SekkatNajib

  • Contexte et chiffres clés de la santé numérique en Argentine

     Un système basé sur une structure tripartite

    Le système de santé est organisé en 3 sous-systèmes distincts : le secteur public, le secteur privé et le système de sécurité social.

    Le secteur public offre des services de santé gratuits à tous les résidents indépendamment de leur situation économique ou sociale. Ce système financé par l’État comprend un réseau d’hôpitaux et de cliniques répartis sur l’ensemble du territoire national. Cependant, il est confronté à des défis tels que des disparités géographiques dans l’infrastructure et une surcharge des établissements de santé notamment dans les zones urbaines.

    Le secteur privé est composé d’établissements de santé et de professionnels offrant des services médicaux aux patients disposant d’une assurance privée ou capables de payer directement les soins. Environ 10% de la population argentine utilise exclusivement des services privés attirés principalement par des temps d’attente réduits et un accès à des technologies avancées.

    Le système de sécurité sociale connu sous le nom d’Obras Sociales est financé par des contributions obligatoires des employeurs et des employés. Il fournit une couverture médicale aux travailleurs formels (c’est-à-dire avec un contrat de travail) et à leurs familles représentant environ 50% de la population. Les Obras Sociales sont gérées par des syndicats et offrent une gamme de services de santé mais la qualité et l’étendue de la couverture peuvent varier en fonction de la taille et des ressources du syndicat concerné. En Argentine, une part importante de la population active travaille encore de manière informelle ce qui limite leur accès aux soins de santé via le système de sécurité sociale.

    Chiffres clés @ H&TI

    Un financement mixte issu de sources publiques et privées

    Le financement du système de santé provient de diverses sources reflétant sa structure tripartite. Le secteur public est principalement financé par les impôts collectés aux niveaux national et provincial. Les Obras Sociales sont alimentées par des contributions obligatoires des employeurs et des employés tandis que le secteur privé dépend des primes d’assurance payées par les individus et des paiements directs pour les soins ou services rendus. Cette diversité de sources de financement vise à assurer une couverture de santé étendue mais elle peut également entraîner des inégalités dans l’accès et la qualité des soins en fonction des ressources disponibles dans chaque sous-système.

    3174 hôpitaux, cliniques et sanatoriums à travers le territoire

    L’Argentine compte près de 3174 hôpitaux, cliniques et sanatoriums répartis entre le secteur public et privé. Environ 55% (soit 1740) sont privés tandis que 45% (1434) sont publics. Parmi les hôpitaux privés, 96% (1670 établissements) ne possèdent pas leur propre assurance santé ce qui signifie qu’ils dépendent des paiements directs des patients et des remboursements des assurances prépayées.

    Les principales entreprises de santé privées comme Swiss Medical, OSDE, Medicus, Galeno et Omint financent une partie des hôpitaux privés. Certaines cliniques sont directement intégrées à ces groupes ce qui permet d’offrir directement des services exclusifs aux assurés. Cependant, les hausses de prix dans le secteur privé de la santé et les difficultés de financement des hôpitaux privés créent une instabilité économique importante menaçant la viabilité de nombreuses cliniques.

    D’autre part, le système hospitalier public est confronté à un sous-financement. Le PAMI, la plus grande Obra social du pays couvrant les retraités peine à augmenter les remboursements aux hôpitaux partenaires mettant ainsi en péril plusieurs établissement. Actuellement, près de 30 cliniques privées sont menacées de fermeture en raison de problèmes financiers liés à la réduction des subventions et des déductions fiscales.

    Une volonté d’interconnecter les 3 sous-systèmes

    L’Argentine a mis en place la Red Nacional de Salud Digital pour assurer l’interopérabilité des systèmes de santé entre les secteurs public, privé et de la sécurité sociale. Ce réseau permet aux établissements de partager des informations médicales via un système de nœuds interconnectés tout en garantissant la confidentialité des données. La Red Nacional de Salud Digital fonctionne à travers des nœuds indépendants qui représentent les systèmes d’information en santé au niveau provincial, municipal et hospitalier. Chaque nœud possède ses propres bases de données sur les patients et peut se connecter aux autres pour partager des informations médicales. Grâce à cette interconnexion, lorsqu’un médecin enregistre des informations médicales dans un hôpital ou une clinique, elles deviennent accessibles à d’autres professionnels de santé du réseau en cas de besoin. Cela permet une continuité des soins, notamment en cas de transfert de patient entre établissements ou régions. L’Argentine encourage actuellement l’adhésion des établissements privés à ce système et organise régulièrement des rencontres pour favoriser l’adoption des standards d’interopérabilité.

  • GAFAM et Nvidia : les stratégies des géants de la tech et leurs cas d’usage en santé numérique

    Avec un marché mondial de la santé numérique évalué à plus de 250 milliards USD, les GAFAM ciblent des domaines variés : prévention, médecine personnalisée, télésanté et recherche clinique. En 2023, leurs investissements représentaient un tiers des financements dans ce secteur ce qui met en avant des stratégies axées sur l’interopérabilité, la collecte de données et une vision à long terme. Grâce à leurs innovations, les GAFAM transforment la manière dont les soins sont délivrés, analysés et coordonnés. En mettant l’accent sur des gains concrets tels que la réduction des erreurs médicales, l’augmentation de la précision des diagnostics et une gestion plus efficace des flux hospitaliers, ces entreprises redéfinissent le paysage de la santé numérique.

    📌 Comment les GAFAM redéfinissent l’écosystème médical ?

    La stratégie de ces géants de la tech repose sur trois piliers : la collecte et l’exploitation des données, l’intégration verticale via des acquisitions stratégiques, et une vision à long terme intégrant la médecine personnalisée et les soins connectés. Les GAFAM ambitionnent de créer un écosystème de santé intégré pour résoudre les grands défis du secteur : vieillissement de la population, inégalités d’accès aux soins, et soutenabilité des systèmes de santé.

    👉 H&TI dresse un aperçu détaillé de différents aspects de leurs stratégies dans un article à retrouver ici.

    Chiffre clé : En 2022, Amazon a investi 3,9 milliards USD pour acquérir One Medical et intégrer soins primaires et télémédecine.

    📌Nvidia : des cartes graphiques à la santé numérique

    Deuxième entreprise mondiale en termes de capitalisation boursière, Nvidia consacre une part significative de ses capacités de calcul aux sciences de la vie, avec des applications révolutionnaires dans l’imagerie médicale, la génomique et la découverte de médicaments. Grâce à des programmes innovants tels que MONAI et Clara™, Nvidia transforme la recherche clinique et facilite l’implémentation de solutions d’IA dans les hôpitaux et laboratoires du monde entier. Nvidia favorise aussi la collaboration à travers des initiatives open-source et en soutenant les startups grâce à son programme Inception.

