PIF Vital belt EN - channelmanche.com · This project delivers an innovative product/gadget as an intelligent autonomous device: The device equipped with sensors and machine learning

The Interreg VA France (Channel) England Programme is financed by European Regional Development Funds/

your partnership at this stage, please advise your Facilitator /

Regular project

/ /

/

PROJECT IDEA

En francais ci-dessous

The Project Idea Form is a public document, if you wish to keep it private at between the JS and

Project Name / Contact / Name / Organisation / Address / Telephone number / E-mail /

Type of project (please delete appropriately): Micro-Project (cf. conditions on our website)/

Micro Project

Specific Objective Keep only one and erase the others

1.1 - To increase the delivery and uptake of innovative products, processes, systems and services in shared smart specialisation sectors.

Summary description of the project idea (1 page max.)

Long waiting time at the A&E departments and the casualties caused by such long delays are still of high concerns in healthcare systems. Still the average waiting time exceeds 4 hours and stakeholders are seeking solutions to improve service quality by reducing that (see NHS https://www.england.nhs.uk/statistics/statistical-work-areas/ae-waiting-times-and-activity/ and ). In the UK the four-hour A&E waiting time target is a pledge set out in the NHS Mandate. The

http://www.england.nhs.uk/statistics/statistical-work-areas/ae-waiting-times-and-activity/


operational standard is that at least 95% of patients attending A&E should be admitted, transferred or discharged within four hours. In France, it has been the subject of discussion since quite while (see https://drees.solidarites- sante.gouv.fr/IMG/pdf/s21_3_acte_v1_ricroch_jms2015.pdf).

Our objective in this project is to reduce the waiting time at A&E (l’urgence medicale) by introducing an ecosystem of data governing circulation of information among the stakeholders inside a hospital and connecting patients to this ecosystem via IoT agents. Our solution is based on an innovative fusion of IT, Artificial intelligence, Internet of Things (IoT) and medical knowledge in the form a Intelligent Autonomous Wearable Device (e-Agent) to increase the throughput of A&E departments by reducing the waiting times of patients and admitting more patients per unit of time.

The problem is of interest on both sides of the channel. For the product to be generic enough to respond to the requirements and comply with the protocols and standards specific to every region (including ethical, and data privacy etc.) collaboration from both region is essential. Moreover, technical and engineering skills required from research institutes/universities to carry out this project cannot be found only on one side.

The following actions will be taken to achieve the goal and deliver the solution:

1. Identification and designing architecture of ecosystem in consultation with the stakeholders (different wards and services),

2. Identification of characteristics of a Central Monitoring Unit 3. Design of the e-Agent electronic board including all sensors etc. 4. Design and develop of the an artificial intelligent module as well as validation; training it

to identify patterns and make conclusions 5. Equipping e-Agent with the software and AI unit 6. Software framework/portal to govern connection between e-Agent and the Central

Monitoring Unit (CMU) 7. Validation and experiments

The project durability is ensured via close collaboration with the local and regional clusters in France in the UK side as well as commercialisation of product and organizing workshops to introduce entrepreneurial opportunities in app development etc.

The project durability will be ensured by the close collaboration/partnership with the A/E departments on both sides, who will provide possibility for testing and pilot phase and exploit this technology even beyond the duration of project.

The new technology will be presented in the conference in medical technologies, fairs and exhibitions on both sides of the channel.


.

Compared to the existing technologies, this project delivers a product that is technologically superior by being an autonomous and intelligent IoT device supported by a state-of-the-arts Intelligence Artificial engine. It relies on Raspberry Pi and IoT sensors that are by far cheaper than the existing devices developed by the companies

Need and Demand /

The waiting time at A&E (les urgencies medical) at hospitals is very high in both the UK and in France. In the UK the ideal time is 4 hours which is hardly attained across NHS hospitals (see http://www.qualitywatch.org.uk/indicator/ae-waiting-times and Figure 1), and in France it is again around 4 hours with only two hospital across the hexagon having an average less than 3 hours and the rest above four hours (see https://france3-regions.francetvinfo.fr/nouvelle- aquitaine/vienne/poitiers/hopitaux-passer-moins-temps-aux-urgences-1383927.html ).

Figure 1how long do people wait to be admitted onto a hospital ward?

In the last few years in France, it was reported that quite a few patients have died whilst waiting to be admitted to A&E units, the latest being in 2018 in Tours, where within 15 days two elderlies passed away in the same way). https://www.francetvinfo.fr/sante/hopital/tours-deux-personnes-agees-meurent-dans-la-salle-d- attente-des-urgences-en-quinze-jours-le-personnel-choque_2758175.html).

