie des

compor-tements spéciques selon qu'il s'agit d'une procédure ambulatoire ou d'une

procédure avec hospitalisation ?

La littérature apporte des réponses à certaines de ces questions. Ainsi,

on sait que la pratique d'un chirurgien expert est diérente de celle d'un

chirurgien intermédiaire ou junior [47, 50], que la pratique chirurgicale n'est

pas identique dans l'ensemble des hôpitaux [114], ou encore que les chirurgies

ambulatoires n'ont pas les mêmes caractéristiques que celles avec

hospitali-sation [115]. Cependant, ces études n'examinent pas vraiment les

comporte-ments chirurgicaux dans le détail et se contentent généralement de comparer

les temps pour eectuer une tâche ou utilisent des méthodes d'alignement

de séquences sans mettre en évidence des successions d'activités spéciques

à ces comportements chirurgicaux.

Dans ce chapitre, nous essayerons d'aller plus loin en utilisant une

mé-thode de découverte de patterns pour déterminer si la succession d'activités

peut permettre d'identier des comportements chirurgicaux spéciques. Nous

essayerons également de voir s'il est possible d'identier des comportements

chirurgicaux spéciques à l'apparition d'événements indésirables.

4.1 Découverte de patterns

4.1.1 Découverte de patterns dans la littérature

Un pattern est une succession d'éléments représentant la structure d'un

comportement individuel ou collectif. Dans de la littérature, la découverte de

patterns est utilisée dans de nombreux domaines : la biologie [116, 117], les

télécommunications [118] ou le web [119], etc.

Ces méthodes de découverte de patterns possèdent toutes leurs

spéci-cités, mais elles ont toutes le même objectif : découvrir une succession

d'éléments qui sont présents dans plusieurs séquences an d'expliquer ou

de comprendre l'apparition d'un phénomène. Par exemple dans la biologie,

cela peut être de trouver des mutations ou des promoteurs (site spécique

d'ADN permettant la transcription d'un gène en ANR), ou de trouver des

signaux d'alerte dans les télécommunications.

4.1.2 Découverte de patterns dans le milieu médical

La découverte de patterns est aussi utilisée dans le milieu médical. Par

exemple, Huang et al. [120, 121] identient le chemin clinique des patients

depuis leur admission jusqu'à leur départ de l'hôpital grâce à ce type de

techniques. Ces deux études montrent qu'il est possible d'utiliser ce type de

méthode pour mettre en place des gSPMs. En eet, le chemin clinique des

patients subissant une opération est un gSPM à un niveau de granularité

plus large que ceux que nous avons étudiés.

Mullins et al. [122] utilisent la découverte de patterns pour identier des

relations entre des données de santé. Les auteurs ont mis en évidence des

relations qui étaient déjà connues au sein de la littérature, par exemple que

le tabac augmentait les risques de crises cardiaques, mais l'aspect le plus

intéressant de cette étude est la découverte de relations qui n'étaient pas

décrites dans la littérature (tout du moins en 2006 lors de sa publication),

par exemple qu'un diabète simple associé à des manipulations physiques et à

des examens de tomodensitométrie (CT-scan) de la tête implique des troubles

hydro-électrolytiques.

4.1.3 Les diérentes méthodes de découverte de

pat-terns

Compte tenu de la grande variété d'applications, il existe de très

nom-breuses méthodes au sein de la littérature. Brejová et al. [123] proposent

une review des diérentes méthodes existantes. Ces méthodes peuvent être

classées en trois catégories :

1. Les méthodes de recherche exhaustive : ces méthodes énumèrent tous

les patterns qui respectent les paramètres dénis par l'utilisateur [124] ;

2. Les méthodes d'extension de patterns : ces méthodes identient dans un

premier temps les patterns courts et au fur et à mesure les allongent en

rajoutant des éléments à ces patterns. L'algorithme APRIORI [125] et

l'algorithme TEIRESIAS [126] sont les plus connus dans la littérature ;

3. Les méthodes heuristiques itératives : ces méthodes sont utilisées dans

le cadre de patterns complexes. L'une de ces méthodes est

l'échantillon-nage de Gibbs [127].

Ces méthodes possèdent toutes leurs avantages et inconvénients. Ainsi,

l'avantage de la recherche exhaustive est de retourner la totalité des patterns

existants, son inconvénient principal est le temps de calcul. L'extension de

patterns a l'avantage d'être plus rapide, mais ne permet pas d'identier la

totalité des patterns, principalement lorsque des substitutions peuvent

exis-ter. Les méthodes heuristiques itératives ne garantissent pas de trouver les

meilleurs patterns, mais ont l'avantage de converger vers un minimum local.

Les patterns peuvent être de diérentes formes [118] :

- des patterns dits séquentiels, c'est-à-dire que la succession des éléments

les composant est clairement dénie ;

- des patterns parallèles, c'est-à-dire qu'il n'y a pas de contraintes d'ordre

entre les éléments.

La gure 4.1 présente la diérence entre ces deux types de patterns à travers

un exemple simple. Dans cette gure, les deux patterns sont composés des

mêmes activités (A, B et C), mais le pattern séquentiel nécessite que l'ordre

des éléments soit respecté. Ainsi, le pattern séquentiel n'est présent qu'en

début de séquence, alors que le pattern parallèle est présent en début et en

n de séquence.

Figure 4.1 Diérence de reconnaissance au sein d'une séquence d'un

pat-tern séquentiel et d'un patpat-tern parallèle.

De plus, certaines méthodologies permettent uniquement la

reconnais-sance de patterns entièrement dénis, c'est-à-dire que tous les éléments des

patterns sont identiés, alors, que d'autres autorisent la présence de

substi-tutions, d'insertions ou de délétions, c'est-à-dire que les patterns identiés

prennent en compte la permutation de deux ou plusieurs éléments, l'absence

ou l'ajout d'éléments.

Si, dans le pattern parallèle de la gure 4.1, on autorise la substitution de

l'élément B par un élément E, nous trouvons 3 occurrences de ce pattern avec

substitution : les deux occurrences déjà présentées, mais aussi la séquence

E,C,A. Bien évidemment les méthodes permettant la mise en place de telles

manipulations sont beaucoup plus complexes que celles qui n'en permettent

pas.

Dans le document Détection automatique de déviations chirurgicales et identification de comportements chirurgicaux par modélisation et analyse des processus chirurgicaux (Page 170-175)