    👉Découvrez dans cet article comment Nvidia s’appuie sur trois piliers stratégiques – MONAI, Clara™ et Inception – pour remodeler le paysage de la santé numérique et accompagner des acteurs clés du secteur.

    Chiffre clé : 1/4 des startups accompagnées par Nvidia Inception évolue dans le domaine de la santé, témoignant de l’importance stratégique de ce secteur.

    📌Panorama des solutions en santé numérique des GAFAM

    Avec 24 solutions numériques identifiées, les GAFAM couvrent plusieurs domaines : notamment les plateformes de données (11), les solutions IA (7), les dispositifs connectés (4), et la réalité augmentée (2). En collaborant avec des institutions de santé, des laboratoires pharmaceutiques et des startups innovantes, ils accélèrent l’adoption de leurs outils dans le domaine médical et contribuent à une médecine plus connectée et personnalisée.

    👉 Cet article explore comment chaque acteur apporte sa contribution unique à la santé numérique que cela soit avec les objets connectés comme l’Apple Watch jusqu’à des solutions d’IA dédiées à la recherche clinique et à la prévention des maladies.

    Chiffre clé : Les solutions de Google ont permis plus de 3 000 publications scientifiques grâce à leurs outils IA.

    📌Cas d’usage de l’IA en France

    En France, 6 cas d’usage de l’IA par Microsoft, Google et Amazon ont été recensés. Leurs solutions répondent à des problématiques telles que la surcharge administrative, les diagnostics complexes, la gestion des ressources hospitalières et les délais dans la recherche biomédicale. Grâce à l’IA, ces géants de la tech offrent des outils qui améliorent significativement l’efficacité des soins et l’expérience des professionnels de santé. Les indicateurs de performance démontrent des résultats tangibles : réduction des délais de diagnostic, meilleure gestion des ressources, et précision accrue dans les traitements.

    👉 Cet article explore en détail les cas d’usages et leur impact concret ici.

    Chiffres clés : 2 heures de temps gagnées par jour pour les médecins grâce à AWS HealthScribe.

    Chiffres clés de l’étude GAFAM & Nvidia @ H&TI

  • Panorama des 6 cas d’usages des GAFAM en France

    En répondant à des problématiques majeures : surcharge administrative, diagnostics complexes, gestion des ressources – les solutions des géants de la Tech apportent des gains mesurables pour les hôpitaux, les professionnels de santé et les patients.

    Les indicateurs de performance montrent des améliorations tangibles :

    • réduction des délais de diagnostic ;
    • précision accrue ;
    • meilleure gestion des ressources ;
    • et satisfaction des utilisateurs.

    Au-delà des bénéfices opérationnels, l’impact clinique est significatif : détection précoce des maladies, optimisation des thérapies, et une avancée accélérée dans la recherche biomédicale.

    Google : de la structure des protéines aux diagnostics cliniques

    Prédiction des structures protéiques pour la biologie structurelle

    La recherche sur les structures protéiques a longtemps constitué un défi majeur en biologie, nécessitant des années de travail expérimental pour modéliser une seule protéine. DeepMind, filiale de Google, grâce à la solution AlphaFold permet de modéliser des protéines embarquant une intelligence artificielle (IA) capable de prédire la structure tridimensionnelle des protéines avec une précision inégalée.

    Cette innovation accélère la recherche biomédicale en permettant aux laboratoires de réduire drastiquement le temps et les coûts nécessaires à la conception de nouveaux traitements. Les chercheurs peuvent désormais identifier des cibles thérapeutiques plus rapidement, accélérant ainsi la mise au point de médicaments. Grâce à AlphaFold, la durée moyenne pour modéliser une protéine est passée de plusieurs mois à quelques jours, une avancée qui a déjà montré son potentiel dans le développement de traitements contre des maladies complexes.

    Aide au dépistage du cancer du sein

    Le cancer du sein nécessite une détection précoce pour maximiser les chances de survie cependant, les délais et les erreurs dans l’interprétation des mammographies freinent souvent le diagnostic. Google Health répond à cette problématique en développant des algorithmes d’IA capables d’analyser des images radiologiques avec une précision équivalente à celle des radiologues.

    Ces outils apportent un soutien précieux aux radiologues en automatisant les analyses de mammographies, réduisant ainsi la charge de travail et les risques d’erreurs humaines. Pour les patients, cela se traduit par des diagnostics plus rapides et plus fiables avec une réduction significative des faux négatifs. Grâce à l’IA, les délais de diagnostic peuvent diminuer jusqu’à 30 % ce qui offre la possibilité de débuter des traitements plus tôt.

    Amazon : automatiser et centraliser les soins

    Réduction de 50% le temps consacré aux tâches administratives

    Partant du constat que les médecins consacrent une part importante de leur temps à des tâches administratives, Amazon a lancé AWS HealthScribe, une solution qui utilise le traitement du langage naturel pour générer automatiquement des notes cliniques à partir des conversations entre médecins et patients.

    Grâce à cette technologie, les médecins peuvent se concentrer sur les soins plutôt que sur la documentation. L’automatisation des notes médicales permet de réduire de 50 % le temps consacré aux tâches administratives, libérant ainsi jusqu’à deux heures par jour pour des consultations supplémentaires. Cela se traduit également par des dossiers médicaux plus précis et standardisés, réduisant les risques d’erreurs et optimisant la qualité des soins.

    Réduction de 40% des délais pour accéder aux données

    La gestion des données médicales est souvent fragmentée ce qui complique la coordination des soins et ralentit les recherches cliniques. AWS HealthLake résout ce problème en centralisant toutes les données de santé, qu’elles soient structurées ou non, dans un entrepôt numérique sécurisé.

    Cette solution offre aux chercheurs et aux établissements de santé une vue d’ensemble des informations des patients, permettant des analyses avancées en temps réel. Les délais pour accéder aux données critiques sont réduits de 40 % et les décisions médicales peuvent être prises de manière plus éclairée. Pour les patients, cela signifie des traitements mieux coordonnés et adaptés à leurs besoins spécifiques tout en facilitant les avancées en recherche médicale.

