L'augmentation des coûts, le vieillissement de la population et la prévalence des maladies chroniques transforment le secteur des soins de santé. D'ici 2030, les dépenses mondiales de santé devraient atteindre un niveau sans précédent de 18 300 milliards de dollars1. En réponse à ces tendances, les modèles de paiement sont déjà en train de passer d'une approche basée sur le volume à une approche basée sur le résultat ou la valeur.
L'analytique prédictive aide les organismes de santé à s'aligner sur ces nouveaux modèles tout en contribuant à améliorer les soins aux patients et leurs résultats. De l'anticipation de conditions critiques, comme le choc septique et l'insuffisance cardiaque, à la prévention des réadmissions, les dernières avancées en matière d'analytique du big data et d'IA alimentent de nouvelles solutions d'analytique prédictive qui aident les cliniciens à améliorer les résultats et à réduire les coûts.
Exploiter les données pour l'analytique prédictive de la santé
Les soins de santé ont été numérisés, créant ainsi de nouveaux ensembles de données massifs. Il s'agit notamment de systèmes de dossiers médicaux électroniques, de données relatives aux demandes de remboursement, d'images radiologiques et de résultats de laboratoire. Dans un avenir proche, les données génomiques connaîtront également une croissance importante.
De nouvelles données sont également générées par un nombre croissant d'appareils à la périphérie, y compris les technologies portables et les moniteurs pour patients. En dehors du cadre clinique, les patients génèrent des données quasi-sanitaires grâce à l'utilisation d'appareils portables, de systèmes de suivi de leur condition physique et d'applications de santé.
En intégrant les données provenant de ces sources, les fournisseurs de soins de santé peuvent développer de nouvelles solutions en matière d'analytique prédictive pour le diagnostic médical, la modélisation prédictive des risques sanitaires et même d'analytique prescriptive pour la médecine de précision.
Cependant, la conversion des données en résultats cliniques nécessite une base de matériel et de logiciels conçue pour extraire de la valeur à partir d'ensembles de données disparates. Une enquête a révélé que plus de la moitié des organisations de santé n'ont pas de plan global de gouvernance des données en place2. Par conséquent, une part importante des données relatives aux soins de santé reste inexploitée.
Avec un portefeuille de technologies conçues pour déplacer, stocker et traiter efficacement les données, alimenter les plateformes de big data et faire fonctionner les modèles d'IA, Intel et ses partenaires travaillent avec les organismes de santé pour mettre l'analytique prédictive au travail.
L'analytique prédictive alimentée par une plateforme de big data basée sur un processeur Intel® Xeon® a permis à un grand groupe hospitalier d'économiser 120 millions de dollars en coûts annuels.
Avantages de la modélisation prédictive dans les soins de santé
L'analytique prédictive est devenue un élément clé de toute stratégie d'analytique de la santé. Aujourd'hui, c'est un outil essentiel pour mesurer, agréger et donner un sens à des données comportementales, psychosociales et biométriques qui, jusqu'à présent, n'étaient pas disponibles ou extrêmement difficiles à saisir.
Au niveau individuel, l'analytique prédictive peut aider les fournisseurs de soins de santé à fournir les bons soins au bon patient au bon moment. À plus grande échelle, elle peut permettre aux systèmes de santé d'identifier et de comprendre les grandes tendances, ce qui conduit à de meilleures stratégies de santé de la population.
Dans un exemple, les chercheurs ont développé un modèle de propagation d'Ebola en utilisant l'analytique de big data et des quantités massives de données, y compris des informations provenant des médias sociaux et des moteurs de recherche. Les personnes qui ont potentiellement été exposées au virus Ebola peuvent entrer leurs symptômes dans une application mobile, qui utilise des géo-coordonnées pour vérifier si la personne a été à proximité de quelqu'un appartenant à une communauté dans laquelle le virus Ebola a été actif3.
Non seulement l'analytique prédictive peut améliorer les soins, mais elle peut aussi réduire considérablement les coûts. Par exemple, des modèles de prévision plus précis pour la durée du séjour des patients et les taux de réadmission permettent aux hôpitaux d'éviter les pénalités et de réduire les dépenses opérationnelles. En exploitant les dossiers de santé électroniques et l'analytique prédictive, les fournisseurs peuvent repérer les patients qui risquent de manquer un rendez-vous. Une fois identifiés, ces patients pourraient se voir rappeler leur rendez-vous ou être aidés à le respecter.
