Les soins de santé ont longtemps fonctionné en silos de données : les payeurs, les prestataires et les patients détiennent chacun des éléments fragmentés de la même histoire clinique. Cette fragmentation, autrefois acceptée comme le coût des affaires, constitue désormais le principal obstacle à la préparation des données de santé et la promesse plus large que l'IA représente pour l'une des industries les plus importantes au monde.
Le point de rupture est arrivé plus vite que prévu. Les échecs de l’ère pandémique ont révélé à quel point la fragmentation des données de santé pouvait être coûteuse, et la nouvelle dynamique réglementaire – de la législation sur la portabilité des données au Canada aux Centers for Medicare et Medicaid Services des États-Unis exigeant de nouvelles normes – a rendu les arguments en faveur du changement inévitables, selon Fawad Shaikh (photo, à gauche), vice-président mondial du développement commercial chez Telus Health, une division de Telus Corp.
« Je pense que ce qui changera en 2026, c'est que (la fragmentation n'est) plus acceptable », a déclaré Shaikh. « Vous avez vu les dures leçons que nous avons apprises grâce au COVID et cela met essentiellement un écosystème à genoux lorsque vous avez ces silos de données avec lesquels vous devez travailler.
Shaikh et Saurabh Mishra (à droite), responsables mondiaux de l'activité Google Cloud chez Quantiphi Inc., se sont entretenus avec John Furrier de theCUBE et co-animatrice Alison Kosik à Google Cloud Next, lors d'une diffusion exclusive sur theCUBE, le studio de diffusion en direct de SiliconANGLE Media. Ils ont discuté de l’état de préparation des données de santé, du passage de silos de données fragmentés à une plateforme agentique unifiée et de la manière dont Telus Health et Quantiphi construisent la base de données qui rend possible l’IA de production. (* Divulgation ci-dessous.)
La préparation des données de santé nécessite une base avant que l’IA puisse évoluer
Le cheminement de Telus Santé vers la préparation aux données de santé n'a pas commencé avec une feuille de route de l'IA, mais avec un cas d'utilisation de reporting. Au cours des cinq dernières années, une douzaine d'acquisitions ont permis à l'entreprise d'hériter d'un nouveau système à chaque transaction, opérant dans plus de 200 pays et territoires, a noté Shaikh. L'équipe a consolidé les données de 11 sources disparates sur une plate-forme unique en utilisant la gestion des données de référence, la gestion des métadonnées et des connecteurs d'automatisation prédéfinis, réduisant ainsi le temps de génération d'un rapport client de 80 %, ce qui représente environ 15 heures économisées par agent et par an. Cet effort initial représentait quelque chose de bien plus ambitieux qu'un projet de données standard, selon Mishra.
« Lorsque Telus Health a rencontré tout ce problème commercial autour de la création d'une plate-forme pouvant prendre en charge de nombreux types d'agents différents, nous avons réalisé qu'il ne s'agissait pas simplement d'un projet de consolidation ou de migration de données comme nous le faisions auparavant », a déclaré Mishra. « Cela s'apparente davantage à la construction d'un nouveau système nerveux pour une plate-forme mondiale de soins de santé. Lorsque nous réfléchissons à un projet de cette nature, il y a trois éléments essentiels. Le premier aspect concerne une compréhension approfondie de l'expertise en matière de fondation de données. Le deuxième aspect concerne une expertise avancée en ingénierie de plate-forme. Le troisième, qui est le plus important dans le cas de clients de soins de santé comme Telus Health, est la compréhension de l'écosystème de soins de santé, car vous ne pouvez pas créer une solution de soins de santé sans comprendre les nuances (des informations de santé protégées). «
La clé de l'accélération était Codeaira, l'agent d'ingénierie logiciel exclusif de Quantiphi, alimenté par l'IA, a expliqué Mishra. Une fois les bases en place, Telus Health a commencé à créer des produits de données réutilisables adaptés à des problèmes commerciaux spécifiques, créant ainsi un bac à sable évolutif pour les agents IA, selon Shaikh. Un exemple était l’automatisation du traitement des paiements des fournisseurs, où la même architecture de microservices éliminait entièrement un fournisseur tiers. Une autre solution concerne la gestion de la boîte de réception des médecins, avec des gains d'efficacité significatifs.
« Maintenant que nous sommes à un stade où nous avons réellement nos données dans un endroit où nous pouvons les exploiter pour former certains de ces agents d'IA, les cas d'utilisation explosent tout simplement », a déclaré Shaikh. « Nous avons tous été dans un cabinet médical où vous receviez ces (fax électroniques) entrant dans la boîte de réception, vous aviez toutes ces pièces jointes et vous essayiez d'établir une référence. Ce que nous avons fait, c'est de prendre cette boîte de réception, de la structurer d'une manière spécifique, d'appliquer des algorithmes d'apprentissage automatique et nous avons pu faire correspondre automatiquement les patients aux documents qui arrivaient et être en mesure de créer le profil s'ils n'existaient pas. Cela réduit de moitié la charge de traitement. assez significatif.
Voici l'interview vidéo complète, qui fait partie de la couverture de Google Cloud Next par SiliconANGLE et theCUBE :
(* Divulgation : Quantiphi a sponsorisé ce segment de theCUBE. Ni Quantiphi ni les autres sponsors n'ont de contrôle éditorial sur le contenu de theCUBE ou SiliconANGLE.)