    Réduction de 30% des délais d’analyses des images

    Amazon SageMaker offre une solution en permettant de développer et d’entraîner des modèles de machine learning capables d’automatiser l’interprétation des images médicales. En réduisant les délais d’analyse de 30 % et en augmentant la précision des diagnostics, cette solution améliore directement la prise en charge des patients. Les radiologues peuvent se concentrer sur des cas complexes tandis que les tâches répétitives sont déléguées aux algorithmes d’IA. Cela se traduit par une identification plus rapide des pathologies, favorisant des interventions précoces et efficaces.

    Microsoft : automatisation des tâches non médicales et aide à la planification des soins

    20% d’amélioration pour l’identification de cibles thérapeutiques

    L’abondance des publications scientifiques rend difficile l’extraction rapide d’informations utiles. Cette surcharge d’information ralentit la recherche et retarde le développement de nouveaux traitements. Pour répondre à ce défi, Microsoft a conçu BioGPT, une IA générative spécialement entraînée sur des données biomédicales.

    BioGPT permet aux chercheurs d’extraire rapidement des relations complexes entre gènes, maladies et médicaments à partir de publications scientifiques. Grâce à cette solution, le temps nécessaire pour effectuer des analyses approfondies est réduit de 30 % tandis que la précision dans l’identification des cibles thérapeutiques est améliorée de 20 %.

    Un gain de 2h par jour pour les médecins

    Les médecins passent en moyenne plusieurs heures par jour à rédiger des dossiers médicaux ce qui limite leur disponibilité pour les patients. Dragon Medical One, développé par Microsoft en partenariat avec Nuance Communications propose une solution : la documentation médicale par reconnaissance vocale.

    Cette technologie permet aux professionnels de santé de dicter leurs observations directement dans les dossiers patients éliminant le besoin de saisir manuellement les données. Résultat : un gain de deux heures par jour pour les médecins leur permettant de se consacrer davantage à leurs consultations. Les dossiers médicaux deviennent plus précis et les erreurs liées à la saisie manuelle sont réduites.

    Une réduction de 25% des erreurs liées à la planification des ressources

    La gestion des ressources dans les établissements de santé est un défi constant avec des erreurs de planification pouvant entraîner des retards, des surcharges ou une sous-utilisation des capacités. Polypoint, développé en partenariat avec Microsoft, utilise des algorithmes d’IA pour prévoir et organiser la répartition des ressources humaines et matérielles.

    Grâce à cette solution, les hôpitaux peuvent mieux anticiper les besoins en lits, en personnel ou en équipements. Les erreurs de planification sont réduites de 25 %, et l’efficacité opérationnelle des services hospitaliers augmente de 15 %. Pour les patients, cela signifie des temps d’attente plus courts et des soins mieux coordonnés. Polypoint permet ainsi de transformer la gestion hospitalière, en offrant une meilleure expérience tant pour les patients que pour les professionnels de santé.

  • Entretien : « l’utilisation de l’IA améliore la survie des patients ayant des métastases d’origine inconnue » (Dr Sarah Watson, Institut Curie)

    Dr. Sarah Watson, oncologue médical à l’Institut Curie, est spécialisée dans la prise en charge des cancers rares. Elle partage son temps entre la clinique et la recherche, travaillant notamment sur l’intégration de l’intelligence artificielle (IA) en oncologie.

    Chaque année, 7 000 patients en France développent des métastases d’un cancer de primitif inconnu (CUPI). Ces cancers posent un défi majeur : sans connaître leur origine, il est difficile de définir un traitement efficace et approprié. Cela laisse ces patients dans une impasse thérapeutique. Pour répondre à cette problématique, l’Institut Curie a développé un outil basé sur l’IA. Cet outil utilise des données moléculaires pour identifier l’origine des cancers avec une précision inégalée jusqu’à présent. Utilisé à grande échelle notamment lors des réunions de concertations pluridisciplinaires (RCP) nationales, il est déjà d’une aide précieuse pour les cliniciens, apporte des solutions thérapeutiques personnalisées et améliore les perspectives de survie des patients. Cependant, des défis subsistent : améliorer l’accessibilité à ces outils, élargir les datasets et garantir leur adoption par les professionnels de santé. Comme le souligne Dr. Watson, l’IA ne remplacera pas les médecins mais elle devient un allié indispensable pour ceux qui l’intègrent dans leur pratique.

    Classification et identification de l’origine des CUP

    Comment a été conçu l’outil d’IA ?

    L’outil d’IA développé par l’Institut Curie se base sur une idée simple : chaque tumeur possède une « empreinte moléculaire » unique. En analysant les profils génétiques des métastases, il est possible de retrouver des indices sur leur origine. Pour cela, l’équipe du Dr Watson a constitué une base de données qui rassemble plus de 20 000 profils moléculaires de cancers. Ces données, normalisées et anonymisées, couvrent une large variété de types tumoraux. L’algorithme de deep learning a été entraîné sur ce dataset pour apprendre à reconnaître les signatures associées à plus de 200 cancers différents.

    Quels sont les résultats obtenus en clinique ?

    Lors des premiers tests, l’outil a été utilisé sur une cohorte de 50 patients présentant des métastases d’origine inconnue. L’IA a réussi à identifier l’origine probable du cancer dans 80 % des cas avec des scores de probabilité élevés. En termes pratiques, ce processus est rapide et compatible avec les délais cliniques : un séquençage ARN prend environ une semaine et les résultats peuvent ensuite être intégrés aux discussions lors des RCP.

    Depuis sa mise en œuvre en 2020, cet outil a transformé la prise en charge des cancers d’origine inconnue. Les patients diagnostiqués grâce à l’IA bénéficient de traitements plus ciblés ce qui se traduit par une augmentation significative de leur survie : jusqu’à 46 % d’amélioration dans certains cas.

    Quelles sont les limites de cet outil d’IA ?

    Premièrement, il nécessite des prélèvements tumoraux congelés pour effectuer le séquençage ARN. Or, dans de nombreux centres hospitaliers les échantillons sont conservés en paraffine rendant cette technologie inaccessible à certains patients.

    Deuxièmement, comme tout système d’IA, l’algorithme est tributaire de la qualité et de la diversité de son dataset. Si un type de cancer est absent des données d’entraînement alors l’outil ne pourra pas le reconnaître. Dr. Watson explique que l’équipe travaille actuellement sur une nouvelle version dont l’objectif est d’élargir le dataset, et à le rendre applicable à des échantillons conservés en paraffine. Ces améliorations permettront de rendre l’outil plus performant et plus inclusif au niveau national.

    Vers une oncologie plus précise grâce à l’intégration des données moléculaires

    Comment l’outil permet d’améliorer les décisions thérapeutiques ?

