# Les diététiciens de Mount Sinai utilisent dans cinq hôpitaux un score d'apprentissage automatique déployé pour décider quels patients hospitalisés évaluer en premier pour la dénutrition

Page: https://flyvolo.ai/fr/changes/ev-20200101-dietitian-12
Date: 2020-01-01 · Étape: Déploiement réel
Ce relevé peut-il faire évoluer un jugement sur une tâche ? oui
Métier: https://flyvolo.ai/fr/careers/dietitian

## Périmètre

New York, États-Unis. Les propres chercheurs du système de santé indiquent qu'il a déployé un modèle d'apprentissage automatique (MUST-Plus) pour détecter la dénutrition à l'admission, que le modèle est en service dans cinq de ses hôpitaux depuis 2020, et que l'équipe de diététiciens utilise sa prédiction pour décider quels patients hospitalisés évaluer en priorité lors des tournées quotidiennes, après quoi le diététicien consigne le diagnostic de dénutrition selon des critères cliniques. L'article constate aussi que le modèle était mal calibré pour certaines périodes et certains groupes. Un seul système de santé ; le modèle classe les patients pour les diététiciens, il ne les évalue ni ne les diagnostique, et aucun changement du temps des diététiciens n'est rapporté.

## Source

- Mount Sinai Health System authors — 'Assessing calibration and bias of a deployed machine learning malnutrition prediction model within a large healthcare system', npj Digital Medicine 7:149 (6 June 2024) — https://pmc.ncbi.nlm.nih.gov/articles/PMC11156633/ (source primaire)

## Ce que cela veut dire

Dans de vrais hôpitaux, le logiciel décide désormais de l'ordre dans lequel les diététiciens voient les patients, tandis que l'évaluation reste au diététicien.

## Ce qu’il ne montre pas encore

Un seul système de santé, un modèle qui classe sans évaluer, et aucune mesure du temps des diététiciens.

## Comment le vérifier vous-même

Ouvrez l'article de npj Digital Medicine (PMC11156633) et cherchez « used by the RD team to prioritize which inpatients to evaluate ».


Plus : https://flyvolo.ai/llms.txt