L’IA en soins de santé sort de la phase pilote pour entrer dans des environnements de production, où l’écart entre une démonstration convaincante et un résultat cliniquement fiable n’a jamais été aussi important.
Alors que les agents d’IA occupent une place centrale, le secteur de la santé et des sciences de la vie est confronté à une question cruciale : comment créer une IA à laquelle les praticiens peuvent réellement faire confiance ? De plus en plus, la réponse commence par les données – et non par les modèles, selon Jesse Cugliotta (photo, à droite), vice-président et responsable mondial des soins de santé et des sciences de la vie chez Snowflake Inc. Des dossiers patients fragmentés et des flux de travail de l'ère du fax à la promesse de graphiques résumés par l'IA, les problèmes les plus tenaces de l'industrie sont structurels, a-t-il expliqué, et les résoudre nécessite une base de données construite bien avant qu'un modèle ne soit formé.
« Le dossier moyen d'un patient compte 46 000 mots », a déclaré Cugliotta. « C'est la longueur de Fahrenheit 451. Si vous entrez dans une salle d'urgence et que le médecin a 27 autres patients, il ne lit pas l'intégralité de votre historique, même s'il pouvait y avoir accès. La capacité d'exploiter l'IA… est de fournir une image plus complète, de comprendre quelle est la manière la plus précise de traiter ce patient particulier… cela a vraiment un impact critique non seulement sur l'expérience quotidienne du soignant, mais aussi sur les résultats pour le patient. «
Cugliotta et Amit Sangani (à gauche), directeur de la technologie de Komodo Health Inc., se sont entretenus avec Dave Vellante et Rebecca Knight de theCUBE au Snowflake Summit 2026, lors d'une diffusion exclusive sur theCUBE, le studio de diffusion en direct de SiliconANGLE Media. Ils ont expliqué comment les bases de données permettent une IA fiable dans le domaine des soins de santé et des informations sur le parcours des patients grâce à la plateforme Marmot de Komodo Health sur Snowflake. (* Divulgation ci-dessous.)
La confiance dans l’IA en soins de santé fondée sur les données du parcours des patients
Le défi structurel de l’IA dans le domaine de la santé va bien au-delà de la sélection de modèles. Les données des patients circulent à travers des systèmes déconnectés (demandes de règlement, laboratoires, prescriptions, dossiers des prestataires) et aucune organisation ne détient à elle seule une vue longitudinale complète. Komodo Health a passé une décennie à assembler ces fondations, rassemblant plus de 330 millions de parcours de patients anonymisés à travers sa carte des soins de santé, a noté Sangani.
« (Quand) un patient va chez un médecin, reçoit un diagnostic, puis reçoit une ordonnance, les données sont partout. Comment combiner toutes ces données pour un seul patient et créer un parcours complet ? Vous les regroupez dans différents segments ou domaines thérapeutiques. Une fois que vous faites cela, cela devient vraiment puissant », a déclaré Sangani. « Dans le monde de l'IA, il est très difficile d'obtenir des réponses déterministes, mais comme nous construisons tous les garde-fous, nous sommes en mesure de les fournir à nos clients. »
Cette transparence constitue le différenciateur concurrentiel de la plate-forme Marmot de Komodo, qui superpose l'orchestration multi-agents à Healthcare Map en utilisant Snowflake pour le stockage, le calcul et la mise en cache gouvernée. Une étude de Snowflake a révélé que 85 % des responsables du secteur de la santé considèrent l'interopérabilité comme fondamentale pour faire évoluer l'IA, une constatation qui correspond directement à l'architecture de Komodo, où chaque étape analytique est enregistrée, auditable et reproductible. Pour les analystes des sciences de la vie qui mènent des recherches approfondies sur les modèles de migration des thérapies GLP-1 ou sur la conception de cohortes d'essais cliniques, chaque étape du flux de travail peut être inspectée, modifiée ou répliquée, a expliqué Sangani.
« Ces prestataires de soins de santé, lorsqu'ils posent une question, ne veulent pas seulement une réponse. Ils veulent comprendre quelles sont les données sous-jacentes qui leur sont fournies et comment sont-ils arrivés à cette réponse ? Ils veulent voir chaque étape. » Le d'abord étape est le plan. Comment est le IA en allant à créer un plan et aide moi comprendre quoi cohortes ils sont créer, comment ils sont faire le filtration, quoi SQL est être écrit, quoi est un Python, lequel essentiellement génère le rapport », a-t-il déclaré. « Cela leur donne l'assurance que lorsque la réponse finale arrive, c'est comme un enfant qui résout un problème de mathématiques. S'ils vous donnent juste une réponse, vous dites : 'Quelles sont les étapes que vous avez suivies ?' C'est exactement ce que nous faisons.
Voici l'interview vidéo complète, faisant partie de la couverture de SiliconANGLE et theCUBE sur Sommet des flocons de neige 2026 :
(* Divulgation : TheCUBE est un partenaire média payant pour l'événement Snowflake Summit. Ni Snowflake, le sponsor de la couverture de l'événement theCUBE, ni les autres sponsors n'ont de contrôle éditorial sur le contenu de theCUBE ou SiliconANGLE.)