Our objective is to reduce these figures, through an innovative fusion of IT, Artificial intelligence, Internet of Things (IoT) and medical knowledge increase the throughput of A&E departments by reducing the waiting times of patients and admitting more patients per unit of time. This is to establish an innovative ecosystem of data that improves the process at A&Es by inserting intelligent agents to fill the surveillance gaps and develop devices (products) that are agents in this ecosystem and are able to learn, recognize and predict situations in health condition (artificial intelligence) by delegating between patient and the ecosystem (through sensors). The agents (wearable device, belt or vest in this case) monitors, pre-analyses the condition recognizes situations and simple symptoms, predict urgent requirements (and generates alert to book requirements), prepares automatically generate reports for consultants before receiving the patient.

http://www.qualitywatch.org.uk/indicator/ae-waiting-times

http://www.francetvinfo.fr/sante/hopital/tours-deux-personnes-agees-meurent-dans-la-salle-d-


/

This ecosystem will make possible it possible to define a sort of tele-surveillance and part of ad-hoc resources required for tele-supervision and tele-surveillance be acquired through crowdsourcing.

3- Results of the project (300 words max.)

An innovative ecosystem of data composed of a central monitoring unit (CMU) and a set of intelligent devices. An IoT-based system consist of a belt or vest as per Figure 2 is proposed, which is equipped with sensors to capture and measure vital sign and other information from a patient. The system is equipped with a low-consumption processing unit, the necessary microprocessors and artificial intelligence unit, a wifi/Bluetooth port sending/receiving information to/from a central monitoring unit. This will allow real-time surveillance of patient’s conditions (as heart rate, respiratory rate, oxygen saturation, blood pressure and if possible ‘AVPU’ conscious level etc.) during the waiting time, analyzing and generating relevant reports via a dashboard or automatically.

We introduce an ecosystem of data composed of a main data center and several portable/wearable devices that are standalone intelligent health monitoring system and predictive/learning engine. These devices are attached to the patient during waiting time, are able to monitor, collect data, pre-analyze, generate intermediary reports for the consultants, produce necessary alarms if required and communicate with a central monitoring system as the heart of this ecosystem. The ecosystem is equipped with a learning engine that learns patterns in situations related to different (anonymous) patients and propagates this knowledge across different devices to let them reacts appropriately in different situations.

Figure 2 IoT-based connected belt

It is expected that in the light of a continuous and real-time monitoring during the whole period at A&E a more complete and comprehensive picture of the patient’s health condition becomes available helping to accelerate the process of decision-making and treatment and reduce the waiting times. The application of AI will help with data analysis, manipulation and provisional diagnosis, if applicable. Such a rich body of information would provide a valuable volume of information for the nurses and doctors to treat a large body of patients more quickly as they will require much shorter secondary monitoring (if at all) after the time spent in the waiting room under a real time monitoring.


This system can also be accessed via web and patients can be monitored and observed remotely by crow-sourcing using additionally available/volunteer capacities (nurses and doctors) across different part of hospital without requiring them to be physically available in the A&E ward or even belong to it.

At the end of this project we will have a prototype of a belt (or a similar wearable device), a central monitoring unit, communication protocols established between the device and the central monitoring system, the main App and support software (an analytic dashboard, and an artificial intelligence unit.. This project introduces an innovative ecosystem that influences the traditional process of treating patients at A&E departments. It sets up a continuous and intelligent surveillance at every single second from the time of admission up until patient discharge.

This project delivers an innovative product/gadget as an intelligent autonomous device: The device equipped with sensors and machine learning (artificial intelligence) modules is part of an ecosystem. An agent captures data via sensors, analyses them locally, identifies any pattern in the patient’s condition and does an initial diagnosis.

On regular intervals, it communicates the results, reports to the CMU, and interrogates CMU for historical experiences and existing patterns. Human expert receives the generated report, and if appropriate will approve it otherwise, if some deficiencies being noticed he/she will rectify the error and this will propagate across the ecosystem (not only the single agent will be retrained but also all the other ones being part of the ecosystem.

The agent become richer over the time by learning from cases it examines and communications with the CMU as well as the feedbacks it receives from the medical experts; it becomes more accurate over the time

Through an online portal, schools, universities and training centres can access to the system for educational purposes to remotely monitor health condition of an anonymous patient at the A&E department of their choice.

