Prédire le risque de réadmission d’un patient grâce à l’IA
Découvrez comment la Solution d’IA en santé de Kaduceo vous permet d’identifier des clusters de patients et d’étudier leur risque de réadmission
Décrypter un parcours de soins grâce à l’IA
Découvrez comment la Solution d’IA en santé de Kaduceo vous permet de décrypter et d’améliorer l’organisation des parcours de soins de votre hôpital
Etude prospective de cohorte pharmaco-épidémiologique dans 30 USIN de 2014 à 2020
Il n’existe aucun consensus sur les doses d’analgésiques, de sédatifs, d’anesthésiques et de paralysants utilisées chez les nouveau-nés gravement malades.
Parcours AMP : Quelle est la meilleure méthode prédictive ?
Les méthodes basées sur l’explicabilité permettraient d’accéder à de nouvelles connaissances, afin de mieux comprendre quelles caractéristiques et interactions influencent réellement le parcours d’un couple. Ces modèles peuvent être utilisés par les praticiens et les patients pour prendre des décisions plus éclairées sur la réalisation d’une PMA.
Stratification du risque clinique par des méthodes d’explications locales
Cette étude présente une nouvelle méthode pour construire une stratification du risque basée sur des ML et des explications locales. Ces méthodes pourraient aider les praticiens à ajuster et à construire des protocoles pour d’améliorer les prestations de soins qui reflètent mieux le niveau de risque et le profil du patient.
Cancer du poumon : prédiction des décès précoces
Malgré les progrès thérapeutiques, le cancer du poumon reste la première cause de décès par cancer. L’objectif principal de cette étude était d’identifier les facteurs de risque associés au décès dans les 3 mois suivant la première hospitalisation pour cancer du poumon en France.
COVID-19 : Analyses des patients hospitalisés (vague 1) en utilisant des méthodes d’explicabilité
Cette analyse approfondie a permis de déterminer des typologies de patients hospitalisés bien distinctes, ce qui a facilité la définition de protocoles médicaux visant à fournir les soins les plus appropriés à chaque profil.
Covid-19 : Analyse Machine Learning de l’évolution des caractéristiques patients des 3 premières vagues
Etude comparative des facteurs de risque d’aggravation de la maladie COVID-19 au cours des 3 vagues en région parisienne
Effet de la chirurgie bariatrique sur les risques de cancers
L’obésité est fortement associée à de nombreux types de cancer. L’objectif de cette étude est de déterminer si la chirurgie bariatrique est associée à un risque plus faible de cancer.
Ophtalmologie : Classification d’images basée sur un modèle de Deep learning pour accélérer le diagnostic
Evaluer la capacité d’un modèle d’IA (Deep Learning) à distinguer différentes pathologies de l’œil pour accélérer le diagnostic
Chirurgie bariatrique : Décrypter le parcours de soins et prédire le risque d’abandon
Cette étude vise à analyser les causes de rupture du suivi pré-opératoire, identifier les profils de patients à risque et mesurer l’impact économique des interruptions de parcours.
L’apport de l’IA dans la prise en charge de l’infertilité (parcours AMP)
Retour d’expérience sur nos travaux d’optimisation et prédiction des parcours de soins AMP