Par Anthony Eigier
Les hôpitaux produisent chaque jour un volume impressionnant d'informations cliniques. Cependant, une grande partie de ces données – en particulier celles non structurées, telles que les rapports, les notes médicales et les évolutions – finit par ne pas être utilisées dans son intégralité. Cette réalité n'est pas un échec technologique ou humain, mais une occasion de transformer ces enregistrements en intelligence stratégique, capable de guider des décisions plus affirmées et d'augmenter les résultats cliniques et financiers.
Les hôpitaux qui centralisent leurs données et adoptent des plateformes d'IA peuvent réduire les coûts administratifs jusqu'à 40% et augmenter la précision de leurs indicateurs de qualité et de conformité. Avec des données bien structurées, il est possible d'agir avant que le patient ne s'aggrave – et même d'éviter la «fuite des patients», identifiant les modèles de consommation et la fragmentation des soins pour ramener les utilisateurs à l'institution, ce qui peut augmenter les revenus de 17%.
Cependant, à mon avis, le plus grand défi n'est pas seulement d'identifier ces données, mais de leur donner une valeur réelle et un plus grand pouvoir de prise de décision aux gestionnaires de santé. Les technologies qui capturent et traitent les données non structurées avec la PNL (traitement du langage naturel) sont fondamentales. On estime que 70% à 80% du contenu du DSE est en notes gratuites, qui sont invisibles pour les systèmes traditionnels, selon les informations de l'Institute for Health Metrics (HMI). En ce sens, les outils d'IA permettent le résumé automatique des dossiers médicaux et l'extraction des signes cliniques pertinents, la réduction des erreurs et le temps médical dédié à une revue manuelle, selon une étude publiée sur la plate-forme ARXVI de l'Université Cornell.
J'ai récemment parlé de la conception d'une solution pour relever ce défi. Pensez que presque toutes les données du secteur de la santé sont textuelles – évolutions cliniques, notes médicales, examens – et malheureusement, la plupart ne sont pas utilisés correctement ou utilisés dans leur intégralité. Par conséquent, vous devez créer des points de données et tout transformer en film d'un seul patient. Cette capacité à transformer les fragments perturbateurs en une vision intégrée est ce qui réduit les risques cliniques et permet des actions plus rapides et plus ciblées par les équipes de protection sociale.
En tant que PDG d'un Helthtech, je travaille quotidiennement à côté des hôpitaux et d'autres responsables de la santé qui font face à cette réalité. Ainsi, nous agissons pour identifier les patients à haut risque clinique, mais offrons également les moyens pour que l'institution entre dans l'action – et nous assurons que les interventions, les dépistages et les lignes de soins sont en effet mis en œuvre. Nous agissons comme ça, car l'envoi simple d'une liste de personnes à risque ne suffit pas. L'institution doit avoir des outils pour capturer et accompagner ce patient en toute sécurité et durablement.
En pratique, la technologie a besoin de plus que de détecter les risques et d'offrir des ressources pour attirer le patient identifié. Il est essentiel de l'insérer dans les heures de cancer ou de soins chronologiques et de surveiller si ce qui doit être fait est vraiment de se produire. Ce pont entre le risque identifié et l'action efficace est ce qui peut accélérer les diagnostics, réduire les réinterpations et renforcer la relation avec le patient.
Je vois donc que l'efficacité ne réduit pas seulement les coûts, mais en faisant plus avec les ressources qui existent déjà, en particulier les humains. Un exemple concret de cela, est le cas d'un hôpital minière, où une ligne de 45 jours de cancer du poumon se présente à pratiquement zéro, en utilisant l'IA. En seulement six mois, une seule infirmière hautement qualifiée a pu insérer 36 patients dans les lignes de soins du cancer – des personnes qui ne seraient probablement pas diagnostiquées dans le temps sans ce type de soutien technologique.
De plus, lorsqu'il est exécuté correctement, l'intégration et l'intelligence appliquées aux données garantissent également la gouvernance et la transparence dans un système hospitalier de plus en plus réglementé et exigeant. Des études indiquent que 33% de l'amélioration de la conformité dans l'American Health Authority (CMS) peuvent être obtenues en trois mois avec des données centralisées et élevées dans un article publié à l'étranger.
Les hôpitaux qui mettent en œuvre cette culture basée sur les données gagnent une efficacité opérationnelle et de meilleurs résultats pour les patients, ainsi que la durabilité à long terme. Pour les hôpitaux et les dirigeants des opérateurs, il est temps de considérer les stratégies intégrées qui créent des données cliniques – même celles inébranlables – dans une source de soins et de valeur des patients.
Mon expérience montre que transformer les données en diagnostic, des actions et des résultats concrètes n'est pas une option. Nous parlons d'un besoin urgent pour ceux qui souhaitent anticiper les crises cliniques à l'avance – tout en augmentant l'efficacité de l'hôpital, améliore les marges financières sans compromettre la sécurité des patients ou mettre de côté l'humanisation nécessaire des soins.
Cependant, il est important de se rappeler que l'IA en santé n'est pas une fin, mais un moyen. Il doit être utilisé pour identifier le bon patient au bon moment et s'assurer qu'il reçoit les soins les plus appropriés. Dans ce contexte, la technologie devrait agir comme un allié de professionnels de la santé: un outil de soutien, jamais un substitut.
* Anthony Eigier est PDG et fondateur de NeuralMed.