Examples of concrete actions

To increase the throughput of A&E departments and increase the service level in presence of resource limits, we propose to fill the gap between the resource limit and service quality by altering the normal process and establish an ecosystem of data and develop intelligent autonomous agents that are belts/vests attached to the patient and continue to supervise him at all minutes even when no real/physical surveillance is available due to the lack of resources. The ecosystem of data is composed of a system that establishes a bidirectional communication channel to all stakeholders the situation of patients at A&E, potential requirements for resources (hospitalisation, operation etc.) such that A&E consultants/decision makers can make informed decisions with higher efficiency.

/


The agents collects data from patient condition, does an interim analysis and diagnosis, generate reports and informs the whole ecosystem (including consultants and nurses) of the state of the patient. Consultant has a full picture and understanding of patient condition since his/her admission and a pre-analysis, predictions and conclusion that is available to him/her. If the situation has been reported to be unstable, alerts have been already generated and sent to the ecosystem such that the required services/wards be on alert and make resources available perhaps for hospitalisation, operations etc. If a conclusion made by the agent is found to be inaccurate, (in the early stage of system deployment) then correction is being made and propagated as feedback to rectify the learning process and all alerts are cancelled.

Activities:

1. Identification and designing architecture of ecosystem in consultation with the stakeholders (different wards and services),

2. Identification of characteristics of a Central Monitoring Unit 3. Design of the agent electronic board including all sensors etc. 4. Design and develop of the an artificial intelligent module as well as validation; training it

to identify patterns and make conclusions 5. Equipping agent with the software and AI unit 6. Software framework/portal to govern connection between agent and the Central

Monitoring Unit (CMU) 7. Validation and experiments

Deliverables:

1. Design description of data ecosystem, 2. The agent as a wearable device (belt or vest) 3. Software framework 4. AI engine 5. An operational prototype

5- Cross border added value

As mentioned earlier, the waiting time at A&Es is a serious issue on both sides of the channel. The deliverable will be of interest of both side. However, the processes and the A&E protocols might be different making it necessary to provide more flexibility to establish a software system that can respond to the needs of operators on both sides of the channel.

For the product to be generic enough to respond to the requirements and comply with the protocols and standards specific to every region (including ethical, and data privacy etc.) collaboration from both region is essential. While medical expertise for training the agent can be found on both sides, technical and engineering skills required from research institutes/universities to carry out this project cannot be found only on one side.

/


/

/

Capitalisation on previous initiatives To the best of our knowledge, a relevant initiative is MySignal box (http://www.my-signals.com/) which is a console for different sensors but is different from what we are designing.

Figure 3 The my-signal console.

As shown in Figure 3, it is a console, which can read from every single sensor provided in the pack. It does not represent a wearable device. Yet, the electronic circuit associated with it is available in the market together with the Application Programming Interface (API) equipped with the slots. It can be exploited on both Arduino and Raspberry Pi IoT devices. To the best of our knowledge, currently existing monitoring systems in the hospitals are not small devices, they are mainly portable and wired devices which occupy large space and require a space at least to the size of a chair in waiting room. Normally, patients are guided to dedicated rooms to use these kind of devices. Philips and other companies producing such products. The drawback of such products is that, first of all they are not part of an ecosystem and work isolated and are very expensive compared to the one proposed in this project.

Figure 4 Patient monitoring systems

We are unaware of any local, regional, national, European directives/policies tackling this issue in particular. We are also unaware of any other lab or project in this area. We are unaware of any similar technology as a wearable device for a holistic A&E monitoring system for the waiting rooms of A&E units. To the best of our knowledge, this will be the first device of its kind.

Sustainability

http://www.my-signals.com/)


Partners (with their geographical areas) already involved in the project idea /

8-

S

This project provides opportunity for jobs in tele-processing and tele-diagnosis based on the evaluations and conclusion made by the system and agent. Verification and validation of results can be done via web interface and this project will provide opportunity for crowdsourcing startups to develop applications and interface with the hospitals’ ecosystem, inquire their real- time ad-hoc needs, recruit and acquire the qualified experts to do that. That is at pick hours, hospitals will be able to acquire part of their required resources (specialists, consultants etc.) via tasks they announce through applications developed by the startups.

The second type of startups, can provide access for the educational institutes to remotely observe patients conditions in real-time.

A living lab will be established and Digital Tech startups will be invited/consulted as a part of the living lab to identify the needs and opportunities beyond the scope of this project. Digital Tech companies will hopefully develop Apps to respond to those needs and this will also contribute in the entrepreneurship.

The project durability will be ensured by the close collaboration/partnership with the A/E departments on both sides, who will provide possibility for testing and pilot phase and exploit this technology even beyond the duration of project.

And finally, by organizing 1-2 edition of a workshop through perhaps some local and regional health clusters/partnerships in the South coast UK, we will make sure that the community is aware of developments and the opportunities are identified.

