Le potentiel de l'IA dans la chaîne d'approvisionnement des soins de santé

L'enthousiasme, ou les prédictions, ne manquent pas quant à l'utilisation potentielle de l'intelligence artificielle (IA).

Grand View Research estime que le marché mondial de l'IA augmentera à un taux annuel composé de 57 % entre 2017 et 2025, pour atteindre 36 milliards de dollars. Forrester prédit que 2020 sera l'année où les dirigeants se concentreront sur la manière de piloter et de mesurer la valeur de leurs investissements dans l'IA.

La santé ne fait pas exception. Une récente enquête menée par Optum auprès des cadres de la santé a révélé que non seulement l'utilisation de l'IA est en augmentation, mais également que la plupart des cadres s'attendent à un retour sur investissement plus rapide que prévu.

Ce qui manque à ces nobles projections, ce sont des discussions plus approfondies sur ce qui est nécessaire pour s'assurer que l'IA peut tenir ses promesses, comme l'importance de la gouvernance et de la gestion des données. Il y a également moins de conversations sur le rôle que l'IA et l'apprentissage automatique peuvent jouer dans la chaîne d'approvisionnement des soins de santé, par rapport à d'autres domaines, tels que l'amélioration du diagnostic des maladies et le développement de médicaments. Mais lorsque vous vous arrêtez et réfléchissez à la manière dont l'IA est appliquée ailleurs dans le domaine de la santé, vous commencez à voir des implications et des opportunités pour la chaîne d'approvisionnement.

Analyse prédictive. L'une des applications les plus intéressantes de l'IA est l'utilisation de la génomique, combinée à d'autres facteurs cliniques, sociaux et comportementaux des patients, pour prédire les futurs états pathologiques et traitements de santé, par exemple si un patient est susceptible de subir un événement cardiovasculaire ou d'avoir besoin d'un genou. remplacement. Au niveau du patient individuel, il y a relativement peu de pertinence en aval pour la chaîne d'approvisionnement. Mais réfléchissez à ce qui pourrait arriver si nous disposions de données sur des populations entières de patients, disons ceux desservis par un système de santé ou une organisation de soins responsable. Cela pourrait-il aider à prédire les types et le volume de produits qui seront nécessaires, y compris quand et où, tout en fournissant des signaux de demande précieux aux fabricants et aux distributeurs ?

Correspondance de la demande. Avec plus de données sur les performances des produits dans la pratique clinique de routine et la volonté de reconcevoir les parcours de soins en fonction des besoins de populations de patients spécifiques, il est de plus en plus nécessaire de faire correspondre le bon produit au bon patient. L'IA peut jouer un rôle important pour comprendre ce qui fonctionne le mieux sur quels types de patients, et exploiter ces données pour l'analyse de la valeur et l'approvisionnement, ainsi que pour s'assurer que les bons produits sont au bon endroit.

Optimisation de la logistique. Les entreprises basées sur l'IA et axées sur le flux de patients utilisent des outils couramment déployés par des sociétés de logistique tierces, telles qu'UPS, pour tracer les itinéraires d'ambulance les plus rapides pour transporter les patients à l'hôpital ou à d'autres sites de prestation de soins. Pourquoi ne pas déployer ces mêmes technologies pour aider les professionnels de la chaîne d'approvisionnement des soins de santé alors qu'ils sont aux prises avec la migration des soins en dehors des établissements de soins actifs ? L'IA peut aider à déterminer les meilleures méthodes de transport, la fréquence et les itinéraires pour déplacer les produits et les soignants vers le nombre croissant d'endroits où ils seront nécessaires, des cliniques à domicile et au détail aux centres de soins d'urgence et de chirurgie ambulatoire.