    Cet outil d’IA a comme principaux atouts sa précision et sa rapidité. Une fois que l’origine probable du cancer est identifiée, les oncologues peuvent adapter les traitements en conséquence. Cela inclut la sélection de chimiothérapies spécifiques ou l’intégration de thérapies ciblées en fonction des caractéristiques biologiques de la tumeur. En pratique, cet outil a été intégré à la RCP nationale dédiée aux CAPI. Dans ce cadre, le séquençage ARN est effectué sur les plateformes nationales SeqOIA et Auragen sur des échantillons congelés envoyés depuis différents centres hospitaliers à travers la France. Une fois le séquençage réalisé, les données sont passées dans l’algorithme d’IA pour proposer un diagnostic potentiel accompagné d’un score de probabilité. Les résultats sont intégrés aux autres caractéristiques de la maladie et le diagnostic final probable ainsi qu’une proposition thérapeutique sont rendus par les médecins experts dans le cadre de la RCP nationale.

    Quelles sont les perspectives pour améliorer cette IA ?

    Chaque nouveau cas enrichit la base de données afin d’affiner le modèle d’IA et d’améliorer ses performances. Par ailleurs, des projets complémentaires explorent d’autres possibilités : par exemple, prédire la réponse des patients à certains traitements en analysant leurs données cliniques et génomiques. Ces approches s’inscrivent dans une vision à long terme à l’Institut Curie : celle d’une oncologie entièrement personnalisée où chaque patient bénéficie d’un traitement optimisé.

    Quelles sont les autres applications de l’IA en oncologie à Curie ?

    Le Dr Watson explique qu’outre cet outil, l’Institut Curie utilise l’IA pour plusieurs autres applications. En radiothérapie, des algorithmes automatisent des tâches comme le contourage des tumeurs ce qui réduit la charge de travail des cliniciens et améliorant la précision des traitements. Dans l’analyse d’images médicales, l’IA détecte des lésions cancéreuses avec une excellente précision. Ces outils, bien qu’encore en phase de développement pour certaines applications ont un fort potentiel pour la pratique clinique.

     

  • Health&Tech Summit 2024 : comment choisir et implémenter des solutions d’IA ?

    Durant le Health & tech Summit 2024, il a été présenté lors d’une conférence comment l’IA peut offrir des opportunités pour améliorer les traitements, optimiser les coûts et répondre aux besoins des patients et des professionnels de santé. Le Pr. Ran Balicer, Chief Innovation Officer et Deputy Director General de la Clalit Health Services en Israël, a exposé comment l’un des plus grands systèmes de santé intégrés au monde a su intégrer l’IA pour améliorer la prise de décision clinique et personnaliser les soins à grande échelle. À la tête de l’Institut de recherche Clalit, il a supervisé des innovations permettant la gestion des maladies chroniques et le dépistage précoce. Dr Mette Maria Skjøth, Chief Administrative Officer de l’Odense University Hospital au Danemark, a présenté le modèle d’évaluation MAS-AI. Un cadre conçu pour guider les organisations de santé dans la sélection et l’intégration de l’IA. Avec son expérience dans la gestion organisationnelle et l’innovation, elle a mis en lumière les défis techniques, éthiques et culturels auxquels font face les hôpitaux dans leur transformation numérique.

    Les étapes pour choisir une solution d’IA

    Lors de cette session du Summit, Mette Maria Skjøth a partagé sa méthodologie pour évaluer et sélectionner des solutions d’IA : l’approche MAS-AI. L’approche MAS-AI (Model of Assessment for Artificial Intelligence) consiste à :

    • définir le problème et les objectifs : identifier clairement le problème auquel l’IA doit répondre ;
    • évaluer les données disponibles : la qualité des données étant primordial dans l’implémentation de l’IA, des problèmes tels que l’intégration, la préparation ou l’anonymisation des données peuvent entraver le développement des solutions ;
    • sélectionner les technologies adaptés : qui doit reposer sur des critères tels que leur capacité à s’intégrer dans les workflows existants, leur coût et leur facilité d’utilisation.

    Le MAS-AI vise à fournir un outil complet permettant aux décideurs d’identifier les solutions d’IA ayant une réelle valeur ajoutée tout en écartant celles aux effets limités ou inappropriés. Développé entre 2020 et 2022 au CHU d’Odense, ce modèle repose sur une méthodologie rigoureuse comprenant une revue des guides existants, des interviews avec des experts en IA, et des ateliers impliquant décideurs, cliniciens et représentants de patients.

    La structure du MAS-AI se divise en trois parties principales :

    L’évaluation initiale (Early MAS-AI) : ce premier niveau explore quatre aspects : le problème de santé ciblé, la technologie proposée, les enjeux éthiques, et les implications juridiques.

    L’évaluation complète (Full MAS-AI) : cette phase approfondit cinq dimensions supplémentaires : sécurité, impacts cliniques, viabilité économique, considérations organisationnelles et les aspects liés aux patients (satisfaction, expérience etc.).

    Les facteurs de processus : ces cinq éléments garantissent une évaluation continue, en tenant compte de la maturité de la technologie, de l’implication des parties prenantes, et de l’adaptation aux workflows existants.

    Le modèle MAS-AI a été utilisé dans divers contextes cliniques pour évaluer l’impact de l’IA. Parmi les applications notables figurent le dépistage de l’insuffisance cardiaque et de la rétinopathie diabétique (CAD), le dépistage du cancer du sein (MAGIC), les conditions neurologiques aiguës (fastMRI) et le traitement de l’arthrose du genou (AI-KOA). En dehors de l’imagerie médicale, il a également été appliqué en santé mentale, notamment pour la dépression (PERSONAE) et l’anxiété sociale (VR8), ainsi qu’en Italie pour l’organisation des blocs opératoires (BLOC-OP)

    Les défis organisationnels, culturels, techniques et éthiques

    Durant la session, il a été mis en avant que l’intégration de l’IA nécessite une transformation organisationnelle complète. Les hôpitaux doivent se doter d’un plan stratégique clair qui englobe la formation des équipes, la communication interne et la gestion du changement. Cela dans l’objectif d’intégrer efficacement les outils d’IA dans les processus existants.

    Les intervenants ont également souligné les défis techniques et éthiques auxquels ils sont confrontés :

    • la qualité et l’anonymisation des données ;
    • le risque d’erreurs et de biais des algorithmes, un exemple marquant est celui d’un algorithme défaillant dans la plateforme de santé danoise, qui a conduit à des interventions chirurgicales inutiles ;
    • surmonter le scepticisme des usagers.

