← Retour aux projets
Étude pilote - Publié

TIAEU

Triage Intelligent à l'Entrée des Urgences

Description du Projet

TIAEU (Triage Intelligent à l'Entrée des Urgences) est une étude rétrospective monocentrique ayant inclus 657 patients au CHU de Lille sur 7 mois (2024). Cette étude a démontré la supériorité de 3 modèles d'IA (NLP-TRIAGEMASTER, LLM-URGENTIAPARSE, JEPA-EMERGINET) sur le triage infirmier standard. La concordance avec la décision médicale finale (échelle FRENCH) a atteint 90% pour la meilleure IA contre 30% pour le triage infirmier standard (p<0.001).

Objectifs

Évaluer la performance de modèles d'IA pour le triage aux urgences comparé au triage infirmier standard selon l'échelle FRENCH

Méthodologie

Étude rétrospective monocentrique (CHU Lille) incluant 657 patients avec validation croisée 10-fold

Résultats

Concordance IA: 78% vs Infirmier: 30% (p<0.001)
Sous-triage: 11% vs 18% (RR=0.61)

Publication

IEEE/ACM BDCAT 2025
Nantes, France
Décembre 2025

Détails Techniques

Trois modèles d'apprentissage automatique aux architectures différentes ont été développés et évalués :

  • TRIAGEMASTER (NLP) : Basé sur Doc2Vec avec régression neuronale, analyse des vecteurs de paragraphes
  • URGENTIAPARSE (LLM) : Modèle BERT pré-entraîné (FlauBERT) fusionnant texte et constantes vitales
  • EMERGINET (JEPA) : Joint Embedding Predictive Architecture avec encodage dual (verbatims + constantes)

Résultats Clés

Performance Globale

Concordance exacte: 90%
Concordance ±1 classe: 89%
Kappa pondéré: 0.80

Meilleur Modèle

URGENTIAPARSE (LLM)
AUC-ROC: 0.879
F1-score macro: 0.894

Équipe du Projet TIAEU

Dr Edouard Lansiaux

Investigateur Principal
Interne Médecine d'Urgence
Étudiant M2 IA en Santé
CHU de Lille

Dr Ramy Azzouz

Co-directeur
PH Médecine d'Urgence
Centre Antipoison
Directeur DU IA en Santé

Dr Amélie Vromant

Co-directrice
PH Médecine d'Urgence
Hôpital Pitié-Salpêtrière
AP-HP

Pr Emmanuel Chazard

Comité Scientifique
PU-PH Santé Publique
Biostatistiques
METRICS ULR 2694

Publications

  • Journal Artificial Intelligence models for predicting triage in Emergency Departments

    Lansiaux E, Azzouz R, Chazard E, Vromant A, Wiel E.

    JMIR Medical Informatics

  • Conférence Development and Comparative Evaluation of Three AI Models for Predicting Triage

    Lansiaux E, Azzouz R, Chazard E, Vromant A, Wiel E.

    IEEE/ACM BDCAT '25, December 2025, Nantes