CI permet de nouvelles capacités de diagnostic des soins de santé

L'intelligence continue (CI) permet des approches innovantes des soins de santé, offrant aux cliniciens des capacités de diagnostic rapides et plus précises.

Les organisations de soins de santé disposent d'une mine de données pour évaluer l'état des patients et prescrire un plan de traitement. De plus en plus, la capacité à établir des diagnostics plus rapides et plus précis nécessite une intelligence continue (IC) dérivée de l'analyse en temps réel des données en continu.

Deux facteurs sont à l'origine de ce changement. Premièrement, les attentes des patients changent. La qualité des soins est de plus en plus importante – à mesure que les patients commencent à exercer leur droit de choisir comment et avec qui ils s'engagent pour leurs soins de santé. Ils exigent la transparence des données et des processus. Par conséquent, les organisations de soins de santé doivent se concentrer sur la manière dont des résultats de qualité peuvent être obtenus de manière significative pour les patients.

Voir aussi : L'IA fournit-elle des conseils en matière de santé mentale ? Pas si vite, disent les psychiatres

Dans le même temps, la santé connaît de grandes mutations grâce à la disponibilité de nouvelles sources de données. Plus précisément, il y a l'essor des appareils portables et des appareils médicaux connectés de l'Internet des objets (IoT). Alors que les organisations de santé utilisent de plus en plus d'appareils connectés, de dossiers de santé électroniques (DSE) et de visites virtuelles avec les patients, de plus en plus de données affluent.

Cependant, ces données restent généralement cloisonnées et n'améliorent pas les soins aux patients tant qu'elles n'ont pas été examinées et archivées pour une utilisation future. Faire des progrès nécessite des solutions qui peuvent facilement utiliser les différentes sources de données et appliquer des analyses en temps réel à ces données à la volée.

Données en temps réel pour le diagnostic

Les solutions qui surmontent les obstacles liés aux données ouvrent de nouvelles opportunités. Par exemple, l'utilisation de données en continu peut aider au diagnostic précoce de divers problèmes de santé dans de nombreux domaines. Un exemple est l'application des communications vocales pour diagnostiquer des conditions médicales.

Considérez le scénario suivant :une femme appelle en s'inquiétant de la santé de sa mère car elle a récemment eu des problèmes de perte de mémoire. La mère appelle la ligne de triage des infirmières de sa clinique, où son infirmière pose cinq questions pour recueillir des informations pour le diagnostic. L'analyse des sentiments est effectuée sur la communication vocale avec l'infirmière. Les informations dérivées de cette analyse sont combinées avec les données de santé capturées à partir de l'appareil portable de la mère (que l'infirmière peut visualiser en temps réel). L'infirmière utilise ensuite les informations pour déterminer que la maladie d'Alzheimer est dans un degré de probabilité élevé. Par conséquent, cette interaction aide la fille à déterminer les prochaines étapes pour les soins de santé de sa mère.

Avec une pléthore d'appareils connectés disponibles aujourd'hui, quelque chose d'aussi simple que les communications vocales utilisées pour diagnostiquer (ou déterminer la probabilité de diagnostic) est le bot médical ultime.

L'utilisation de l'analyse dans les communications vocales pour le diagnostic précoce de certaines conditions médicales est proche de la réalité d'aujourd'hui. Par exemple, l'Apple Watch est désormais dotée d'une fonction d'électrocardiogramme (EKG), qui fournit aux utilisateurs des informations sur leur rythme cardiaque qui peuvent les alerter de conditions non diagnostiquées. Les données en temps réel fournies par les appareils portables comme l'Apple Watch peuvent servir de première étape pour diagnostiquer certains problèmes de santé et alerter les patients afin qu'ils consultent leur fournisseur lorsque les données indiquent que quelque chose ne va pas.

Combiner l'analyse en temps réel avec l'IA

L'utilisation d'analyses en temps réel pour diagnostiquer les conditions pousse le traitement médical à de nouveaux niveaux. Les applications qui utilisent l'analyse prédictive et l'intelligence artificielle (IA) sont encore plus avancées pour prévenir l'apparition d'une maladie ou d'une affection.

Un exemple de l'application de cette technologie préventive est le travail effectué par HCAHealthcare pour réduire la menace de décès par septicémie.

La septicémie est une condition impitoyable qui peut faire des ravages sur le corps. Il se glisse souvent, comme un voleur dans la nuit, après que les gens sont déjà admis dans les hôpitaux pour traiter d'autres conditions. Il éclate lorsque le corps combat l'infection, déclenché par un déséquilibre dans les substances biochimiques mêmes que le corps envoie dans la circulation sanguine pour combattre l'infection. Si la septicémie évolue vers un choc septique, les organes sont endommagés et la tension artérielle chute – une situation potentiellement mortelle. La septicémie est responsable de 270 000 décès par an aux États-Unis seulement.