    Durant les échanges avec l’audience, les intervenants ont identifiés des priorités pour maximiser l’impact de l’IA dans les organisations :

    • investir dans la formation continue afin de former les équipes médicales à l’utilisation de l’IA et la compréhension de ses limites ;
    • soutenir la recherche et l’iunnovation à travers des collaborations entre hôpitaux et entreprises ;
    • garantir l’équité d’accès afin que l’IA puisse bénéficier à tous indépendamment des différences géographiques ou socio-économiques.

  • Health&Tech Summit 2024 : construire une stratégie IA & Data dans les établissements de santé

    Masterclass 2 – AI&Data Strategy Model @ HTS 2024

    Construire une stratégie IA pour les besoins opérationnels

    La Cleveland Clinic avec plus de 5 000 médecins et chercheurs salariés, desservant des patients de 185 pays dans 22 hôpitaux et plus de 220 centres ambulatoires est un exemple mondial de mise en place d’innovation data & IA au cœur d’établissements de santé. En 2023, la clinique a introduit le premier système quantique IBM dédié à la santé, une initiative qui incarne sa vision de créer un écosystème d’innovation en santé. L’accès aux données et leur gestion sont au centre de ses activités en témoignent les plateformes avancées qui exploitent des millions de points de données pour optimiser les soins. Lors de la masterclass « AI & Data Strategy Model » à l’occasion du Health & Tech Summit 2024, il a été montré comment l’intelligence artificielle (IA) et les données sont au cœur des transformations dans le secteur de la santé offrant des opportunités uniques pour améliorer les soins, rationaliser les opérations et promouvoir l’innovation.

    Les interventions ont été menées par trois experts de la Cleveland Clinic :

    • Albert Marinez, Chief Analytics Officer, spécialiste en stratégies analytiques et opérationnelles ;
    • Dr Lara Jehi, Chief Research Information Officer, reconnue pour son leadership en recherche computationnelle et partenariats stratégiques ;
    • et Beth Meese, directrice exécutive des technologies de l’information, experte en mise en œuvre d’innovations technologiques et transformation digitale dans les systèmes de santé.

    Durant son intervention, Albert Marinez a mis en avant l’importance de développer une stratégie IA centrée sur les besoins opérationnels des hôpitaux. Il a expliqué que l’IA permet d’améliorer considérablement les processus en optimisant les admissions, les transferts et les sorties des patients. L’exemple du Virtual Command Center de la Cleveland Clinic illustre comment une telle stratégie peut harmoniser les données opérationnelles en temps réel pour soutenir des décisions proactives. Cette approche réduit à la fois les inefficacités mais également les coûts tout en garantissant des soins de qualité.
    Albert Marinez a également souligné l’importance d’investir dans la formation des équipes et d’établir des modèles de gouvernance efficaces pour assurer une adoption réussie des technologies d’IA. Une stratégie IA bien conçue repose sur une infrastructure robuste, un leadership clair et une collaboration active entre les différentes parties prenantes. Selon lui, l’avenir des systèmes de santé repose sur un équilibre subtil entre la technologie, les processus et la culture organisationnelle.

    Élaborer une vision globale de l’IA pour la recherche et l’innovation

    Dr Lara Jehi, Chief Research Information Officer à la Cleveland Clinic, a présenté sa vision pour intégrer l’IA dans la recherche et l’innovation. Elle a expliqué que les données doivent être gérées dans un esprit de collaboration et non de propriété. Des initiatives telles que la biobanque de la Cleveland Clinic favorisent cette transition en offrant une visibilité et une transparence sur les échantillons et les données longitudinales utilisés. Par exemple, cette biobanque a permis de réaliser des études sur des pathologies telles que l’insuffisance cardiaque et les cancers rares en exploitant des échantillons collectés sur plusieurs décennies. Ces travaux ont abouti à l’identification de biomarqueurs prédictifs qui ont contribuer à améliorer les diagnostics précoces et les stratégies de traitement personnalisé. Par exemple, le projet de transcriptomique à cellule unique a permis d’identifier de nouvelles voies moléculaires pour le traitement des maladies chroniques. Cela illustre le potentiel des données longitudinales pour guider des décisions cliniques précises.

    Dr Jehi a également mis en évidence le potentiel des modèles génératifs, qui permettent d’extraire des informations précises à partir de vastes ensembles de données. Ces modèles, combinés à des partenariats stratégiques avec des acteurs comme IBM Quantum renforcent la capacité de l’organisation à exploiter les avancées technologiques. La Cleveland Clinic a déjà lancé plusieurs projets utilisant ces approches allant de la modélisation des récepteurs T à la prédiction des épisodes épileptiques. Ce projet mett en avant la valeur des données longitudinales pour des décisions cliniques plus informées. Dr Lara Jehi a également insisté sur l’importance de comprendre le paysage et l’écosystème autour des données publiques et privées afin d’aligner les stratégies organisationnelles sur ces ressources. Les quatre programmes collaboratifs mis en place avec IBM allant de la recherche collaborative à l’éducation illustrent cette vision. Par exemple, le programme quantique a permis à la Cleveland Clinic d’accéder à des systèmes quantiques avancés, facilitant des recherches sur la découverte de médicaments et la génomique à une échelle inégalée.

    Cleveland Clinic AI and Quantum Healthcare and Life Sciences Eco-System

    Cadre d’évaluation et de mise en œuvre des technologies IA

    Masterclass 2 – AI&Data Strategy Model @ HTS 2024

    Beth Meese, directrice exécutive des technologies de l’information à la Cleveland Clinic, a proposé un cadre pratique et structuré pour évaluer et mettre en œuvre les technologies IA dans les systèmes de santé. Elle a expliqué que le succès repose sur une évaluation rigoureuse prenant en compte des critères tels que la sécurité des données, la flexibilité des solutions et leur compatibilité avec les systèmes existants. Beth Meese a partagé des exemples concrets notamment un programme pilote qui a réduit le temps de documentation des médecins de 25 %, tout en améliorant leur satisfaction et leur engagement. Ce programme a permis une augmentation des taux de fermeture des dossiers le jour même de 7 % et une réduction de 30 minutes par semaine du temps consacré à la documentation en dehors des heures de travail. Ces résultats montrent comment l’IA peut être un outil puissant pour améliorer l’efficacité et le bien-être des professionnels de santé.
    Beth Meese a également insisté sur l’importance de la gestion du changement pour assurer l’adoption des technologies par les utilisateurs. Elle a mis en avant la nécessité d’une formation adaptée et d’un soutien continu ainsi que d’une communication efficace pour répondre aux inquiétudes des professionnels. Une approche itérative et collaborative doit être mise en place pour maximiser les avantages de l’IA et éviter les écueils liés à une adoption précipitée.