IT and Business Analytics Ltd University of Bournemouth A&E department of Bournemouth Hospital University of Valenciennes

Are you willing to be the Lead Partner on this project? YE

Potential partners sought (skills wanted) /

Please be as specific as possible as this will be needed to advertise your project and get potential partners on board. Micro-projects can have up to 5 partners in total.

□ England / A&E, Local cluster or partnerships, universities, research centers, public authorities

□ France / : Les urgence médicale, les pole du compétitivité du sante, les universités/Centre

recherche, les autorités publics


the project applicant? / /

10- Start date and end date of the project / September 2019 (for call on 05 April 2019 or 12 June 2019 ) for 48 months.

11- Estimated project cost and value for money/

The concept, data ecosystem and the device developed in this project will fill the gap between the lack of staff in the hospitals (budget cuts) and the efficiency in A&E. Every one of the existing devices occupies a space at least equivalent to a chair (40*40 cm) while this will be a wearable device that is carried by the patient and does not occupy any extra space. While other devices can only be calibrated and read by a person vising that device, our proposal can be accessed, calibrated and read remotely. This enable one person observing all devices on different windows on his/her PC screen (practically watching many at one time). One single remote monitor is sufficient to watch all the devices while in the classical machine every such a monitoring device is equipped with a separate monitor for itself. The power consumption of our proposal is in the scale of a mobile phone, the classical devices are very energy demanding. The classical devices do not have any autonomy or intelligence incorporated while ours does propose that as an e-Nurse.

Besides this efficiency, as the data becomes available on the network, 1. Economy of Crowd-Sourcing : The hospitals and wards can better cope with their short of staff by

recruiting doctors and nurses from anywhere around the world to remotely examine the files and patients based on the information they received from them without disclosing their identity.

2. Opportunities will be provided to the students and internship seekers, researchers and universities to access to this data ecosystem. For example, a student in Marseille can be virtually admitted to the wards to spend some hours of internship and training at different A&E departments across the country and observe/examine the situations in real time.

12- Other comments …

/

Has a programme facilitator from the InterregVA FCE Joint Secretariat provided advice to

Yes / - No

If yes, facilitator’s name / Name / Agi Musset


your partnership at this stage, please advise your Facilitator /

Regular project

/ /

/

PROJECT IDEA

The Project Idea Form is a public document, if you wish to keep it private at between the JS and

Project Name / Contact / Name / Organisation / Address / Telephone number / E-mail /

Type of project (please delete appropriately): Micro-Project (cf. conditions on our website)/

Micro-Projet

Specific Objective Keep only one and erase the others

1.1 - To increase the delivery and uptake of innovative products, processes, systems and services in shared smart specialisation sectors.

Summary description of the project idea (1 page max.)

Les longs délais d'attente dans les urgences médicales et les pertes causées par des retards aussi longs restent une préoccupation majeure pour les systèmes de santé. Néanmoins, le temps d’attente moyen dépasse 4 heures et les parties prenantes cherchent des solutions pour améliorer la qualité de service en réduisant ce délai (voir NHS https://www.england.nhs.uk/statistics/statistical-work-areas/ae-waiting-times-and). -activité / et).

http://www.england.nhs.uk/statistics/statistical-work-areas/ae-waiting-times-and)


Au Royaume-Uni, le délai d’attente de quatre heures prévues pour les urgences est un engagement pris dans le mandat du NHS. Selon la norme opérationnelle, au moins 95% des patients traités par urgences médicales doivent être admis, transférés ou déchargés dans un délai de quatre heures. En France, il fait l'objet de discussions depuis longtemps (voir https://drees.solidarites- sante.gouv.fr/IMG/pdf/s21_3_acte_v1_ricroch_jms2015.pdf).

Notre objectif dans ce projet est de réduire le temps d’attente a urgences médicales (l’urgence médicale) en introduisant un écosystème de données régissant la circulation de l’information entre les parties prenantes au sein d’un hôpital et en connectant les patients à cet écosystème via des agents IoT. Notre solution repose sur une fusion innovante d'informatique, d'intelligence artificielle, d'internet des objets (IoT) et de connaissances médicales sous la forme d'un dispositif portable autonome intelligent (e-Agent) permettant d'augmenter le débit des services urgences médicales en réduisant les temps d'attente des patients. et admettre plus de patients par unité de temps.

Le problème est intéressant des deux côtés de la chaîne. Pour que le produit soit suffisamment générique pour répondre aux exigences et respecter les protocoles et les normes propres à chaque région (y compris l'éthique, la confidentialité des données, etc.), la collaboration des deux régions est essentielle. De plus, les compétences techniques et d'ingénierie requises par les instituts de recherche / universités pour mener à bien ce projet ne peuvent être trouvées que d'un côté.

