Home Tags Posts tagged with "BLOGUE INVITÉ"
Tag:

BLOGUE INVITÉ

Santé

Vitrine immersive de l’écosystème #HealthTech dans “Le Pavillon du Futur” lors de CAHOTECH 2019 par Manick Rajendran, @manicknj

by Sophie Martin
written by Sophie Martin

Plus de 125 professionnels de la santé et de la technologie se sont mobilisés pour préparer CAHOTech 2019, un événement immersif qui se tiendra le 28 septembre à Chennai et qui vise à présenter les dernières innovations en matière de healthtech aux investisseurs, aux hôpitaux et aux experts médicaux.

L’événement, organisé par le consortium d’organismes de santé accrédités CAHO, se distingue par son approche novatrice : au lieu de simples présentations, les entreprises exposantes proposeront des « mises en situation » permettant aux participants de découvrir concrètement comment leurs solutions s’intègrent dans le parcours de soins.

CAHOTech 2019 mettra en avant une quarantaine d’entreprises, en se concentrant sur quatre thèmes clés : l’expérience client, la prestation de soins, l’excellence opérationnelle et la qualité. L’événement abordera également des solutions innovantes pour répondre à des défis de santé publique en Inde.

Selon Sameer Mehta, président organisateur de CAHOTech, « Nous espérons que beaucoup d’entre vous sont ravis de participer au tout premier programme d’immersion en santé en Inde. Ce sera un merveilleux programme – plus vous y contribuerez, plus vous en bénéficierez. Vos clients et investisseurs potentiels devraient en faire l’expérience chez CAHOTech… »

L’organisation de cet événement ambitieux a nécessité un investissement considérable en temps et en énergie. Des équipes dédiées, composées de « piliers » (Dr Pramod Jacob, Abhishek Chaudhary, Bharat Gera, Dr Thanga Prabhu et Sundar Gaur, Dr Ravi Modali) et de mentors (Aniruddha Nene, Dr Suman Bhushan Bhattacharya, Satyam Kumar, Manish Sharma, Dr Rakesh Biswas), ont travaillé d’arrache-pied pour créer des contenus originaux et assurer la bonne préparation de l’événement.

Plusieurs partenaires ont également joué un rôle essentiel, notamment Folofé, Hélyxon, ALLOVEDIC HEALTHCARE LLP, Logiciel Shrishti, Zbliss Technologies, Cardiométrie Audicor, dWisedix, Doxper, Santé Médicale, images raster Private Limited, ouiAI, Infovietech, SantéSensei, La vie iMMi, SHIVAM MEDISOFT SERVICES PVT LTD, Kriyatech, KraniumSanté, soins aux concerts, Vitor Santé, ViDoc.

CAHOTech s’inscrit dans la continuité d’une série d’événements visant à promouvoir l’innovation en matière de healthtech en Inde, notamment un Testathon organisé chez Philips à Bangalore en 2012, un Connect-A-thon à St. John’s, Bangalore en 2016, et une vitrine sur l’interopérabilité lors de la conférence Medicall à Chennai en 2017.

En plus de la vitrine principale, CAHOTech 2019 proposera un PitchFest le 27 septembre, avec des bourses pouvant atteindre 20 millions de roupies (environ 237 000 €).

Les entreprises intéressées à participer peuvent s’inscrire via le formulaire d’inscription. Des informations complémentaires sont disponibles en contactant [email protected].

0 comments
0 FacebookTwitterPinterestEmail
Santé

L’Initiative nationale de collaboration pour l’interopérabilité Par Aniruddha Nene, NCII

by Sophie Martin
written by Sophie Martin

L’informatique de santé en Inde est à l’aube d’une transformation majeure, portée par une implication croissante de l’État, qui entend désormais jouer un rôle actif de régulateur et de financeur. Cette évolution ouvre la voie à une collaboration inédite pour moderniser un secteur longtemps fragmenté.

Le paysage indien de la santé numérique, caractérisé par une multitude d’acteurs et un manque de réglementation, souffre d’un déficit crucial : l’interopérabilité. Les fournisseurs de solutions informatiques de santé peinent à relever le défi technique et financier de connecter les différents systèmes. Si la création d’une couche d’interopérabilité ou le développement d’un nouveau système sont théoriquement possibles, la réalité est plus complexe. Les hôpitaux privés, souvent limités par des budgets informatiques restreints, et le secteur public, confronté à des contraintes budgétaires sévères, peinent à investir dans ces infrastructures.

Conséquence directe : l’interopérabilité reste un sujet de débat théorique, souvent déconnecté des réalités de terrain. Chaque acteur, conscient des difficultés de mise en œuvre, tend à privilégier ses propres intérêts jusqu’à ce que l’interopérabilité devienne une condition indispensable à la rentabilité.

