Return to site

l'IA & la santé : la face cachée de l'iceberg

par Paul Marion

· AllAboutData

I.A. & Santé

Aujourd’hui quand nous parlons d’intelligence artificielle dans le secteur de la santé, nous abordons beaucoup de sujets tels que, la détection de maladies, la prédiction personnalisée d’un état de santé ou la lutte contre la contrefaçon… Ce sont des sujets très prometteurs mais encore à des stades embryonnaires dû à des contraintes règlementaires et de ressources.

Pourtant, l’I.A. peut déjà contribuer dans ce secteur, en visant directement le fonctionnement du système de santé ! Avec l’aide au recouvrement, l’optimisation de la logistique (disponibilité des lits, salles d’opération, approvisionnement du matériel pharmaceutique) ou encore une meilleure prise en charge des patients, les établissements de soins sont en mesure de gagner en efficience et se focaliser sur de nouveaux axes de développement.

Toute solution d’I.A. doit être simple d'utilisation et complètement intégrée à l’écosystème, de manière à ne pas imposer de nouvelles tâches et donc créer de la réticence vis à vis de la modernisation du système.

Avant de se lancer dans ce genre de projet il est donc important de structurer sa donnée afin de mieux l’exploiter. Il faut alors dédoublonner/harmoniser les différentes sources de données, assurer l’interopérabilité entre les logiciels et intégrer les sources de données des appareils médicaux (dématérialiser les données collectées à la main)

À ce stade, le Machine Learning peut être intégré plus facilement et permet de réaliser de nombreuse prouesses comme:

  • Prédire le nombre de visites à l’hôpital dans les prochains jours. (depuis 2016 l’Assistance Publique-Hôpitaux de Paris (AP-HP) ont recours au big data pour prédire le nombre de visites par jour ainsi que les jours et les heures d’admission. Une manière d’adapter les effectifs aux pics de fréquentation de l’établissement.)
  • Classifier et prioriser les dossiers patients durant l’admission.
  • Identifier des fraudes, du gaspillage ou des abus sur des modèles cliniques, des opérations…
  • Détecter une future hospitalisation d’un individu.
  • Prédire son taux d’admission. (Afin de prédire les taux d’admission, les Hôpitaux de Paris ont décidé d’utiliser les technologies du Big Data et du Machine Learning. De cette façon, les ressources peuvent être déployées de façon plus efficace et les patients peuvent être mieux pris en charge.)
  • Projeter l’évolution de son état de santé.
  • Déterminer s’il est susceptible de déclarer une maladie en phase post-hospitalisation.
  • Détecter des anomalies dans un formulaire, dossier, et automatiser le travail manuel de rectification de l’info.

Ces algorithmes seront donc un premier pas vers un monde où la santé intégrera des technologies plus complexes qui assisteront les professionnels du secteur de manière à les inviter à se recentrer sur une activité de plus en plus avancée et de pointe.

All Posts
×

Almost done…

We just sent you an email. Please click the link in the email to confirm your subscription!

OK