Continuité de l'approvisionnement. Les événements récents - des catastrophes naturelles et des épidémies de maladies infectieuses aux rappels de produits et aux fermetures d'installations de stérilisation - ont accru l'attention sur les défis posés par les interruptions de la continuité de l'approvisionnement. Contrairement au secteur de la vente au détail, où une commande en souffrance n'est souvent qu'un inconvénient, les ruptures d'approvisionnement dans les soins de santé peuvent avoir de graves conséquences. Prenons l'exemple de l'ouragan Maria. Lorsque la tempête a frappé Porto Rico, elle a affecté négativement les opérations de plus de 50 fabricants différents sur l'île, y compris ceux qui fournissent des sacs IV. La pénurie de sacs de solution saline a poussé les fournisseurs à travers les États-Unis à se démener pour trouver des alternatives. L'organisation d'achats groupés, Premier, a récemment demandé à la Food and Drug Administration des États-Unis d'exiger des fabricants de dispositifs médicaux qu'ils communiquent les pénuries potentielles. L'IA pourrait être déployée non seulement pour aider les fournisseurs à anticiper les ruptures de stock et les ruptures de stock, mais également pour aider les fabricants à collecter des données tout au long de leurs chaînes d'approvisionnement très complexes afin de mieux prévoir les perturbations, de prendre des mesures correctives et d'aider leurs clients à identifier des alternatives.

Automatisation des tâches. L'automatisation des processus robotiques (RPA) est une forme d'IA de plus en plus utilisée dans le domaine de la santé, en particulier dans le traitement des réclamations. RPA utilise des robots logiciels pour automatiser et standardiser les tâches répétitives, libérant ainsi le personnel pour un travail à plus forte valeur ajoutée. Pour la chaîne d'approvisionnement, la RPA est utilisée pour automatiser les tâches de gestion des contrats, telles que la vérification des prix et le remplissage des systèmes d'approvisionnement avec les conditions du contrat.

Dépendances de l'IA. Comme pour de nombreuses nouvelles technologies, il existe un engouement considérable pour ce que l'IA peut faire pour améliorer les performances cliniques, opérationnelles et financières, ainsi que l'expérience du patient et du clinicien. Dans le même temps, il y a relativement peu de discussions sur ce qui doit être mis en place pour s'assurer que l'IA tient ses promesses.

L'un des domaines les plus sous-estimés est la gouvernance des données. La beauté de l'IA est qu'elle peut analyser de grandes quantités de données pour identifier des modèles et des corrélations cachées qui, sinon, prendraient beaucoup plus de temps aux humains à déchiffrer, voire pas du tout. Il permet également aux utilisateurs d'alimenter le moteur d'IA avec un large éventail de variables, même celles que vous soupçonnez seulement d'avoir une incidence sur le problème que vous essayez de résoudre. Mais malgré la sophistication de l'outil, le vieil adage - poubelles dedans, poubelles sorties - s'applique toujours. Avant de lancer une initiative d'IA, assurez-vous que vous disposez de suffisamment de données (probablement issues de différentes sources) et que les données adhèrent à des politiques, normes, définitions et processus de données bien définis.

Enfin, déterminez dans quelle mesure vous souhaitez utiliser l'IA pour augmenter la prise de décision, c'est-à-dire s'il faut permettre au système de fournir des informations et des recommandations pendant qu'un humain fait toujours le choix final, ou automatiser entièrement la prise de décision. La magie et le mystère de l'IA sont le manque de transparence dans la façon dont le système prend des décisions, car il apprend et change continuellement la façon dont il sélectionne, pèse et relie différentes variables pour parvenir à des conclusions. Ce n'est qu'une fois que vous avez confiance dans le système, en particulier lorsqu'il s'agit de décisions concernant les soins aux patients, que vous devez passer aux applications de l'IA dans lesquelles le système prend des décisions et agit sans intervention humaine.

Le potentiel de l'IA et de l'apprentissage automatique dans le domaine de la santé est impressionnant, d'autant plus que nous réfléchissons à la manière d'exploiter la richesse en expansion rapide des connaissances générées chaque jour. D'un autre côté, il reste encore beaucoup à apprendre sur la meilleure façon d'appliquer l'IA dans les divers aspects des soins de santé. Alors que nous aspirons à de nouveaux sommets, guidés par l'IA, il est important de se rappeler les fondations sur lesquelles l'IA est construite. Vos initiatives d'IA sont-elles basées sur des données précises, complètes, standardisées et normalisées ? Si c'est le cas, alors le ciel, apparemment, est la limite.

Karen Conway est vice-présidente de la valeur des soins de santé chez GHX.