Les actions suivantes seront entreprises pour atteindre l'objectif et fournir la solution: 8. Identification et conception de l'architecture de l'écosystème en concertation avec les parties prenantes (différents services et services), 9. Identification des caractéristiques d'une unité de surveillance centrale 10. Conception de la circuit électronique e-Agent, y compris tous les capteurs, etc. 11. Conception et développement du module intelligent artificiel ainsi que validation; l'entraîner à identifier des modèles et à tirer des conclusions 12. Equiper e-Agent avec le logiciel et l'unité d'IA 13. Structure logicielle / portail pour régir la connexion entre e-Agent et l'unité de surveillance centrale (CMU) 14. Validation et expérimentation

La durabilité du projet est assurée par une collaboration étroite avec les clusters locaux et régionaux situés en France du côté britannique, par la commercialisation du produit et l'organisation d'ateliers pour présenter les opportunités entrepreneuriales dans le développement d'applications, etc.

La durabilité du projet sera assurée par la collaboration étroite / le partenariat avec les urgences médicales des deux côtés, qui offriront la possibilité de phase de test et de pilote et exploiteront cette technologie même au-delà de la durée du projet.

La nouvelle technologie sera présentée lors de la conférence sur les technologies médicales, les foires et les expositions des deux côtés de la chaîne.


Par rapport aux technologies existantes, ce projet fournit un produit technologiquement supérieur en tant que périphérique IoT autonome et intelligent, doté d'un moteur Artificial Intelligence de pointe. Il repose sur des capteurs Raspberry Pi et IoT, qui sont de loin moins coûteux que les dispositifs existants développés par les sociétés.

Need and Demand

Le temps d'attente aux urgences médicales est très élevé ---au Royaume-Uni et en France. Au Royaume- Uni, le temps idéal est de 4 heures, ce qui est difficilement atteint dans les hôpitaux du NHS (voir http://www.qualitywatch.org.uk/indicator/ae-waiting-times et figure 1), et en France, il est de nouveau environ 4 heures avec seulement deux hôpitaux de l’hexagone ayant en moyenne moins de 3 heures et le reste plus de quatre heures (voir

https://france3-regions.francetvinfo.fr/nouvelle- aquitaine/vienne/poitiers/hop hôpitaux-passer-moins-temps -aux-urgences-1383927.html).

Figure 1how long do people wait to be admitted onto a hospital ward?

Au cours des dernières années en France, il a été signalé que pas mal de patients étaient décédés en attendant d'être admis dans les unités A & E, le dernier en date ayant eu lieu en 2018 à Tours, où deux personnes âgées sont décédées dans les 15 jours. https://www.francetvinfo.fr/sante/hopital/tours-deux-personnes-agees-meurent-dans-la-salle-d-attente- des-urgences-en-quinze-jours-le-personnel-choque_2758175. html).

Notre objectif est de réduire ces chiffres grâce à une fusion innovante des technologies de l'information, de l'intelligence artificielle, de l'Internet des objets (IoT) et des connaissances médicales pour augmenter le taux des services A & E en réduisant les temps d'attente des patients et en admettant plus de patients par unité de temps. Il s’agit d’établir un écosystème innovant de données qui améliore le processus chez A & Es en insérant des agents intelligents pour combler les lacunes en matière de surveillance et développer des dispositifs (produits) qui sont des agents de cet écosystème et qui sont capables d’apprendre, de reconnaître et de prévoir des situations dans l’état de santé intelligence artificielle) en déléguant entre le patient et l'écosystème (au moyen de capteurs). Les agents (appareil portable, ceinture ou gilet dans

/

http://www.qualitywatch.org.uk/indicator/ae-waiting-times

http://www.francetvinfo.fr/sante/hopital/tours-deux-personnes-agees-meurent-dans-la-salle-d-attente-

http://www.francetvinfo.fr/sante/hopital/tours-deux-personnes-agees-meurent-dans-la-salle-d-attente-


ce cas) surveillent, pré-analysent l’état, reconnaissent les situations et les symptômes simples, préviennent les besoins urgents (et génèrent une alerte du livre), préparent automatiquement des rapports pour les consultants avant de recevoir le patient. Cet écosystème permettra de définir une sorte de télésurveillance et une partie des ressources ad-hoc nécessaires à la télésurveillance et à la télésurveillance sera acquise grâce au crowdsourcing.


/

3- Results of the project (300 words max.)