Face à cette situation, un groupe d’experts et de développeurs indiens a décidé de lancer une initiative collaborative, le NCII (National Core Interoperability Initiative), pour accélérer l’interopérabilité des systèmes de santé. Ils ont constaté une forte volonté au sein de la communauté informatique de résoudre ce problème, mais cette volonté se heurte souvent à un manque de priorité au sein des organisations. Certains développeurs, ayant acquis une expertise à l’étranger, se sont également proposés de contribuer bénévolement, mais manquent de connaissance de l’écosystème indien. L’initiative NCII s’inspire du modèle de développement collaboratif de Linux, où une communauté de bénévoles a réussi à créer un système d’exploitation performant.

Le NCII s’appuie sur l’évolution des normes en matière de santé numérique en Inde. Les normes DSE (2016), le PSN 2017 (qui met en avant le rôle de la technologie dans l’amélioration des initiatives gouvernementales), le programme Ayushman Bharat (2018) et le National Digital Health Blueprint (2019) ont créé un contexte favorable à la numérisation des soins de santé. Ce dernier document, en particulier, souligne l’importance des API (interfaces de programmation d’applications) pour le partage d’informations sur les patients.

Le NCII se définit comme : une initiative collaborative pour l’interopérabilité de l’informatique de santé indienne, axée sur la mise en œuvre, communautaire et ouverte à la participation du secteur privé, des particuliers, des partenaires industriels et des organismes gouvernementaux. L’objectif est de créer un écosystème où les données de santé des patients circulent librement, en toute sécurité, et sont accessibles aux patients eux-mêmes.

Le NCII ne se veut pas un organisme de normalisation, une entité juridique ou une activité commerciale. Son succès repose sur la réutilisation des travaux existants, la priorisation des tâches et la compilation efficace des solutions testées par la communauté.

L’initiative prévoit de collaborer avec différents acteurs de l’écosystème, notamment les hôpitaux, les assureurs et les organismes gouvernementaux, pour identifier des cas d’utilisation concrets et développer des guides de mise en œuvre. Des “connectathons” sont également prévus pour tester l’interopérabilité des systèmes.

Aujourd’hui, de plus en plus de patients indiens utilisent des applications pour prendre rendez-vous, consulter un médecin en ligne, commander des médicaments ou des analyses de laboratoire. Cependant, ces applications ne sont pas encore capables de partager les informations des patients entre elles. Le NCII vise à combler cette lacune et à permettre aux patients de mieux contrôler leurs données de santé.

Pour contribuer au NCII, il est possible de participer en tant que bénévole, représentant d’entreprise ou partenaire industriel. L’initiative encourage l’intégration de la philosophie de “conception pour l’interopérabilité” dans les applications et les systèmes de santé.

Contact :

Site web : https://www.linkedin.com/company/ncii-core/

Contact : [email protected]

Formulaire Google : https://forms.gle/bZSL21hDQmGUjsSc9

0 comments
0 FacebookTwitterPinterestEmail
Santé

Mises en garde concernant la #DigitalHealth par Bharat Gera, @bgera

by Sophie Martin
written by Sophie Martin

L’engouement pour l’intelligence artificielle dans le secteur de la santé est palpable, mais les réalités de sa mise en œuvre s’avèrent bien plus complexes que les promesses d’une révolution technologique. Un expert du secteur met en garde contre trois écueils majeurs qui pourraient compromettre le succès de la transformation numérique des soins.

L’IA suscite de grands espoirs, notamment en matière de diagnostic précoce et de lutte contre le cancer. Cependant, selon Bharat Gera, ancien directeur des systèmes d’information (DSI) d’un hôpital universitaire et conseiller auprès de jeunes entreprises spécialisées dans la santé numérique, il est crucial de ne pas céder à l’illusion d’une solution miracle.

« La plus grande opportunité offerte par l’IA n’est pas de réduire les erreurs ou la charge de travail, ni même de guérir le cancer : c’est l’opportunité de restaurer la connexion et la confiance précieuses et séculaires – le contact humain – entre les patients et les médecins », souligne Eric Topol dans son ouvrage Deep Medicine.

Un obstacle de taille : les systèmes existants

L’un des premiers défis à relever est l’intégration de ces nouvelles technologies avec les systèmes informatiques existants, souvent obsolètes. La plupart des infrastructures hospitalières datent d’au moins 10 à 15 ans et manquent de standards d’interopérabilité. L’absence d’interfaces de programmation (API) standardisées et l’utilisation de formulaires textuels archaïques compliquent considérablement le processus d’intégration.

Remplacer ces systèmes est une tâche ardue, car ils sont au cœur du fonctionnement des hôpitaux. Les opérations hospitalières, qui combinent des aspects commerciaux et de service, présentent des spécificités qui les distinguent d’autres secteurs. De nombreux projets de santé numérique échouent d’ailleurs dès cette première étape, faute d’une intégration réussie.

