samedi , 23 octobre 2021
Accueil » Innovation » E-SANTE & TRANSFORMATION DIGITAL
E-SANTE & TRANSFORMATION DIGITAL

E-SANTE & TRANSFORMATION DIGITAL

La situation actuelle et les défis subit par la communauté sanitaire à cause de la pandémie, oblige à repenser la santé et optimiser les ressources à disposition, afin de répondre aux inquiétudes des citoyens. Dans tous les secteurs nous avons constaté une accélération de la transformation numérique, et la santé n’est pas un secteur étranger à cette nouvelle réalité dite digitale.

À mon humble avis, l’approche pour la santé dans un écosystème numérique se doit holistique, soit une transformation numérique de 360 degrés, et peut devenir un vrai levier pour l’optimisation des ressources à disposition, pour améliorer l’expérience du patient citoyen lors de l’interaction avec le milieu sanitaire.

En 2018 je me souviens discuter le sujet de la robotisation en milieu industriel et logistique avec un ami, et lors de notre conversation l’interlocuteur m’a insisté sur le terme Cobot au lieu de Robot, qui venait à exprimer le fait que l’écosystème actuel n’est plus tout humain ou tout robot, sinon une sorte de réalité hybride, avec l’interaction entre humains et machines. Cette interaction représente une sorte de collaboration, et une symbiose par le biais de la transformation numérique ; cette nouvelle entité symbiotique entre l’être humain et le Robot, se prouve collaborative, de là le terme Cobot.

Au début de la pandémie, je m’y attendais à ne pas tarder à voir des cobots intralogistiques, avec une lumière en ultraviolet embarquée, à utiliser pour le nettoyage des hôpitaux et la stérilisation des lieux, améliorant l’expérience des utilisateurs, principalement pour les patients présentant une hypersensibilité, allergie ou intolérance aux détergents, solvants ou similaires, utilisés pour le nettoyage et la stérilisation des salles de chirurgie et des zones sensibles intra hospitalières. Définitivement au fure et à mesure que nous avons observé une augmentation des cas, les industriels se sont penché à identifier ce genre de solutions et d’application de la robotique collaborative au milieu sanitaire.

Avec un nouveau paradigme, dit numérique, en particulier avec l’irruption des véhicules autonomes, la gamme et spectre des écosystèmes où utiliser ces cobots peut augmenter de façon ostensible. Un exemple serait l’intégration de capteurs de force ou pression, pour peser les lits de dialyse par exemple, et définir le temps et les traitements à subir en dialyse, en fonction du poids d’entrée du patient, et finalement renseigner et documenter les données collectées sur le dossier du patient, dans le système de gestion et de surveillance, pendant toute l’hospitalisation du malade.

On pourrait quand même trouver des applications pour les Chatbots à travers du processus naturel du langage humain #NLP, par exemple pour la médecine générale, avec un Avatar familial pour une interaction confortable avec les patients, qui soit programmé pour décider par soit si d’autres humains sont nécessaires pour valider le diagnostic et les traitements initiaux recommandés.

En utilisant les données collectées à partir de rapports médicaux, précédemment renseignés, l’intelligence artificielle pourrait identifier des modèles, et par le biais du Machine Learning et à travers des arbres de décision, établir des diagnostiques et prescrire des traitements ; tout cela basé sur les recommandations et protocoles établis par les principales associations médicales et sociétés de médecine, en sorte que leurs recommandations puissent alimenter une sorte de bases de données où l’intelligence artificielle soit capable d’identifier le traitement et sa conciliation avec les symptômes identifié chez le patient.

Sur le niveau ou nappe de l’internet de objets #IoT, l’implémentation de capteurs embarqués dans notre entourage physique, permettrait également devenir une source de renseignement, à travers de l’analyse rétrospective et prospective ; par exemple des appareils portables pour suivre les événements cardiovasculaires tels que l’arythmie ou l’hypertension ou la fièvre, et les enregistrer sur la fiche du patient soit physique/papier ou logique/SQL.

Repérer ce genre d’informations peut également être un dépistage de première ligne dans la salle d’urgence, car un ordinateur traitera certainement plus de données liées au terrain que n’importe quel humain dans un laps de temps plus court, et rendra compte aux médecins en fonction des niveaux d’urgence, pour que le facultatif puisse prendre une décision, lors de la priorisation des malades à l’arrivée en salle d’urgence.

Ou intégrer des solutions mobiles dans les lits d’hôpitaux et les fauteuils avec des capteurs, en fonction de la spécialité médicale ou de la typologie de la chirurgie ou de la clinique du patient, par exemple. Ces solutions mobiles sont utiles pour une optimisation des ressources en suivi post-chirurgical, où le personnel en radiologie par exemple puisse programmer le système, avec une commande impérative, pour que le lit aille en radiologie sans intervention humaine, à la demande du personnel hospitalier, et réduire l’interaction entre malade et humain. Avec la pandémie, le principal souci pour le personnel hospitalier et les patients fut le risque de contamination lors de l’interaction, surtout pour les personnes à immunologie supprimée, déprimée ou compromise.