     

  • Liban : une stratégie en santé numérique axée sur les usagers et les données

    Un pionnier dans la région dès les années 1990

    Le ministère de la Santé libanais a été pionnier dans l’automatisation de ses processus interne et a créé un département d’informatique en santé dès le début des années 2000. En 2013, il a lancé le Programme national de santé électronique, qui englobe aujourd’hui 22 outils numériques. Ces outils sont majoritairement développés localement et répondent aux besoins spécifiques du système de santé. En effet, le Liban possède un système de santé fragmenté et sous pression depuis plusieurs années. Les défis sont exacerbés par des crises successives : l’afflux de réfugiés syriens, l’explosion du port de Beyrouth, la pandémie de Covid-19 et les instabilités sociopolitiques.

    La dévaluation de la livre libanaise a aggravé les problèmes de financement de la santé. Les dépenses à la charge des ménages ont augmenté, affectant particulièrement les populations les plus vulnérables. En réponse, le ministère de la Santé a élaboré une stratégie de santé pour 2030 qui vise à renforcer la résilience du système grâce à une transformation numérique en profondeur. A sa tête, le Dr Firass Abiad a montré un engagement fort pour moderniser le secteur en organisant en mai 2023 le Digital Health Retreat, qui a réuni toutes les parties prenantes pour discuter des priorités du pays, telles que la gouvernance, la gestion des données et les besoins des usagers. Cela a abouti en 2024 à l’élaboration d’une stratégie pour la santé numérique.

    Dans cet article, et à l’occasion de la participation du Dr Firass Abiad, le 18 décembre, au Health&Tech Summit 2024, Health&Tech Intelligence revient en détails sur les axes et objectifs de cette stratégie nationale, mais aussi sur l’historique du développement de la santé numérique au Liban.

    Synthèse et chiffres clés de la santé numérique au Liban – @ Health&Tech Intelligence

    Objectifs et vision stratégiques

    La stratégie libanaise a pour objectif de transformer le système de santé en un écosystème moderne, interopérable et centré sur ses bénéficiaires. La vision du pays consiste à garantir un accès amélioré à des soins de qualité, personnalisés et accessibles grâce aux dossiers médicaux électroniques (EHR), la télésanté, l’IA et l’analyse de données.

    Pour atteindre ces objectifs, la stratégie repose sur quatre principes directeurs :

    • 1️⃣ une gouvernance solide : mise en place d’un cadre réglementaire pour protéger les données et sécuriser leur utilisation ;
    • 2️⃣ l’inclusion et la durabilité : afin de réduire les inégalités d’accès et garantir que les technologies de santé soient accessibles à l’ensemble de la population ;
    • 3️⃣ une approche centrée sur les personnes : afin d’impliquer les patients dans leur parcours de soins et dans la conception des solutions numériques ;
    • 4️⃣ une collaboration locale et internationale : afin de mobiliser les ressources, partager les connaissances et s’aligner sur des standards internationaux.

    Synthèse des axes stratégiques de la stratégie de santé numérique :

    Axe stratégique Détails
    Rendre le patient et les professionnels de santé plus autonome et acteur de leur santé
    • Plateformes numériques centrées sur les utilisateurs : développer et améliorer des outils tels qu’AMAN (identifiant unique de santé) et Meditrack (suivi des médicaments), en intégrant les retours des utilisateurs.
    • Littératie numérique : lancer des campagnes de sensibilisation et des plateformes éducatives pour former les usagers et professionnels à l’usage des outils numériques grâce à des formations, ateliers et ressources accessibles.
    Renforcement des infrastructures et de l’interopérabilité
    • Dossiers médicaux électroniques standardisés : mise en place de systèmes d’échange d’informations interopérables et sécurisés, alignés sur des standards internationaux.
    • Connectivité et réseaux : mise en place avec le ministère des télécommunications d’un accès haut débit dans les régions sous-desservies et adopter des solutions énergétiques durables.
    Encourager l’innovation et l’entrepreneuriat inclusifs
    • Centres d’incubation pour la santé numérique : soutenir les startups avec des fonds d’investissement et des partenariats avec des hubs comme Berytech et Flat6Labs.
    • Recherche scientifique : réutilisation des données provenant des plateformes numériques pour développer des politiques basées sur des preuves et renforcer la recherche en santé numérique.
    Gouvernance et protection des données
    • Réglementation de la confidentialité et de la sécurité : mise à jour des lois comme celle de 2017 sur la protection des données pour garantir un traitement éthique et sécurisé des données.
    • Standards éthiques : application des principes de transparence et de responsabilité dans l’utilisation des technologies d’IA.
    Collaboration régionale et internationale
    • Participer à des initiatives mondiales et régionales pour harmoniser les standards comme le Digital Health Atlas de l’OMS et partager des bonnes pratiques.
    Modèles de financement et partenariats public-privé
    • Collaborer avec les opérateurs télécoms pour proposer des forfaits mobiles abordables adaptés aux besoins de santé numérique.
    • Travailler avec les assureurs pour élaborer des modèles de remboursement pour les outils numériques.

    Une gouvernance centralisée et collaborative

    Un comité directeur, composé de représentants des ministères, d’experts en santé numérique et d’organisations internationales, est chargé de définir les orientations nationales et de superviser la mise en œuvre de la stratégie. Parallèlement, un comité technique regroupe des spécialistes pour fournir un appui opérationnel, prioriser les initiatives et évaluer les progrès techniques. Le rôle du ministère de la Santé consiste en la coordination globale, veillant à l’alignement des projets avec les priorités nationales. Pour garantir le suivi de cette stratégie, un cadre de monitoring et évaluation (M&E) est intégré, permettant de mesurer les performances et d’ajuster les actions en fonction des résultats obtenus.

    Cette organisation favorise la collaboration entre les acteurs en impliquant les secteurs public et privé ainsi que les usagers, afin d’assurer une mise en œuvre efficace et adaptée aux besoins du système de santé. La transparence autour de ce travail est mise en avant par le ministère, qui souligne que des rapports réguliers seront publiés pour informer les parties prenantes et le public sur l’avancement des initiatives.

    Principales avancées en santé numérique au Liban :

    Principales avancées – @ Health&Tech Intelligence

     

  • Contexte et chiffres clés du système de santé suédois

    📑Un système de santé universel principalement financé par les taxes régionales et municipales

    La Suède possède un système de santé fortement décentralisé. Il repose sur la collaboration entre les 21 régions et les 290 municipalités du pays. Les régions financent et gèrent les soins primaires, les centres d’urgence communautaires et les services de santé maternelle et infantile. Les 21 régions administratives sont réparties dans 6 régions de santé. Les municipalités prennent en charge les soins de longue durée, notamment pour les personnes âgées et les patients à domicile. Ce partage des responsabilités permet une couverture de santé universelle. Toutefois, il existe certaines disparités régionales.

