La stratification du risque vise à identifier les patients nécessitant une surveillance et un suivi ainsi qu’à réduire les coûts de santé. Pour ce faire, nous utilisons des bases de données patients et des approches de pointe en machine learning et deep learning afin de prédire les résultats de santé (réadmissions, complications, décès) et les coûts de santé. Les algorithmes d’apprentissage automatique sont conçus pour détecter des modèles et des interactions complexes. Dans les ensembles de données administratives, le nombre d’observations dépasse souvent largement le nombre de variables, de sorte qu’il n’y a pas de problème d’identification, statistiquement parlant. Nous appliquons des méthodes d’évaluation des coûts permettant d’établir la valeur de certaines interventions, actes médicaux ou investissements en santé.