Sur la nappe du renseignement et des données, l’application de la gestion de données avec la transformation digital, nous prouve que toutes les données collectées lors des pandémies passées et actuelle, la disponibilité et l’évolution de la capacité de computation grâce aux ressources natives ou hybrides #Cloud, permettent structurer tous les arbres de décisions et Algorithmes, afin d’alimenter une intelligence artificielle #AI​​ dédié et entamer un exercice de simulations, itérations et projections sur l’évaluation de Futures pandémies, et la stratégie à suivre en terme d’action ou prévention; non seulement en terme de planification des événements liés au médical ou la santé, mais aussi aux événements sociaux ou économiques, entre autres indicateurs connexes, et y repérer la corrélation. En résumé, recueillir, enregistrer, renseigner, suivre, évaluer et comprendre les faits et les modèles liés au phénomène principal ou à la crise ; dans le même but : Prévoir, Prévenir et Protéger.

Avec la Numérisation ou digitalisation des rapports médicaux, Anonymisation, Structuration avec des technique comme la Folksonomy et Taxonomy en bases de données, permet les exploiter en exécutant des outils statistiques pour identifier les modèles et schémas afin de renseigne l’IA avec les résultats, pour optimiser son fonctionnement. –

La Gestion et transfert des connaissances ou savoirs dans le secteur de la santé est un impératif et les professionnels du milieu hospitalier en sont conscients. Pour cette raison qu’on y repère en milieu médical une culture commune d’apprentissage de formation et de transfert de connaissances tout au long de la vie, de façon formelle ou tacite. Le secteur des congrès médicaux jusqu’à présent a prouvé être utile et essentiel pour cette tâche. Néanmoins, le besoin d’événements physiques et de conférences face à face aujourd’hui peuvent être remplacés avec une réalité mixte, avec des réalités virtuelles et augmentées, non à 100% mais en réduisant la pondération du physique versus le virtuel, visant à former et mettre à jour les connaissances et les compétences professionnelles du personnel par le biais de nouveaux outils technologiques par exemple de partage type Share point ou de visioconférence type Zoom Teams ou autres. Ou même avec la réalité augmentée pour les simulations pour la formation des chirurgiens ou les simulations avec des avatars et chatbot pour former les psychiatres.

Finalement, qu’en est-il de la souche de cybersécurité et des contingences liées ? Comment assurer la confidentialité des données et protéger les actifs tangibles et immatériels dans ces infrastructures stratégiques et sensibles. Avec l’internet des objets #IoT, nous multiplions les accès dans les infrastructures et mettons en péril tout l’écosystème. Les systèmes complexes sont vulnérables à leur maillon le plus faible, et dans la transformation numérique et l’industrie 4.0, les capteurs et l’IoT peuvent devenir la principale menace pour la continuité des activités dans le secteur de la santé et la confidentialité des données, car il s’agit d’une source potentielle de cheval de Troie numérique.

Sans souveraineté numérique, il n’y a pas de véritable souveraineté. Les législateurs ont beaucoup à dire sur la protection des actifs intellectuels et intangibles et de la confidentialité des données des patients.

Le principe « lex parsimoniae » prône que «Pluralitas non est ponenda sine necessitate» soit que la pluralité ne doit pas être postulée inutilement, selon ma libre interprétation. Dans le numérique c’est plus facile de renseigner, expliquer et mettre en œuvre un ML ou un apprentissage en profondeur grâce aux arbres de décision et à l’optimisation de Lagrange ; tandis que les humains, leurs décisions sera potentiellement contaminées par leur état d’ego et psychologique, et certainement influencées par leurs propres biais et distorsions cognitifs.

Peut-être que je suis surpassé par la science-fiction, Hume ne disait-t-il pas que notre imagination est limitée par nos connaissances ? Alors longue vie à Star Trek et Star Gate.

Pour faire un bref compte rendu, à mon avis pour avancer dans la transformation numérique dans le milieu de la santé, faut prévoir la numérisation des dossiers et rapports médicaux des patients dans un premier échelon, ensuite faire appel à la statistique descriptive afin d’entamer des analyses rétrospectifs et prospectifs, et pouvoir exploiter ces données et créer valeur pour toute la chaine de valeur. Le deuxième échelon à mon avis est celui de Construire des arbres de décision et Algorithmes qui puissent habiliter la mise en œuvre l’apprentissage automatique #ML, et cela le renforcer et retro alimenter avec les informations ou renseignements fournis par les outils ou capteurs embarqués dans l’équipement hospitalier. Le suivant ce serait se pencher sur la tâche de donner forme à l’Intelligence artificielle, en faisant recours aux recommandations des associations médicales, pour alimenter l’IA avec un diagnostic potentiel, un pronostic et un traitement basé sur les données initiales collectées via des capteurs et des analyses de sang ou résonance ou radiographies. Et finalement avec la vision artificielle et les réalités mixtes, entrainer les Chatbots par exemple ou Avatars conçu pour l’interaction avec les patients, on les faisant évoluer, ainsi que rétro alimenter avec les résultats du ML DL l’intelligence artificielle, pour optimiser son fonctionnement.

#healthcare #Artificiel #Intelligence #Tendance #Forecast #Taxonomie #Standaridzation

#BigData #Data #Business #Intelligence #Coronavirus

#Health #HealthCare #Management #Holistic: #Data #ML #DeepLearning #NLP #Chatbot #AI #Cloud #Computing #AV #Cobots #Folksonomy #Predict #Prevent #Protect #CSV #SQL

Par Ryan KHOUJA

Economiste et Expert en Intelligence Economique et dans la transformation Digital.

LTE.ma 2021 - ISSN : 2458-6293 Powered By NESSMATECH