Un écosystème de données innovant composé d'une unité de surveillance centrale (CMU) et d'un ensemble de dispositifs intelligents. Un système basé sur l'IoT consiste en une ceinture ou un gilet, conformément à la figure 2, qui est équipé de capteurs pour capturer et mesurer les signes vitaux et d'autres informations provenant d'un patient. Le système est équipé d'une unité de traitement basse consommation, des microprocesseurs nécessaires et de l'unité d'intelligence artificielle, d'un port wifi / Bluetooth permettant l'envoi / la réception d'informations vers / depuis une unité de surveillance centrale. Cela permettra une surveillance en temps réel de l’état du patient (fréquence cardiaque, fréquence respiratoire, saturation en oxygène, pression artérielle et, si possible, niveau conscient de l’AVPU, etc.) pendant le temps d’attente, en analysant et en générant des rapports pertinents via un tableau de bord ou automatiquement.

Nous introduisons un écosystème de données composé d'un centre de données principal et de plusieurs agents portables, qui constituent un système de surveillance de la santé intelligent autonome et un moteur prédictif / d'apprentissage. Ces agents sont connectés au patient pendant l'attente, permettent de surveiller, de collecter des données, de pré-analyser, de générer des rapports intermédiaires pour les consultants, de générer les alarmes nécessaires et de communiquer avec un système de surveillance central au cœur de cet écosystème. L’écosystème est équipé d’un moteur d’apprentissage qui apprend les modèles de situations dans lesquels se trouvent différents patients (anonymes) et diffuse ces connaissances sur différents appareils afin de les laisser réagir de manière appropriée dans différentes situations.

Figure 2 IoT-based connected belt

À la lumière d'une surveillance continue et en temps réel pendant toute la période a l’A & E, un bilan plus complet de l'état de santé du patient devient disponible, ce qui permet d'accélérer le processus de prise de décision et de traitement et de réduire les temps d'attente. L'application de l'IA facilitera l'analyse des données, la manipulation et le diagnostic provisoire, le cas échéant. Un tel corpus d’informations fournirait aux infirmières et aux médecins un volume d’informations précieux pour traiter plus rapidement un grand nombre de patients, car ils nécessiteraient une surveillance secondaire beaucoup plus courte (voire pas du tout) après le temps passé dans la salle d’attente sous un même écran. surveillance en temps réel.

Ce système est également accessible via Internet et les patients peuvent être surveillés et observés à distance à l'aide d'un fournisseur externe (capacités disponibles / volontaires) (infirmières et médecins) dans différentes parties de l'hôpital, sans nécessiter leur


disponibilité physique dans le service des urgences ni même leur appartenance à cela.

À la fin de ce projet, nous aurons un prototype de ceinture (ou un appareil portable similaire), une unité de surveillance centrale, des protocoles de communication établis entre l'appareil et le système de surveillance central, l'application principale et le logiciel de support (un tableau de bord analytique, et une unité d'intelligence artificielle ..


Ce projet introduit un écosystème innovant qui influence le processus traditionnel de traitement des patients dans les urgences médicales. Il met en place une surveillance continue et intelligente à chaque seconde, à partir du moment de l'admission jusqu'à la sortie du patient.

Ce projet propose un produit / gadget innovant en tant que gadget autonome intelligent: L'appareil équipé de capteurs et de modules d'apprentissage automatique (intelligence artificielle) fait partie d'un écosystème. Un agent capture les données via des capteurs, les analyse localement, identifie toute tendance de l’état du patient et effectue un diagnostic initial.

À intervalles réguliers, il communique les résultats, fait rapport à la CMU et interroge la CMU à la recherche d'expériences historiques et de modèles existants. L’expert humain reçoit le rapport généré et, s’il le juge approprié, l’approuvera sinon, il corrigera l’erreur si elle détecte certaines carences, ce qui se propage dans l’écosystème (non seulement le seul agent sera recyclé, mais également tous les autres partie de l'écosystème.

L’agent s’enrichit au fil du temps en s’appuyant sur les cas qu’il examine, sur les communications avec la CMU et sur les retours qu’il reçoit des experts médicaux; il devient plus précis au fil du temps

Grâce à un portail en ligne, les écoles, les universités et les centres de formation peuvent accéder au système à des fins pédagogiques pour surveiller à distance l'état de santé d'un patient anonyme du service A&E de leur choix.

