Scheduling of Physicians to Minimize Patients' Waiting Time

Chaque phase du processus de soins en radiothérapie se compose de plusieurs étapes. Le patient est d'abord référé au centre de radiothérapie. Après une consultation avec le médecin, un scan permettra de délimiter les contours de la tumeur à soigner afin d'établir le plan de traitement. Les doses sont calculées par des dosimétristes et ensuite validées par le médecin. La phase de prétraitement commence donc par la consultation avec le médecin et se termine lorsque le traitement en tant que tel peut commencer. Dans cette étude, notre objectif est de minimiser la durée de la phase de prétraitement. Bien que plusieurs ressources (humaines et matérielles) soient impliquées dans la phase de prétraitement, nous nous concentrons dans ce projet sur les médecins. En effet, à chacune des étapes du prétraitement le médecin est impliqué et doit donner son aval avant de passer à l'étape suivante. Notre objectif est de déterminer un horaire cyclique et hebdomadaire des tâches à affecter aux médecins, dans le but d'améliorer le flux des patients et de réduire la durée de la phase de prétraitement des patients. Bien que cet objectif soit primordial, nous incluons la satisfaction des médecins quant au choix des tâches affectées chaque jour lors de l'élaboration de l'horaire. Le défi de ce problème réside dans l'incorporation d'éléments incertains (tels que l'arrivée des patients au centre de radiothérapie et leur profil). L'horaire des médecins est identique semaine après semaine tandis que la distribution de l'arrivée des patients varie au courant de l'année. Deux types de patients sont traités par le centre : les patients curatifs et palliatifs. Ces patients n'ont pas le même objectif de traitement, et surtout n'ont pas les mêmes délais d'attente. Afin de résoudre ce problème nous avons développé une méthode de recherche Tabou basée sur trois types de mouvements. Dans un premier temps nous validons la performance de notre algorithme en nous basant sur des instances déterministes. Nous montrons qu'en moyenne, notre méthode est à 0.67% de la solution obtenue par CPLEX dans un temps de calcul raisonnable. Dans un deuxième temps nous incluons les paramètres stochastiques du problème. La fonction d'évaluation du coût des mouvements dans l'algorithme tient désormais compte du fait que l'arrivée et le profil des patients ne sont pas connus d'avance. Nous montrons que l'horaire obtenu par notre algorithme est de meilleure qualité que celui utilisé en pratique sur une cinquantaine de scénarios générés.