IA Table !

icone Campus
Par Celine Mimault
lundi 29 avril 2019
IA Table !
Le CHUM compte 772 lits pour accueillir ses patients. Photo : Benjamin Parinaud
Le CHUM compte 772 lits pour accueillir ses patients. Photo : Benjamin Parinaud
Le Centre hospitalier de l’Université de Montréal (CHUM) a pour projet d’utiliser l’intelligence artificielle pour préparer les repas de ses patients, en tenant compte des restrictions et des besoins de chacun. La finalité du projet est de varier leurs menus tout en les concevant de manière optimale et personnalisée.

« J’ai eu cette idée dans une volonté d’optimiser nos processus d’ajustement des menus des patients via l’intelligence artificielle », raconte la nutritionniste et chef de secteur gestion des menus au CHUM Alexandra Bohigas. Ce projet a pour objectif premier de maximiser le rétablissement des patients en venant en aide aux techniciennes en nutrition.

D’après Mme Bohigas, les techniciennes passent énormément de temps devant les logiciels pour préparer les plans nutritionnels des patients, qui sont parfois très complexes. « On veut mettre en place la possibilité d’ajouter une couche d’intelligence pour varier les menus selon les nutriments, les suppléments, les doses de sodium ou de glucose par exemple », détaille-t-elle.

En fonction du profil du patient, les décisions seront prises automatiquement par l’intelligence artificielle, qui décidera d’ajouter ou de retirer une portion, de varier les ingrédients, les calories et les nutriments au gramme près.

« Je pense qu’il est temps qu’on pense outside the box et qu’on réponde aux besoins des patients », déclare la chef de secteur. Elle voit en ce projet une avancée dans la précision de ce que l’hôpital propose aux patients. Chacun d’eux aura un plat préparé selon ses allergies, ses préférences, ses pathologies ou encore son niveau de diabète.

Une approche plus humaine

Pour Mme Bohigas, les logiciels utilisés actuellement par le CHUM ne permettent pas aux nutritionnistes et aux techniciennes de s’adapter à tous les besoins des patients. Le manque de temps et la complexité des différents profils les empêchent de mettre en place une offre aussi précise que celle que proposera l’intelligence artificielle. Cette dernière prendra des décisions quasi instantanées qui seront, à la fin, validées par le personnel.

Lorsque le logiciel sera créé, le travail des techniciennes se fera essentiellement auprès des patients. Mme Bohigas s’en félicite, car le temps économisé permettra de se concentrer sur des missions de santé telles que la lutte contre la malnutrition. « L’intelligence artificielle est, pour moi, un cheval de bataille pour qu’on puisse se focaliser sur ce genre d’objectifs », lance-t-elle. La nutritionniste regrette le chiffre élevé de la malnutrition au Canada, qui est de 45 % 1, et prend à cœur sa position au CHUM pour renverser cette tendance. Selon elle, une bonne alimentation permet de mieux soigner le patient dont le rétablissement sera ainsi plus rapide.

D’après la nutritionniste du Département de nutrition de l’UdeM Edith Painchaud, l’apport de la technologie dans le secteur nutritionnel a considérablement amélioré l’approche humaine envers les patients. « Je pense que tout ce qui est informatisation est une bonne chose, car ça limite les erreurs et augmente la précision, dit-elle. C’est une bonne nouvelle si le travail des techniciennes peut être réinvesti du côté des patients. »

Un projet mis en place d’ici un à deux ans

Encore en phase de négociation, le CHUM rédige le contrat qui permettra de lancer ce logiciel dans la prochaine année. En attendant, l’hôpital standardise les recettes, toutes faites sur place, afin de savoir exactement ce que contiennent les repas, autant les ingrédients que leurs apports particuliers. « Il y a tout un travail de processus de précision et de reflet de la réalité, explique Mme Bohigas. Et si on veut que nos recettes soient standardisées, on doit savoir exactement tout ce qu’il y a dans les repas ». Ce processus permettra de fournir les données à l’intelligence artificielle.

1. Le groupe de travail canadien sur la malnutrition, rapport de 2016.

7