En règle générale, le diagnostic d'une septicémie n'est possible que sur la base d'un examen manuel des dossiers des patients lors des changements de quart de travail. Le problème est qu'au moment où la septicémie est détectée de cette façon, il peut être trop tard. "Chaque heure de retard de diagnostic augmente le risque de décès de 4 à 7 %", déclare le Dr Jonathan Perlin, président des services cliniques et médecin-chef des soins de santé chez HCA Healthcare.

Ce retard n'était pas acceptable. Une équipe de cliniciens, de scientifiques des données et de professionnels de la technologie s'est réunie pour créer un système d'analyse prédictive en temps réel afin de détecter plus précisément et plus rapidement les patients hospitalisés atteints de septicémie.

Le défi consistait à saisir les données relatives aux conditions pré-septicémiques. Les plus de 30 millions d'interactions annuelles avec les patients de l'entreprise de soins de santé ont généré une grande quantité d'informations chaque année sur 1 800 sites de soins. Cependant, une grande partie a été cloisonnée dans des systèmes et des applications disparates.

La plupart des infrastructures de données existantes n'ont pas été conçues pour l'informatique décisionnelle et le reporting à grande échelle. Ce dont nous avons besoin, c'est d'un moyen de collecter, d'analyser et de partager les données en temps réel de toutes nos installations afin que des mesures vitales puissent être prises rapidement. Pour relever ce défi, l'équipe a créé un système d'analyse prédictive en temps réel appelé SPOT (Sepsis Predictionand Optimization of Therapy).

Avec SPOT, les cliniciens peuvent détecter plus précisément et plus rapidement le sepsis chez les patients. La plate-forme collecte et analyse des données cliniques - telles que l'emplacement du patient, les signes vitaux, la pharmacie et les données de laboratoire - et signale aux soignants en temps réel de lancer des soins précoces contre la septicémie.

Avec l'outil SPOT, HCA Healthcare est en mesure d'améliorer la détection précoce. Les cliniciens peuvent détecter et identifier les premiers indicateurs de septicémie jusqu'à 20 heures plus tôt que les méthodes de dépistage traditionnelles.

Rôle de l'analyse dans la détection précoce de la fraude médicale

Au-delà du diagnostic, l'analyse en temps réel est envisagée pour d'autres applications de soins de santé. Par exemple, l'un des principaux problèmes de l'industrie de la santé aujourd'hui est le nombre de fraudes médicales qui se produisent. En 2017, il y a eu 1,3 milliard de dollars de fausses factures, selon le Bureau de l'inspecteur général du Département américain de la santé et des services sociaux. L'analyse peut jouer un rôle important dans la détection de la fraude médicale ainsi que dans le diagnostic précoce des conditions médicales.

Imaginez un centre d'appel médical utilisant la technologie d'analyse vocale lors d'un appel d'un patient qui tente une fraude médicale. Avec des analyses intégrées dans le logiciel, des signaux d'alarme dans le ton de la voix du patient pouvaient être identifiés. La personne traitant l'appel pourrait alors être alertée de la préoccupation signalée par l'analyse, ce qui lui permettrait d'enquêter sur la situation à un niveau plus approfondi. L'analyse pourrait un jour jouer un rôle clé dans la détection précoce de la fraude médicale, en alertant les organisations d'une fraude potentielle dès le processus de prise de rendez-vous.

Le véritable défi :travailler avec des données

Dans tous les efforts, le principal défi est de savoir comment utiliser efficacement le grand nombre de sources de données. Une solution adaptée pourra :

Fusionner différentes sources de données en continu : Les dispositifs médicaux fournissent des affichages visuels des signes vitaux par le biais de flux physiologiques tels qu'un électrocardiogramme (ECG), la fréquence cardiaque, la saturation en oxygène du sang (SpO2) et la fréquence respiratoire. Les initiatives de dossiers de santé électroniques dans le monde créent davantage de sources de données médicales. Les conditions potentiellement mortelles telles que l'infection nosocomiale, le pneumothorax, l'hémorragie intraventriculaire et la leucomalacie périventriculaire peuvent être détectées à l'aide d'analyses qui fusionnent différentes sources de données.

Offrez des soins hautement personnalisés : Détectez les signes plus tôt pour améliorer les résultats des patients et réduire la durée des séjours. Découverte de connaissances automatisée ou axée sur les cliniciens pour identifier de nouvelles relations entre les événements de flux de données et les conditions médicales.

Soutenir un traitement proactif : Créez un profil pour chaque patient basé sur des flux de données personnalisés et recevez des informations en continu

Conclusion

En termes simples, le potentiel en temps réel de l'analyse pour atténuer une variété de défis dans le secteur de la santé est aujourd'hui énorme. Avec tous les progrès qui ont été réalisés dans la création de nouvelles technologies pour catapulter les soins de santé dans la prochaine génération d'expérience patient, il est naturel que le déploiement d'analyses en temps réel pour le diagnostic médical précoce, la fraude médicale et d'autres applications suive .