Examples of concrete actions

Pour augmenter le taux des services urgences médicales et augmenter le niveau de service en présence de limites de ressources, nous proposons de combler le fossé entre la contrainte de ressources et la qualité de service en modifiant le processus normal, en établissant un écosystème de données et en développant des agents autonomes intelligents constituant une ceinture / gilet attaché au patient et continuer à le surveiller à tout moment, même en l'absence de surveillance réelle / physique en raison du manque de ressources. L'écosystème de données est composé d'un système qui établit un canal de communication bidirectionnel à toutes les parties prenantes: la situation des patients a urgences médicales, les besoins potentiels en ressources (hospitalisation, opération, etc.), de sorte que les consultants / décideurs en urgences médicales puissent prendre des décisions éclairées avec une plus grande efficacité.

Les agents collectent des données sur l'état du patient, effectuent une analyse et un diagnostic intermédiaires, génèrent des rapports et informent l'ensemble de l'écosystème (y compris les consultants et les infirmières) de l'état du patient. Le consultant a une image complète et une compréhension de l’état du patient depuis son admission, ainsi qu’une pré-analyse, des prédictions et une conclusion à sa disposition. Si la situation a été signalée instable, des alertes ont déjà été générées et envoyées à l'écosystème afin que les services / services requis soient en alerte et mettent à disposition des ressources pour l'hospitalisation, les opérations, etc.

/


Si une conclusion est trouvée par l'agent pour être inexact (au début du déploiement du système), une correction est fait et est transmise sous forme de retour d’information pour rectifier le processus d’apprentissage et toutes les alertes sont annulées.

Activités:


/

4- Identification et conception de l'architecture de l'écosystème en concertation avec les parties prenantes (différents services et sections), 5- Identification des caractéristiques d'une unité de surveillance centrale 6- Conception du plan électronique de l'agent, y compris tous les capteurs, etc. 7- Conception et développement du module intelligent artificiel ainsi que validation; l'entraîner à identifier des modèles et à tirer des conclusions 8- Equiper l'agent avec le logiciel et l'unité d'IA 9- Structure logicielle / portail pour régir la connexion entre l'agent et l'unité de surveillance centrale (CMU) 10- Validation et expérimentation

Livrables: 6. Description de la conception de l'écosystème de données, 7. L'agent en tant qu'appareil portable (ceinture ou gilet) 8. Framework logiciel 9. moteur de l'IA 10. Un prototype opérationnel

5- Cross border added value / Comme mentionné précédemment, le temps d'attente au urgences medicales est un problème sérieux des deux côtés de la chaîne. Le produit livrable intéressera les deux parties. Cependant, les processus et les protocoles urgences medicales peuvent être différents, d'où la nécessité de fournir plus de flexibilité pour mettre en place un système logiciel capable de répondre aux besoins des opérateurs des deux côtés du canal.

Pour que le produit soit suffisamment générique pour répondre aux exigences et respecter les protocoles et les normes propres à chaque région (y compris l'éthique, la confidentialité des données, etc.), la collaboration des deux régions est essentielle.

Bien que l'expertise médicale pour la formation de l'agent puisse être trouvée des deux côtés, les compétences techniques et d'ingénierie requises des instituts de recherche / universités pour mener à bien ce projet ne peuvent être trouvées que d'un côté.

Capitalisation on previous initiatives

À notre connaissance, une initiative pertinente est MySignal Box (http://www.my-signals.com/), qui est une console pour différents capteurs, mais diffère de ce que nous concevons.

Figure 3 The my-signal console.

Comme le montre la figure 3, il s’agit d’une console capable de lire tous les capteurs fournis dans




le pack. Cela ne représente pas un appareil portable. Pourtant, le circuit électronique qui lui est associé est


/

disponible sur le marché avec l’interface de programmation d’application (API) équipée des logements. Il peut être exploité sur les appareils Arduino et Raspberry Pi IoT.

À notre connaissance, les systèmes de surveillance actuellement en place dans les hôpitaux ne sont pas de petits appareils, mais plutôt des appareils portables et câblés, qui occupent une grande place et nécessitent un espace au moins de la taille d’une chaise dans la salle d’attente. Normalement, les patients sont guidés dans des salles dédiées à l’utilisation de ce type d’appareils. Philips et d’autres sociétés fabriquant de tels produits. L'inconvénient de ces produits est qu'ils ne font pas partie d'un écosystème, qu'ils sont isolés du travail et qu'ils coûtent très cher par rapport à celui proposé dans ce projet.

Figure 4 Patient monitoring systems

Nous ne sommes au courant d'aucune directive / politique européenne, locale, régionale, nationale ou spécifique traitant de cette question en particulier. Nous ne connaissons pas non plus d’autres laboratoires ou projets dans ce domaine. Nous ne connaissons aucune technologie similaire en tant qu’agent/gadget portable pour un système de surveillance urgences médicales global pour les salles d'attente des unités urgences médicales. À notre connaissance, ce sera le premier appareil de ce type.

