RPA : piloter l'automatisation intelligente dans la santé

Marché RPA en plein essor, mais limites du RPA pur

Le marché de l'automatisation des processus robotiques (RPA) est en plein essor, prévu pour atteindre 4,4 milliards de dollars de valeur d'ici 2023. Il offre aux entreprises une énorme opportunité d'automatiser des processus manuels, chronophages, répétitifs et transactionnels. Le RPA peut aider à améliorer la qualité, la vitesse et la productivité des processus et à intégrer les systèmes hérités — ce qui est de plus en plus important dans le climat actuel où les organisations cherchent à accélérer les projets de transformation digitale.

Il est clair cependant que si le RPA a le potentiel d'être un outil très précieux, les obstacles courants à son succès sont les complexités métier, les décisions subjectives et les données non structurées. Le RPA ne peut automatiser que des tâches simples. Il a besoin de processus suivant des règles prédéfinies finies avec des données structurées.

La convergence RPA + IA/ML = automatisation intelligente

La clé pour démarrer les projets d'optimisation digitale est de connecter la tête (intelligence artificielle et apprentissage machine) avec les mains (RPA). Je parle de la convergence du RPA avec l'IA et le ML pour créer l'automatisation intelligente, qui a le potentiel d'augmenter massivement la gamme de travail de connaissance auparavant considéré comme trop complexe à automatiser, et nécessitant une intervention humaine pour faire des prédictions. Avec l'automatisation intelligente, l'IA et le ML automatisent la prise de décision et le RPA automatise les étapes manuelles suivantes dans le processus.

Comment ça marche : ML en deux composantes

À haut niveau, l'apprentissage machine peut être décomposé en deux composantes majeures. La première implique l'entraînement de modèles sur des données historiques pour faire des prédictions. Cela implique la collecte et la préparation des données — souvent l'étape la plus chronophage du ML — et se termine avec un jeu de données d'entraînement étiqueté et prêt pour la modélisation. Ensuite, les modèles sont construits en utilisant des algorithmes pour différents types de problèmes de données, c.-à-d. classification, régression, binaire. Une fois le modèle construit et déployé en production, la seconde composante du ML commence — le scoring de données inédites contre les modèles construits. C'est l'étape où le RPA peut demander au modèle ML quoi faire ensuite, le modèle fournissant une décision de prédiction pour que le RPA continue sans intervention humaine.

Santé et sciences de la vie : cas d'usage à forte valeur

IDC a identifié la transformation digitale comme tendance majeure dans l'industrie des sciences de la vie et de la santé, donc il n'est pas surprenant qu'il y ait maintenant un intérêt accru de cette industrie pour les cas d'usage d'automatisation où l'ajout d'IA et ML avec RPA pourrait ajouter de la valeur à travers tout l'écosystème. L'objectif est de créer une main-d'œuvre numérique scalable capable d'exécuter des processus ne nécessitant pas d'intervention humaine, et de délivrer un retour sur investissement en moins de 12 mois.

Le bénéfice organisationnel clé de l'utilisation de l'automatisation intelligente pour retirer le travail humain des tâches banales est naturellement de permettre aux professionnels de santé de se concentrer sur la prise de décision humaine à plus haute valeur, le diagnostic et le traitement. Offrir une meilleure expérience patient et améliorer les résultats peut être atteint en optimisant l'engagement patient, en donnant aux cliniciens un accès plus rapide à plus d'informations, ce qui leur permet à leur tour de fournir des soins ciblés et personnalisés.

Fournir une plus grande visibilité des données en temps réel est aussi utilisé par les entreprises pharmaceutiques et fabricants de dispositifs médicaux, par exemple, pour éliminer les préoccupations de conformité potentielles en réduisant les taux de fraude et d'erreur et en augmentant la précision, la sécurité et la sûreté. C'est particulièrement le cas dans l'industrie des sciences de la vie.

Accélération découverte médicaments, vaccins, essais cliniques

L'automatisation intelligente est exploitée pour accélérer la découverte de médicaments, le développement de vaccins et les essais cliniques, en automatisant les processus relatifs à la documentation et la surveillance réglementaire. Éliminer les goulets d'étranglement s'avère être la clé pour adresser certains défis posés par la pandémie, surtout concernant la fourniture de kits de test et l'analyse Fast Track.

La capacité à standardiser les données, utiliser des jeux de données plus larges, éliminer les biais, et entraîner les algorithmes plus efficacement pour identifier, par exemple, quels composés peuvent être plus efficaces ou valent la peine d'avancer plus vite dans le processus de découverte de médicaments, fournit des résultats plus vite et rend presque possible de faire le travail en amont. Cela suggère en soi que l'évaluation, les résultats, la possibilité d'approbation et l'efficacité pourraient être faits à l'étape de découverte de médicaments, parallèlement au développement clinique, réglementaire et traitement documentaire, menant potentiellement à des essais cliniques virtuels.

Laboratoires automatisés et supply chain agile

L'introduction de plus d'automatisation dans les laboratoires permettra aussi de relier les données à la fabrication, et autres lacs de données, pour fournir une plus grande visibilité des tendances, plus vite et délivrer la fabrication à grande échelle, et des supply chains plus agiles qui sont des exigences majeures, surtout en ce moment.

La prévision de la demande de production est un cas d'usage central par exemple — prédire où il peut y avoir une hausse de la demande basée sur des externalités comme une hausse de la grippe ou augmentation du COVID-19, ou un changement potentiel de population, peut augmenter la demande. De même, être capable de surveiller et suivre les problèmes de qualité de pharmacovigilance et le traitement des plaintes — voir les tendances concernant les soumissions réglementaires ou plaintes au fur et à mesure qu'elles arrivent, surveiller les tendances plus tôt, mettre à jour les équipes terrain pour qu'elles gèrent proactivement les problèmes (échantillons, expéditions par exemple) en jours plutôt qu'en semaines — peut contribuer à augmenter les ventes.

Démocratisation de l'IA et RPA

Heureusement, l'automatisation intelligente permet à l'industrie des sciences de la vie et de la santé de gérer et intégrer les systèmes hérités et d'atteindre les bénéfices de la transformation digitale sans mettre à jour les logiciels, développer des APIs, ou construire un nouveau système, en semaines plutôt qu'en mois ou dans certains cas années.

Les données peuvent être collectées de multiples sources et doivent être nettoyées et préparées avant que la modélisation ne soit initiée. Au lieu d'être enfermées dans une tour d'ivoire, l'IA et le RPA sont démocratisés par l'automatisation intelligente. Les gens peuvent obtenir un accès direct à la science des données et utiliser l'information eux-mêmes, au lieu d'attendre d'obtenir cette même information d'un groupe siloté quelque part ailleurs.

Permettre à l'industrie des sciences de la vie et de la santé de tirer parti de ces outils et techniques IA, ML et RPA pour supporter la prise de décision pilotée par l'IA et délivrer un ROI en peu de temps devient de plus en plus une réalité pratique.

La convergence du RPA et de l'IA et ML est la prochaine étape dans le parcours de l'automatisation intelligente. Les organisations résolvent des cas d'usage ML pilotés par les données comme la réadmission patient, la prévision d'effectifs, l'observance médicamenteuse, et la réduction de la durée de séjour patient et elles ne s'arrêtent pas là. Au lieu de cela, elles utilisent les prédictions pour ajouter de nouvelles automatisations RPA qui n'étaient pas précédemment viables pour résoudre des cas d'usage plus critiques, en utilisant plusieurs composants d'automatisation intelligente ensemble. Inutile de dire que c'est une période excitante pour être dans cette industrie et piloter un vrai changement pour les années à venir.