Grâce au Machine Learning, les chercheurs de l'Université de Boston ont trouvé une solution pour réduire les hospitalisations liées aux attaques cardiaques et au diabète. L'intelligence artificielle pourrait ainsi permettre d'économiser des milliards de dollars chaque année dans le secteur de la santé, et d'améliorer la condition des patients.
À l'heure où le débat fait rage au sujet de la législation, de la régulation et des mesures à prendre pour améliorer le système de santé américain, les nouvelles technologies pourraient permettre de réduire le nombre d'hospitalisations tout en améliorant les résultats pour les patients. Par exemple, en évitant les hospitalisations pour les attaques cardiaques et le diabète, deux maladies chroniques très répandues aux Etats-Unis, il serait possible d'économiser des milliards de dollars chaque année.
Afin d'y parvenir, des chercheurs du Center for Information and Systems Engineering de l'Université de Boston ont décidé d'utiliser la puissance des algorithmes de Machine Learning. Ces chercheurs se sont associés aux hôpitaux de Boston, notamment le Boston Medical Center et le Brigham and Women's Hospital. Ils ont ainsi découvert qu'il était possible de prédire les hospitalisations liées à ces deux maladies chroniques un an à l'avance avec un taux de précision de 82%.
Santé : le Machine Learning pour réduire le nombre d'hospitalisations inutiles
De cette façon, les professionnels de la santé peuvent intervenir plus tôt et n'ont pas besoin de recourir à l'hospitalisation. Les chercheurs travaillent également avec le Département de Chirurgie du Boston Medical Center et peuvent prédire les réadmissions sous trente jours après une chirurgie générale. L'objectif est de guider les soins post-opération pour pouvoir les éviter.
Les hôpitaux fournissent aux patients des enregistrements de santé électroniques anonymes (EHR), contenant toutes les informations dont les hôpitaux ont besoin sur chaque patient, y compris les informations démographiques, les diagnostics, les admissions, les procédures, les signes vitaux relevés lors des visites médicales, la liste des médicaments prescrits et les résultats de laboratoires.
Par la suite, les algorithmes sont utilisés pour prédire qui risque d'être hospitalisé. Ainsi, les hôpitaux ont l'opportunité d'intervenir et de traiter les maladies plus agressivement et d'éviter les hospitalisations coûteuses, tout en améliorant la condition des patients. La précision de ces prédictions surpasse les possibilités offertes par les systèmes actuels d'évaluation de risque. Par exemple, la Framingham Heart Study, qui se base sur différents facteurs comme l'âge, le taux de cholestérol, la pression sanguine ou le poids du patient pour prédire les risques de maladie cardiovasculaire offre une précision de seulement 56%.
Santé : la moitié des hospitalisations peuvent être évitées grâce à l'IA
De plus, l'approche algorithmique peut être facilement être utilisée à l'échelle d'un très large nombre de patients. Le potentiel du Machine Learning pour le secteur de la santé est immense. Une étude américaine basée sur une année d'admissions à l'hôpital, menée par l'AHRQ, révèle qu'environ 4,4 millions d'admissions, d'une valeur totale de 30,8 milliards de dollars, auraient pu être évitées. Sur ces 30,8 milliards de dollars, 9 milliards de dollars étaient consacrés aux patients atteints de maladies cardiaques, et 5,8 milliards aux patients atteints de complications diabétiques, soit la moitié des hospitalisations inutiles.
Aux USA, les réformes du secteur de la santé forcent les hôpitaux à prendre des risques financiers. De fait, les établissements médicaux sont de plus en plus nombreux à utiliser les technologies analytiques, à l'instar des autres industries. D'autres algorithmes sont également utilisés pour assister les diagnostics des physiciens. Il ne s'agit là que de la partie visible de l'iceberg. Un changement majeur se prépare dans le domaine de la santé. Google et les autres géants de la tech sont prêts à se lancer sur ce secteur. De nombreuses technologies, comme les implants médicaux, les bracelets connectés et les smartphones collectent déjà des données liées à la santé. Ainsi, les données de santé sont collectées en permanence et vont permettre de mieux comprendre les raisons qui mènent à une détérioration de la santé.
- Partager l'article :