Les principaux hôpitaux sont conscients de cette contrainte et collaborent avec des entreprises technologiques pour développer des plateformes facilitant l’intégration avec les systèmes existants. Cependant, l’interopérabilité totale reste un objectif lointain.

Éviter une augmentation des coûts

Un autre point de vigilance concerne le coût de ces nouvelles technologies. Les dépenses de santé aux États-Unis représentent déjà près d’un tiers du total, soit 18 % du produit intérieur brut (PIB). Les hôpitaux ne peuvent pas se permettre une augmentation supplémentaire des coûts, même si l’IA offre des performances comparables à celles des médecins.

Les promesses de gains de temps ou d’augmentation de la productivité ne se concrétisent pas toujours. Les entreprises de santé numérique auront plus de succès en proposant des alternatives moins coûteuses aux technologies existantes ou en développant de nouvelles méthodes de traitement permettant de réduire les dépenses. Avant de présenter une solution, il est essentiel de démontrer sa rentabilité et sa capacité à réduire les coûts pour le client.

L’humain au cœur des soins

Enfin, il est crucial de ne pas réduire le patient à un simple ensemble de données. L’empathie et la relation humaine restent fondamentales dans les soins de santé. Si la technologie numérique génère des quantités massives de données – issues de l’imagerie médicale, des capteurs connectés (comme les bracelets Fitbit et les montres intelligentes) – ces informations ne suffisent pas à elles seules à améliorer la prise en charge des patients.

L’abondance de données peut même submerger les patients et les soignants, sans pour autant conduire à des décisions cliniques plus éclairées. L’analyse de données par l’IA ne remplacera pas l’expertise d’un pathologiste, et l’ajout de moniteurs supplémentaires ne saurait remplacer le contact humain et le réconfort d’un câlin.

Il est donc préférable de se concentrer sur la résolution de problèmes spécifiques en utilisant les données pertinentes, collectées de manière non intrusive, et de toujours privilégier l’humain dans les soins de santé. L’algorithme ne doit pas être considéré comme une fin en soi, mais comme un outil au service du patient.

0 comments
0 FacebookTwitterPinterestEmail
Santé

Intelligence artificielle explicable dans les soins de santé par Dr Johnson Thomas, MD, FACE, @JohnsonThomasMD

by Sophie Martin
written by Sophie Martin

L’intelligence artificielle (IA) pourrait-elle un jour remplacer le jugement d’un chirurgien ? Une question éthique et pratique, ravivée par un débat sur les réseaux sociaux, met en lumière la nécessité d’une IA « explicable » dans le domaine de la santé, capable de justifier ses décisions.

La discussion a été relancée par Geoffrey Hinton, figure emblématique de l’IA, qui a posé une question provocatrice sur Twitter : face à un cancer, choisirait-on un chirurgien IA performant mais opaque (avec un taux de guérison de 90 %) ou un chirurgien humain moins efficace (80 %) ? « Voudriez-vous que ce chirurgien IA soit interdit ? » a-t-il demandé, ouvrant une vive controverse.

Si l’efficacité d’un algorithme est indéniable, certains estiment qu’il est impératif de comprendre son raisonnement, notamment dans un contexte aussi sensible que la santé. L’explicabilité de l’IA est un défi majeur. Dans les modèles simples, comme les régressions linéaires, il est possible d’analyser l’importance de chaque variable. Pour l’interprétation des images médicales, des outils comme Eli5, LIME et SHAP peuvent être utilisés, mais ils augmentent la complexité des calculs et nécessitent davantage de ressources.

Une équipe de chercheurs a exploré une approche combinant précision et transparence, en se concentrant sur le diagnostic des nodules thyroïdiens. Plus de 50 % des personnes de plus de 50 ans présentent ces nodules, dont seulement 5 à 10 % sont cancéreux. Actuellement, le diagnostic définitif repose sur des procédures invasives comme la biopsie.

Pour réduire le nombre de biopsies inutiles, les chercheurs ont développé un modèle d’IA (AIBx) capable d’aider les médecins à identifier les nodules les plus susceptibles d’être cancéreux. Une étude publiée dans la revue Thyroid Journal a démontré que l’utilisation de ce modèle permettait de réduire de plus de 50 % le nombre de biopsies superflues. La valeur prédictive négative de l’AIBx, c’est-à-dire la probabilité qu’un nodule prédit comme bénin le soit réellement, atteint 93,2 %.

AIBx fonctionne en comparant l’image du nodule à une base de données d’images similaires, affichant les diagnostics correspondants pour aider le médecin à prendre une décision éclairée. Le modèle ne remplace pas le médecin, mais l’assiste dans son diagnostic. Chaque étape du processus nécessite l’intervention du professionnel de santé, ce qui justifie l’appellation « Physician in Loop » (PIL).