    La Suède permet la liberté de choix pour choisir son médecin généraliste. Les centres de soins primaires regroupent différents professionnels y compris des généralistes et des infirmiers. Chaque région fixe les modalités de remboursement et les services proposés. L’accès aux soins spécialisés se fait sans restriction géographiques. Toutefois les rôles de régulation et d’aiguillage varient selon les régions.

    Depuis les années 1990, la Suède a choisi une politique souhaitant réduire les hospitalisations au profit des soins ambulatoires et de jour. Cette transition améliore l’efficacité grâce à des innovations technologiques mais entraîne des problèmes de saturation des services hospitaliers. Les urgences sont concentrées dans les hôpitaux universitaires pour les cas critiques mais chaque région a ses spécificités. Les municipalités quant à elles, jouent un rôle plutôt pour les soins de longue durée. Ces soins sont fortement encouragés pour se faire à domicile avec pour objectif de favoriser l’autonomie des patients.

    🏥100 hôpitaux et 7 CHU de renommée mondiale

    La Suède dispose de 100 hôpitaux dont 85 % sont publics couvrant une population de 10,5 millions d’habitants. Parmi eux, 7 hôpitaux universitaires se distinguent par leur excellence en recherche et soins spécialisés tels que le Karolinska University Hospital qui est classé 7ᵉ meilleur hôpital mondial par Newsweek en 2024 juste devant la Pitié Salpêtrière. Les hôpitaux privés minoritaires dans le pays participent principalement aux soins primaires et aux soins pour les personnes âgées et représentent 12 % des dépenses totales de santé​. En 2023, on compte également 66 hôpitaux ayant des urgences et 4430 cliniques dentaires. Les centres de soins primaires au nombre de 1100-1200 sont organisés en districts géographiques couvrant de 5 000 à 50 000 habitants.

    👨🏻‍⚕️1 085 infirmiers et 430 médecins pour 100 000 habitants

    La Suède est reconnue pour avoir une densité élevée de professionnels de santé comparée à d’autres pays européens : environ 55 à 65 médecins généralistes pour 100 000 habitants et plus de 1 085 infirmiers pour 100 000 habitants. Cependant, certaines spécialités et certaines régions rurales souffrent de pénuries.

    La proportion de médecins généralistes est plus faible qu’ailleurs en Europe. De nombreuses régions rurales peinent à recruter suffisamment de généralistes. Cela limite l’accès local aux soins primaires obligeant parfois les habitants à parcourir de longues distances ou à attendre des délais plus longs pour consulter un médecin. Concernant les infirmiers, une pénurie dans les services de gériatries, de soins intensifs et d’urgences s’aggravent depuis 2015.

    🌐99% des prescriptions sont électroniques

    Depuis 2006, la Suède place la e-santé comme un levier stratégique pour accompagner la transformation de son système de santé.  Aujourd’hui, 95 % des dossiers médicaux pour les soins primaires et 69 % pour les soins soins spécialisés sont numériques. Les e-prescriptions représentent 99 % des ordonnances émises électroniquement​.  La stratégie actuelle en santé numérique vise à faire de la Suède un leader européen en intégrant les innovations technologiques dans les services de santé et les services sociaux. Chaque année, 1,2 milliard de dollars sont consacrés à la santé numérique par les régions​.

    Chiffres clés Suède @ H&TI

  • Suède : état des lieux de la santé numérique, réglementation et principaux acteurs

    Grâce à une organisation décentralisée, un cadre juridique solide et une stratégie tournée vers le numérique, la Suède répond aux besoins diversifiés de sa population en matière de santé. Ses investissements à hauteur de 1,2 milliards de dollars annuellement, soit 10,6 milliards SEK dont 8 milliards (0,9 milliards $) pour les services, équipements numériques et logiciels, soulignent l’importance accordé à la santé numérique. Dans cette étude, Health & Tech Intelligence réalise un état des lieux du système de santé suédois : son organisation décentralisée, ses données et chiffres clés, son cadre juridique et législatif, ainsi que sa stratégie de santé numérique incarnée par la vision eHealth 2025.

    Ces thématiques résonnent particulièrement avec l’objectif du Health & Tech Summit 2024 qui se tiendra à PariSanté Campus à Paris du 17 au 19 décembre. Cet événement rassemblera les leaders mondiaux de la santé et du numérique autour du thème « Drive the Change » axé sur l’intégration de l’intelligence artificielle (IA) et des données dans les systèmes de santé. Parmi les intervenants phares, Maria Hassel, conseillère senior à l’Agence suédoise de la santé numérique partagera son expertise lors de la session « Optimizing Hospital Operations with AI » le mercredi 18 décembre. Pour vous inscrire : ici.

    📌 Contexte et chiffres clés du système de santé suédois :

    Le système de santé suédois est reconnu comme étant un des plus performants en Europe. Son modèle repose sur une organisation décentralisée avec une responsabilité partagée entre les 21 régions et les 290 municipalités. Ce système garantit une couverture universelle financée principalement par des taxes régionales et municipales complétées par des subventions nationales. Cependant, la Suède fait face à des défis liés aux disparités régionales et au vieillissement de sa population ainsi qu’à une pénurie de médecins généralistes malgré une workforce conséquente.

    Chiffre clé : le financement public représente 86 % des dépenses de santé

    👉 H&TI dresse un aperçu détaillé de différents aspects du système de santé du pays, notamment son organisation, son financement et son contexte numérique, dans un article à retrouver ici.

    📌 Principales évolutions réglementaires en Suède en lien avec la santé numérique :

    Depuis 2012, la Suède a entrepris plusieurs réformes législatives pour moderniser et renforcer son système de santé. Ces réformes s’inscrivent dans une démarche visant à garantir une prise en charge équitable, à améliorer l’accessibilité des soins malgré la distance géographique et à intégrer des innovations numériques tout en respectant les cadres européens. En créant un cadre réglementaire qui soutient la transparence, l’égalité d’accès et l’interopérabilité des systèmes la Suède offre une base solide pour l’innovation et la modernisation des soins.

    Chiffre clé : en 2023, le pays a obtenu un score de 78/100 pour la maturité de son système de santé numérique.

    👉 H&TI dresse un état des lieux des principales initiatives réglementaires sur lesquelles s’appuient les différentes stratégies en santé numérique et des principales réglementations en matière de couverture de santé, dans un article à retrouver ici.

