Pour les résidents des zones rurales et mal desservies, l'accès aux soins médicaux d'urgence peut être une question de vie ou de mort. Avec un accès limité aux services de soins de santé et de longs temps d'attente pour les ambulances en raison de la distance, ces communautés font face à des défis qui peuvent affecter considérablement leur santé et leur bien-être. En cas d'arrêt cardiaque, lorsque chaque minute compte, trouver des solutions pour améliorer les temps de réponse est essentiel pour sauver des vies.

Les chercheurs de l'USC explorent l'utilisation de la prise de décision basée sur l'IA pour déployer des équipements vitaux dans des environnements où les données sont rares, comme les quartiers ruraux, afin de permettre des temps d'intervention d'urgence plus rapides, d'améliorer la conception des systèmes d'intervention d'urgence et potentiellement de sauver des vies. Les résultats d'une étude récente montrent le potentiel de l'IA pour aider les intervenants d'urgence à prendre des décisions éclairées et efficaces dans des contextes où les données sont limitées.

L'étude, publiée dans la revue Recherche opérationnelle, se concentre sur le développement d'une nouvelle méthode d'utilisation des données pour choisir entre différentes manières de concevoir un système. Pour démontrer leur méthode, les chercheurs ont examiné une étude de cas impliquant un programme pilote basé à Toronto qui déploie des drones en conjonction avec des ambulances pour répondre aux appels concernant des événements d'arrêt cardiaque.

"Nos méthodes ont le potentiel de révolutionner la façon dont nous concevons et optimisons les systèmes dans des contextes où les données sont rares et qui s'étendent au-delà des interventions d'urgence. Cela peut nous aider à prendre des décisions plus éclairées et efficaces dans une gamme de domaines où les données sont limitées", a déclaré l'auteur correspondant. Michael Huang, doctorant au département Data Science and Operations de l'USC Marshall School of Business.

Pas de données, pas de problème : les méthodes basées sur l'IA comblent les lacunes

Lorsqu'un passant appelle pour signaler qu'une personne près d'eux subit un arrêt cardiaque, les intervenants d'urgence du programme pilote de Toronto ont deux options : ils peuvent soit envoyer une ambulance, soit envoyer une ambulance et déployer un drone avec un défibrillateur externe automatisé (DEA ) ci-joint. Le DEA est un petit appareil que les passants peuvent utiliser, sans formation médicale, pour se fixer au patient et redémarrer son cœur avant l'arrivée de l'ambulance. La capacité du drone à se rendre au patient plus rapidement que l'ambulance peut améliorer considérablement ses chances de survie.

Cela soulève des questions clés sur l'emplacement des dépôts de drones et sur la manière de déterminer la réponse appropriée à une situation d'urgence.

"Nous pensions initialement que la question principale était de savoir où déployer le drone, mais en réalité, la question de premier ordre est de savoir où placer les dépôts de drones", a déclaré Vishal Gupta, professeur agrégé de sciences des données et d'opérations à l'USC Marshall.

"Nous voulons les placer stratégiquement dans des endroits proches du lieu des arrêts cardiaques, mais aussi dans des zones difficiles d'accès en ambulance. Le défi ici est que les données sur les temps de trajet des ambulances vers des endroits éloignés sont rares, ce qui rend difficile Les ambulances se rendent rarement dans ces endroits éloignés, nous n'avons donc pas beaucoup de données sur les temps de trajet », a déclaré Gupta, qui occupe également un rendez-vous de courtoisie au département d'ingénierie industrielle et des systèmes de Daniel J. Epstein à l'USC. École d'ingénieurs de Viterbi.

Les chercheurs ont découvert que pour les événements d'arrêt cardiaque dans les zones rurales où les temps d'attente des ambulances sont plus longs que dans les zones urbaines et où les données sont limitées, leur méthode conduit à des décisions beaucoup plus efficaces sur le moment d'envoyer le drone et où placer les dépôts par rapport aux systèmes conventionnels. approches.

La méthodologie basée sur l'IA peut être appliquée à divers domaines et domaines de la politique publique, y compris où placer des ralentisseurs pour réduire les décès sur la route ou l'emplacement le plus efficace pour les lignes électriques, où les coûts de construction réels sont souvent inconnus et les estimations sont faites sur la base de chiffres bruts.

"Nous entendons souvent parler des mégadonnées et de leur potentiel, mais dans de nombreux cas, les données sont encore rares, en particulier dans les contextes où la collecte de données est coûteuse ou limitée par des problèmes de confidentialité", a déclaré Gupta. « Il existe également des cas où les événements de collecte sont rares, ce qui peut compliquer la conception de systèmes et la prise de décisions éclairées. Grâce aux outils d'IA, nous pouvons relever ces défis et prendre de meilleures décisions même dans des environnements où les données sont limitées.