La dernière version d’AIBx affiche également des cartes thermiques superposées à l’image, mettant en évidence les zones qui ont influencé la prédiction. En combinant l’analyse de similarité d’images et les cartes thermiques (cartes d’activation de classe), le modèle devient plus explicable et renforce la confiance du médecin dans ses résultats.

« L’utilisation d’un modèle d’IA explicable contribue à accroître la confiance dans les prédictions », conclut l’équipe. Tout comme un patient se fie à la confiance qu’il a dans son chirurgien, les algorithmes d’IA qui inspirent confiance seront privilégiés par rapport aux « boîtes noires ».

Pour en savoir plus sur ces recherches, consultez le site https://www.thyroïdebx.com/. L’article scientifique complet est disponible sur https://www.liebertpub.com/doi/abs/10.1089/thy.2019.0752.

0 comments
0 FacebookTwitterPinterestEmail
Santé

Analyse des données de santé et systèmes de terminologie clinique comme SNOMED CT par le professeur Supten Sarbadhikari, @supten

by Sophie Martin
written by Sophie Martin

L’exploitation des données de santé, longtemps limitée par leur volume et leur structure, entre dans une nouvelle ère grâce à l’évolution des technologies et à l’émergence de nouveaux types d’informations, notamment génomiques et issues de l’internet des objets médicaux (IoMT). Une analyse rigoureuse de ces données, couplée à l’adoption de terminologies standardisées comme SNOMED CT, s’avère essentielle pour améliorer les soins aux patients, optimiser les ressources et faire progresser la recherche médicale.

Si les dossiers médicaux électroniques (DME) collectent déjà une quantité importante de données, seule une fraction de ces informations est réellement pertinente pour la pratique clinique et l’analyse. L’enjeu réside donc dans la capacité à extraire et à interpréter les données significatives, un processus qui nécessite une expertise en gestion de l’information sur la santé (GIM), et plus particulièrement en codage.

Les professionnels de la GIM jouent un rôle crucial dans cette démarche. Ils doivent non seulement maîtriser les aspects techniques de l’interprétation et de la synthèse des données, mais aussi comprendre leur importance pour l’évaluation de la qualité des soins, la gestion des maladies et l’établissement de bonnes pratiques. L’analyse des données de codage, par exemple, permet de surveiller les performances des équipes, de justifier les investissements en formation continue et d’améliorer la productivité et la précision du codage.

Plusieurs facteurs influencent la productivité du codage, notamment le type de DME utilisé, le nombre de systèmes consultés, les initiatives d’amélioration de la documentation clinique, les délais de réponse aux requêtes des médecins et la charge de travail non liée au codage. Il est impératif de ne jamais compromettre la précision au profit de la productivité, car cela peut entraîner des rejets de remboursement et des contrôles plus stricts. Un équilibre judicieux entre les deux est donc essentiel.

L’évolution des classifications médicales témoigne de la complexité croissante des données de santé. La 11e révision de la Classification statistique internationale des maladies (CIM-11) de l’Organisation mondiale de la santé (OMS) compte désormais 55 000 codes, contre 14 400 pour la CIM-10. Parallèlement, SNOMED CT, une terminologie clinique standardisée, propose plus de 311 000 concepts cliniques, incluant des informations détaillées sur les sites anatomiques, les diagnostics et les procédures.

« SNOMED CT est une terminologie cliniquement validée, sémantiquement riche et contrôlée, conçue pour permettre une représentation efficace des informations cliniques », explique SNOMED International. Elle facilite la capture, la récupération et la réutilisation des données, et offre de nombreux avantages pour l’analyse, notamment l’amélioration des soins aux patients, le soutien à la prise de décision clinique et l’optimisation des ressources.

Les tâches d’analyse peuvent être classées en trois catégories principales : l’analyse au point d’intervention (résumés historiques, aide à la décision), l’analyse basée sur la population (surveillance épidémiologique, recherche sur les maladies) et la recherche clinique (identification de candidats aux essais cliniques, médecine prédictive). Pour tirer pleinement parti de SNOMED CT, il est essentiel de combiner les requêtes basées sur les dossiers patients et les requêtes basées sur la terminologie, en utilisant des outils de visualisation et d’analyse de données performants.

Les entreprises de facturation et de codage qui ont adopté des outils d’analyse prédictive ont constaté un retour sur investissement significatif. Les professionnels de la GIM doivent donc encourager l’adoption de systèmes compatibles SNOMED CT afin d’obtenir des résultats plus précis et mieux informés.

0 comments
0 FacebookTwitterPinterestEmail
Newer Posts
Older Posts