Groupe de recherche innovant dédié à l'amélioration du triage et de la prise en charge aux urgences par l'Intelligence Artificielle. Dirigé par le Dr Edouard Lansiaux, nous développons des solutions qui sauvent des vies.
Découvrir nos projetsProjets de recherche
Patients inclus
Concordance IA
Centres partenaires
Une approche progressive et complémentaire pour révolutionner le triage aux urgences
Étude rétrospective monocentrique (n=657, CHU Lille) démontrant la supériorité de 3 modèles d'IA (NLP, LLM, JEPA) sur le triage infirmier standard. Concordance de 90% vs 30% (p<0.001).
Publication: IEEE BDCAT 2025, JMIR Medical Informatics
En coursValidation externe sur 5 centres (CHU Lille, CH Douai, Denain, Maubeuge, Tenon AP-HP) avec plusieurs milliers de patients. Période: janvier-février 2026.
Type: Étude prospective observationnelle
Financement en coursEssai prospectif randomisé en cluster bicentrique (CHU Lille, CH Maubeuge) évaluant l'assistance IA en conditions réelles. Objectif: augmentation de concordance de 68% à 76%.
Financement demandé: PHRC-I & bourse
Terminé - Mémoire M2Réentraînement des 3 architectures TIAEU sur 340 536 patients et évaluation double régime R1/R2. Sous validité clinique (R2), seul URGENTIAPARSE atteint le seuil de déploiement (κw 0,81). Simulation DES-MAS + économie PSA (ROI 480 %).
Approche: Simulation DES + SMA, jumeaux numériques 4D, CHEERS 2022
Collaboration internationaleApplication de réorientation intégrant l'IA pour identifier les cas pouvant être pris en charge en soins primaires. Réduction estimée de 15-20% de la congestion des urgences.
Partenaires: CHU Québec, Mila, IVADO
Résultats préliminairesÉtude prospective comparant un LLM (famille Claude) aux ARM et médecins régulateurs du SAS-Centre 15 sur scénarios simulés (corpus SimSamu). Première vague (30 scénarios) : l'IA atteint le niveau des médecins (κ 0,46 vs 0,40) avec un profil prudent « safety-first ».
Centre: SAS-Centre 15, CHU de Lille
Collaboration internationaleÉtude multicentrique internationale fédérée évaluant une métrique innovante d'efficacité du triage aux urgences. Analyse fédérée avec données individuelles traitées localement.
Partenaires: Univ. Lund 🇸🇪, Yale 🇺🇸, UVA 🇺🇸
PERCEPT'urg — Ce que 141 professionnels de l'urgence français pensent vraiment de leur spécialité.
Cette conférence ne parle pas de l’IA que vous voudriez avoir aux urgences. Elle parle de celle qui y est déjà — ou qui est en essai clinique right now.
Cette communication présentée au Congrès Urgences 2026 (SFMU, Paris) expose les résultats de l’étude TIAEU : une étude de concept rétrospective sur 657 passages aux urgences évaluant la capacité d’un modèle NLP + XGBoost à prédire le niveau de triage selon l’échelle FRENCH à partir du motif de consultation en langage naturel.
Lansiaux E, Leman M.
Lansiaux E, Jairi I, Zgaya-Biau H.
Lansiaux E.
Lansiaux E, Leman M, Ammi M.
Lansiaux E, Marx J, Tataru G.
Lansiaux E, Guerif Dubreucq E, Chan T.
Lansiaux E, Simonet A, Wiel E.
Lansiaux E, Azzouz R, Chazard E, Vromant A, Wiel E.
Lansiaux E, Azzouz R, Chazard E, Vromant A, Wiel E.
Lansiaux E, Arnaud E, Arrouy L, Auboiroux PH, Balaz PA, Baron MA, Depil-Duval A, Dubreucq-Guérif E, Dumontier T, Ellouze S, Gil-Jardine C, Gilbert A, Heidet M, Mpela AG, Lemaitre EL, Vromant A, Violeau M.
Lansiaux E.
Médecine de Catastrophe - Urgences Collectives, 9(2), 96-100
Lansiaux E, Baron MA, Vromant A.
Lors du congrès EUSEM 2025 à Vienne, cette session explore comment l'IA transforme l'accueil et le triage des patients aux urgences.
Face à l'augmentation de l'activité dans les services d'urgence, l'IA peut-elle suppléer l'expertise infirmière à l'entrée des urgences ?
Entre innovations technologiques, pression opérationnelle et enjeux éthiques, le rôle croissant de l'IA dans les services d'urgence en 2025.
Aucune publication ne correspond à cette combinaison de filtres.
Amélioration de la précision du triage de 30% à 90%
Réduction du sous-triage dangereux pour les patients
Optimisation des ressources hospitalières
Collaborations internationales France-Canada-Suède-USA