Sustainability

Ce projet offre des possibilités d’emploi dans le télétraitement et le télédiagnostic en fonction des évaluations et des conclusions du système et de l’agent. La vérification et la validation des résultats peuvent être effectuées via une interface Web. Ce projet permettra aux startups de crowdsourcing de développer des applications et d’interagir avec l’écosystème des hôpitaux, de rechercher leurs besoins en temps réel, de recruter et de faire appel aux experts qualifiés pour le faire. C'est donc aux heures de pointe que les hôpitaux pourront acquérir une partie des ressources nécessaires (spécialistes, consultants, etc.) via des tâches qu'ils annoncent via des applications développées par les startups.

Le second type de startups peut permettre aux établissements d’enseignement d’observer à distance les conditions des patients en temps réel.

Un living lab sera mis en place et les startups Digital Tech seront invitées / consultées dans le cadre du laboratoire vivant afin d'identifier les besoins et les opportunités allant au-delà de la portée de ce projet. Nous espérons que les entreprises de technologie numérique développeront des applications pour répondre à ces besoins, ce qui contribuera également à


l'esprit d'entreprise.

La durabilité du projet sera assurée par la collaboration étroite / le partenariat avec les les urgences medicales des deux côtés, qui offriront la possibilité de phase de test et de pilote et exploiteront cette technologie même au-delà de la durée du projet.


Partners (with their geographical areas) already involved in the project idea /

8-

S

Enfin, en organisant une ou deux éditions d'un atelier par le biais de partenariats / clusters de santé locaux et régionaux sur la côte sud du Royaume-Uni, nous veillerons à ce que la communauté soit au courant des développements et des opportunités identifiées.

IT and Business Analytics Ltd University of Bournemouth A&E department of Bournemouth Hospital University of Valenciennes

Are you willing to be the Lead Partner on this project? YE

Potential partners sought (skills wanted) /

Please be as specific as possible as this will be needed to advertise your project and get potential partners on board. Micro-projects can have up to 5 partners in total.

□ England / A&E, Local cluster or partnerships, universities, research centers, public

authorities

□ France / : Les urgence médicale, les pole du compétitivité du sante, les universités/Centre recherche, les autorités publics

13- Start date and end date of the project / September 2019 (for call on 05 April 2019 or 12 June 2019 ) for 48 months.

14- Estimated project cost and value for money/

Le concept, l’écosystème de données et l’appareil mis au point dans le cadre de ce projet permettront de combler le fossé entre le manque de personnel dans les hôpitaux (coupes budgétaires) et l’efficacité des services de dépannage et d’aide-mémoire. Chacun des dispositifs existants occupe un espace au moins équivalent à une chaise (40 * 40 cm), alors qu'il s'agira d'un dispositif portable porté par le patient et n'occupant aucun espace supplémentaire. Alors que les autres appareils ne peuvent être calibrés et lus que par une personne qui les visite, notre proposition peut être consultée, calibrée et lue à distance. Cela permet à une personne d'observer tous les périphériques de différentes fenêtres sur son écran d'ordinateur (pratiquement en regardant plusieurs à la fois). Un seul moniteur à distance suffit pour regarder tous les appareils, tandis que dans la machine classique, un tel appareil de surveillance est équipé d’un moniteur séparé. La consommation électrique de notre proposition est à l’échelle d’un téléphone portable, les appareils classiques sont très énergivores.


Les appareils classiques n'ont aucune autonomie ni intelligence, alors que les nôtres le proposent en tant qu'infirmière en ligne.


the project applicant? / /

Outre cette efficacité, à mesure que les données deviennent disponibles sur le réseau, 1. Economie de la crowdsourcing: Les hôpitaux et les services peuvent mieux faire face à leur pénurie de personnel en recrutant des médecins et des infirmières de partout dans le monde pour examiner à distance les dossiers et les patients sur la base des informations reçues sans révéler leur identité. 2. Les étudiants et les stagiaires, les chercheurs et les universités auront la possibilité d'accéder à cet écosystème de données. Par exemple, un étudiant marseillais peut être virtuellement admis dans les services pour y passer quelques heures de stage et de formation dans différents section urgences médicales du pays et observer / examiner les situations en temps réel.

15- Other comments …

Thank you, please forward this document to your facilitator for a review /

Thank you, please forward this document to your facilitator for a review /

/

Has a programme facilitator from the InterregVA FCE Joint Secretariat provided advice to

Yes / - No

If yes, facilitator’s name / Name / Agi Musset

Documents

PIF Vital belt EN - channelmanche.com · This project delivers an innovative product/gadget as an intelligent autonomous device: The device equipped with sensors and machine learning