Fin 2020, le secrétaire du HHS de l’époque, Alex Azar, a fait appel à Cogitativo, basé à Berkeley, en Californie, pour aider à éclairer la stratégie de distribution de vaccins de l’administration Trump.
L’entreprise avait développé un modèle d’apprentissage automatique qui pouvait prédire la probabilité qu’un patient se retrouve dans un lit d’unité de soins intensifs.
À l’aide de 60 millions d’enregistrements du HHS, Cogitativo a créé des scores de risque qui signalaient les personnes qui pourraient être particulièrement exposées aux effets du COVID-19.
Maintenant, a expliqué le PDG Gary Velasquez, l’entreprise a été chargée d’un nouveau projet : Travailler avec la Veterans Health Administration pour identifier les bénéficiaires qui ont différé les soins pendant le COVID-19.
À ce stade, a déclaré Velasquez dans une interview avec Nouvelles de l’informatique de la santé“Tu t’inquiètes pour les vétérans que tu n’as pas vus.”
Au début de janvier de cette année, l’équipe de Cogitativo a eu accès aux données des patients pour aider à identifier 12 conditions cliniques qui peuvent être exacerbées par des retards dans les services.
En quelques semaines, dit Velasquez, l’équipe avait développé un algorithme pour trois: diabète, maladie rénale chronique et artériosclérose. Ce modèle est actuellement en phase de validation ; Velasquez dit que Cogitativo vise à déployer des modèles pour environ trois conditions par trimestre.
“Ce que nous évaluons se situe au niveau des bénéficiaires individuels”, a-t-il déclaré, afin de “classer la probabilité d’un événement clinique aigu ou d’une progression de la maladie au cours des 12 prochains mois”.
Velasquez note que de nombreuses personnes dans le secteur de la santé utilisent l’expression « demande » pour signifier des pressions sur les ressources médicales.
Au lieu de cela, dit-il, “nous devons penser aux besoins”.
Comme pour toute intelligence artificielle, il existe une possibilité de biais dans les algorithmes de Cogitativo.
“Chaque ensemble de données est biaisé”, déclare Velasquez.
Par exemple, note-t-il, l’ensemble de données utilisé par Cogitativo n’est actuellement pas représentatif des populations des Dakotas ou du Wyoming – bien qu’il affirme que s’il passe des contrats avec des clients basés là-bas, il élargira sa base d’informations.
Cependant, il est assez robuste : l’équipe utilise des milliers d’articles de recherche évalués par des pairs en plus d’un ensemble de données de formation de 200 millions de réclamations et de 100 millions de dossiers de santé électroniques, en plus des données psychographiques et des déterminants sociaux des données de santé.
“Ce que j’essaie de faire pour réduire les biais, c’est d’obtenir un ensemble de données aussi volumineux que possible pour la population d’intérêt”, a-t-il déclaré.
Il a souligné l’importance de “faire voir l’invisible, entendre l’inouï”.
“Les soins de santé ont des milliards de signaux bruyants”, a-t-il déclaré. “La façon dont nous pouvons repérer les signaux dans ce bruit est fondamentale.”
Pour lui, il s’agit d’informations exploitables : “Si nous pouvons identifier les inégalités dans les soins de santé, les parties prenantes aux niveaux fédéral, étatique et commercial peuvent agir en fonction de nos idées.”
Il note, par exemple, que la lutte contre ces inégalités nécessite une approche à plusieurs volets.
“Le monde n’était pas parfait avant COVID”, a-t-il déclaré. “Notre mission est d’essayer de déplacer l’aiguille, un patient à la fois.”
Kat Jercich est rédactrice en chef de Healthcare IT News.
Twitter: @kjercich
Courriel : [email protected]
Healthcare IT News est une publication HIMSS Media.