L'énorme potentiel de l'analytique prédictive comprend l'aide à l'identification des patients à risque de maladies chroniques, le développement de meilleures pratiques fondées sur des preuves et la détection proactive des obstacles potentiels dans le respect du planning des soins. Les données peuvent aider les cliniciens à garder une longueur d'avance sur les événements, en fournissant des soins proactifs aux patients avant que leur santé ne devienne critique.
Exemples d'analytique prédictive dans les soins de santé
Aujourd'hui, les systèmes de santé et les fournisseurs explorent différentes façons d'utiliser les plateformes de big data et l'IA pour l'analytique prédictive. Ces solutions aident les organismes de santé à passer de la simple utilisation de données pour savoir ce qui s'est déjà passé à l'utilisation de ces données pour prévoir de manière plus fiable ce qui va se passer.
Accélérer le traitement des affections critiques
En collaboration avec Intel, Penn Medicine a créé une plateforme scientifique de données collaborative pour aider à prévoir et à prévenir deux des problèmes les plus courants et les plus coûteux pour les hôpitaux : la septicémie et l'insuffisance cardiaque.
Le modèle prédictif a permis d'identifier environ 85 % des cas de septicémie (contre 50 %) jusqu'à 30 heures avant le début du choc septique (contre deux heures avec les méthodes traditionnelles)4 Il a également pu identifier entre 20 et 30 % des patients souffrant d'insuffisance cardiaque qui n'avaient pas été correctement identifiés5 Ces efforts ont permis aux cliniciens d'administrer le traitement plus rapidement, d'accélérer le temps de guérison et d'économiser des ressources pour l'hôpital.
Prédire la durée du séjour
Intel et Cloudera ont aidé un grand groupe hospitalier à utiliser l'analytique prédictive pour améliorer la précision des prévisions de durée de séjour. La plateforme de big data basée sur les clusters du processeur Intel® Xeon® a permis au groupe d'hôpitaux d'ingérer des données non liées, non structurées et semi-structurées.
Grâce à sa capacité à planifier et à embaucher plus efficacement, le groupe hospitalier a économisé 120 millions de dollars USD de coûts annuels (environ 12 000 dollars USD par patient) et a augmenté l'utilisation des installations de 5 %, ce qui permet aux hôpitaux de servir potentiellement 10 000 patients supplémentaires par an6.
Réduire les réadmissions
Dans un autre effort, Intel et Cloudera ont utilisé des données socio-économiques, des dossiers de santé électroniques et de l'analytique prédictive pour aider un groupe d'hôpitaux à identifier les patients présentant un risque élevé de réadmission au moment du diagnostic. Le personnel hospitalier pourrait alors fournir des soins médicaux supplémentaires afin de réduire les taux de réadmission.
La plateforme de big data, alimentée par les processeurs Intel® Xeon®, a permis au groupe hospitalier de réduire de 6 000 le nombre de réadmissions de patients, d'éviter 4 millions de dollars USD de pénalités potentielles pour les soins médicaux et d'économiser environ 72 millions de dollars USD par an en frais médicaux7
Explorer le potentiel de l'IA
Intel porte un grand intérêt à l'utilisation de l'IA pour aider les systèmes de santé et les fournisseurs à lutter contre les maladies et à personnaliser les traitements. De notre parrainage d'un concours de dépistage du cancer basé sur l'IA aux nombreuses solutions d'IA dans les sciences de la santé et de la viealimentées par les technologies Intel®, Intel aide les organismes de santé à trouver les bonnes technologies pour déployer l'analytique prédictive.
Identifier les patients sujets à décliner
Sharp HealthCare a utilisé les technologies Intel® et de Cloudera pour déployer avec succès un modèle d'analytique clinique prédictive. Le modèle a utilisé l'apprentissage machine et les données du système de dossiers de santé électroniques des hôpitaux pour identifier les patients susceptibles de nécessiter une intervention de l'équipe d'intervention rapide dans l'heure qui suit.
Le modèle était précis à 80 % pour ce qui était de prédire la probabilité d'un événement dans l'heure qui suit8. Cela a permis aux équipes de réaction rapide d'intervenir de manière proactive, d'améliorer la qualité et le coût des soins et d'accroître l'utilisation des ressources.
Intel soutient les cliniciens grâce à l'analytique prédictive
En fournissant une base technologique pour l'IA et les plateformes de big data, Intel et son écosystème de partenaires aident les fournisseurs de santé à exploiter la vaste quantité de données sur les patients et la santé qui restent inutilisées. Les solutions qui en résultent peuvent aider les fournisseurs à améliorer la sécurité des patients, à renforcer l'efficacité opérationnelle et, surtout, à améliorer les résultats pour les patients.