    📌 Panorama des acteurs clés de l’écosystème suédois autour de la santé numérique:

    La Suède possède un écosystème dynamique et affiche une collaboration étroite les secteurs publics et privés. Avec des institutions publiques comme l’Agence suédoise pour la santé numérique (eHälsomyndigheten) qui pilote les initiatives de e-santé et des entreprises comme Kry ou Min Doktor qui développent des solutions adaptées aux besoins de la population, la Suède affiche une ouverture internationale pour les entreprises du numérique en santé. Les gouvernements suédois et français ont d’ailleurs renouvelé leur partenariat pour l’innovation en janvier 2024.

    Chiffre clé : 95 % des dossiers médicaux sont électroniques pour les soins primaires.

    👉 H&TI réalise un panorama des nombreuses organisations jouant un rôle dans la réglementation et la mise en œuvre des initiatives numériques, dans un article à retrouver ici.

    📌 Quelle stratégie en santé numérique et data ?

    La Suède s’est fixé un objectif ambitieux avec sa stratégie nationale eHälsa 2025 : devenir le leader mondial de la santé numérique. Pour cela, le pays mise sur l’intégration des technologies innovantes comme l’intelligence artificielle (IA), la télémédecine et la gestion centralisée des données de santé.
    Depuis le lancement de cette stratégie, le gouvernement suédois en collaboration avec l’Association des autorités locales et régionales (Salar) a structuré une approche progressive pour moderniser les services de santé et de protection sociale. Des dossiers médicaux électroniques interopérables aux téléconsultations, la stratégie repose sur une combinaison d’axes technologiques, organisationnels et réglementaires visant à améliorer l’efficacité des soins et à renforcer la place du patient dans son parcours.

    Chiffre clé : 99 % des prescriptions délivrées électroniquement.

    👉H&TI réalise une synthèse des principaux points de cette stratégie, dans un article à retrouver ici.

    Récapitulatif des chiffres clés Suède @ H&TI

  • Analyse des besoins à chaque étape du parcours du laboratoire de biologie médicale

    La biologie médicale et les services de laboratoires dans les hôpitaux jouent un rôle dans le diagnostic, le suivi et la prévention des maladies. Chaque analyse biologique repose sur un parcours structuré, allant de la prescription médicale à la transmission des résultats. Ce parcours, appelé processus analytique, comprend trois phases principales : pré-analytique, analytique et post-analytique. L’IA permet aujourd’hui d’optimiser les étapes de ce parcours.

    Dans cet article, Health&Tech Intelligence revient sur le parcours en laboratoire pour souligner les étapes où l’IA peut intervenir.

    Infographie des étapes du parcours en laboratoire médical – @ H&TI

    La phase pré-analytique : amélioration de la traçabilité et de la gestion des échantillons

    La phase pré-analytique débute à la prescription de l’examen biologique et se termine avec la préparation de l’échantillon pour l’analyse. Une erreur dans cette phase peut entraîner des résultats invalides ou non exploitables. Elle inclut plusieurs étapes :

    • la prescription : le médecin prescrit un examen biologique en fonction des symptômes ou du suivi d’un traitement ;
    • le prélèvement : l’échantillon (sang, urine, liquide biologique) est prélevé par un professionnel de santé ;
    • le transport et réception : les échantillons sont acheminés au laboratoire. Cette étape doit garantir le respect des conditions de conservation et de délai ;
    • l’enregistrement et tri : une fois arrivés, les échantillons sont enregistrés dans le système informatique du laboratoire (SIL) ;
    • la préparation : des étapes comme la centrifugation, le débouchage ou l’aliquotage (division des échantillons en plusieurs parties) permettent de rendre les échantillons prêts pour analyse.

    L’IA optimise la gestion des échantillons. Les algorithmes automatisent le tri et l’acheminement en tenant compte des priorités. La traçabilité est renforcée grâce à la reconnaissance des codes-barres et QR codes. Cela limite les erreurs d’étiquetage et d’identification. L’IA anticipe aussi les anomalies liées au transport ou à la conservation des échantillons. Elle détecte en temps réel les conditions inadéquates comme une rupture de la chaîne du froid et alerte les équipes.

    La phase analytique : optimisation des protocoles et analyses prédictives

    La phase analytique correspond à l’exécution proprement dite des examens. Cette étape repose sur des automates, des équipements spécialisés ou l’intervention d’un technicien. Les laboratoires en France utilisent majoritairement des chaînes analytiques automatisées pour gagner du temps et standardiser les résultats.

    • le traitement automatisé : les automates suivent un protocole préprogrammé pour analyser les échantillons. Ils mesurent les taux de molécules, identifient des marqueurs biologiques ou recherchent des pathologies spécifiques ;
    • l’intervention humaine : certains examens nécessitent des analyses manuelles, notamment en cytologie ou pour des tests complexes.

    L’IA peut aider au diagnostic. Les algorithmes analysent les données issues des automates pour repérer des patterns complexes. Ils identifient les pathologies rares ou difficiles à diagnostiquer. L’IA ajuste les protocoles analytiques en fonction des résultats intermédiaires. Cela accélère les analyses complexes et améliore leur précision. Grâce aux données historiques des patients, l’IA peut prédire des anomalies ou proposer des tests complémentaires. Cette capacité prédictive est particulièrement utile dans les bilans sanguins et les suivis de routine.

    La phase post-analytique : renforcement de la traçabilité et gestion des données

    La phase post-analytique commence après la fin des analyses. Les points de vigilance dans cette phase concernent principalement le stockage ou l’archivage incorrect qui peuvent compromettre une éventuelle réanalyse. Cette étape inclut :

    • la validation : les résultats sont vérifiés et validés par un biologiste médical ;
    • l’envoi des résultats : ils sont transmis au médecin prescripteur ou au patient via des systèmes numériques sécurisés ;
    • le stockage : les échantillons sont conservés pour une durée limitée, en fonction des réglementations ;
    • l’élimination : les échantillons non nécessaires sont éliminés selon des protocoles stricts pour éviter tout risque sanitaire.

    L’IA peut valider les résultats en s’appuyant sur des critères standards et des bases de données. Elle réduit les interventions humaines aux cas complexes. Les systèmes IA optimisent le stockage des échantillons en prédisant les besoins de réanalyse. Ils gèrent aussi la durée de conservation pour éviter les gaspillages. Enfin, l’IA permet des analyses populationnelles postérieures. En combinant les données biologiques et cliniques, elle peut détecter des tendances de santé publique.