Gestion des soins de santé au sein de la population

Améliorez les résultats pour vos patients et réduisez vos coûts

Une gestion efficace des soins de santé offre de nombreux avantages aux systèmes de santé, aux professionnels, aux patients, au personnel et aux organismes de paiement. Elle peut aider à améliorer les résultats en matière de santé, à élever le niveau d'expérience des patients, à réduire les disparités en matière de santé, à identifier les inefficacités et les lacunes en matière de soins et à contrôler le coût des soins. Cependant, pour être efficace, cette gestion nécessite l'accès à de grandes quantités de données précises et en temps quasi réel depuis plusieurs sources. Les outils doivent aussi permettre de connecter des ensembles de données hétérogènes et d'utiliser ces données pour en extraire des informations exploitables. Quant aux garanties, elles doivent pouvoir assurer la sécurité des données à tout moment.

Pour atteindre ces objectifs et prendre en charge des stratégies efficaces, les systèmes de santé ont besoin d'une plateforme de données capable de capturer, stocker, gérer et obtenir des informations à partir de données collectées depuis des systèmes administratifs, omiques, cliniques et opérationnels à l'aide d'un data lakehouse. L'infrastructure de la plateforme doit disposer d'un cadre solide de gouvernance des informations comprenant une norme d'exclusion citoyenne ainsi que des normes d'interopérabilité, de données et de cybersécurité. La plateforme doit également fournir des analyses avancées, du machine learning et des analyses cognitives, qui sont essentielles pour concevoir des méthodologies efficaces et robustes de stratification des risques et pour surveiller la santé des patients au fil du temps. Grâce à la capacité de consolider les données des patients réparties dans de nombreux systèmes d'information de santé en un seul dossier, les équipes de santé peuvent développer des informations exploitables qui amélioreront les résultats pour les patients tout en réduisant les coûts pour le patient, le prestataire et l'organisme de paiement.

Utiliser toutes les données

De nouvelles approches sont nécessaires pour identifier les besoins actuels en matière de soins de santé et prévoir ce dont les patients auront besoin à l'avenir. L'architecture suivante démontre comment Oracle Data Platform est conçue pour prendre en charge la gestion des soins de santé en capturant, en stockant, en conservant et en analysant les données afin de mieux comprendre les besoins des patients et de fournir des informations exploitables.

Il existe trois principales façons d'injecter des données dans une architecture pour permettre aux organismes de santé de comprendre de manière optimale leurs patients.

• Pour comprendre les patients, il est impératif de connaître leur histoire médicale. Pour ce faire, les organismes de santé doivent obtenir tous leurs dossiers d'admission et de transfert de tous les systèmes d'information de soins de santé. Ces données peuvent être enrichies avec les données des patients provenant de sources tierces, telles que les données non structurées issues des réseaux sociaux, etc. Les extractions fréquentes en temps réel ou quasiment en temps réel nécessitant une capture des données de modification sont courantes, et les données sont régulièrement ingérées à partir des systèmes opérationnels d'admission et de rejet à l'aide d'OCI GoldenGate. OCI GoldenGate est également un composant essentiel de l'évolution des architectures de maillage de données, où les « produits de données » sont les objets de données centraux.
• Nous pouvons désormais ajouter des flux de données à partir de dispositifs médicaux qui seront ingérés en temps réel à l'aide d'un service de diffusion en continu/Kafka. Cela inclut non seulement des données de tous les appareils et des moniteurs qu'un médecin peut observer directement, mais il inclut également des données de tous les dispositifs personnels portables utilisés par un patient, ce qui peut aider son équipe de soins à mieux comprendre ses symptômes et son mode de vie lorsqu'il est en dehors du centre de traitement. Ces données en flux (événements) seront assimilées à des transformations/agrégations de base qui se produiront avant le stockage dans le stockage cloud.
• Alors que les besoins en temps réel évoluent, l'extraction la plus courante des systèmes de santé est une sorte d'ingestion par lots à l'aide d'un processus d'extraction, de chargement et de transformation ou d'extraction, de transformation et de chargement. L'ingestion par lots permet d'importer des données à partir de systèmes qui ne prennent pas en charge la transmission en continu de données (par exemple, d'anciens systèmes centraux). Pour obtenir une compréhension globale de chaque patient, nous avons également besoin de données provenant de systèmes opérationnels, tels que des systèmes de facturation, et de données arrivant via le protocole FHIR (Fast Healthcare Interoperability Resources) à partir de dossiers médicaux personnels ou d'applications de dossiers médicaux personnels. Les données proviennent de différents produits et zones géographiques. Ces extractions peuvent être ingérées fréquemment, par exemple toutes les 10 ou 15 minutes, mais il s'agit par nature d'un traitement par lot. Les groupes de jeux de données traités sont extraits et traités plutôt que des transactions individuelles.

Les options de persistance et de traitement des données collectées reposent sur trois (éventuellement quatre) composants.

• Les données brutes imbriquées sont stockées dans le stockage cloud pour le traitement par lots, qui effectue notamment le nettoyage et l'enrichissement nécessaires pour rendre les données consommables en aval par les utilisateurs, qui peuvent être des personnes, des applications ou des plateformes d'apprentissage automatique. Bien que certaines données puissent être placées directement dans le dépôt de données de service, elles sont également placées simultanément dans le stockage cloud. Ces données seront traitées à l'aide de Spark. Le traitement peut être effectué directement à l'aide d'OCI Data Flow ou dans le cadre d'un pipeline plus important à l'aide des fonctionnalités d'orchestration d'OCI Data Integration. Ces ensembles de données traités sont renvoyés au stockage cloud pour persistance, conservation et analyse ascendantes, et finalement pour chargement sous forme optimisée dans le dépôt de données de service. Selon les préférences en matière d'architecture, vous pouvez également effectuer cette opération avec Oracle Big Data Service en tant que cluster Hadoop géré.
• Nous avons créé des ensembles de données traités prêts à être rendus persistants sous forme relationnelle optimisée pour le traitement et les performances des requêtes dans le dépôt de données de service. Cela permettra aux professionnels de la santé de mieux répondre aux besoins d'un patient dans le but d'éviter de les admettre ou de les réadmettre en tant que patient hospitalisé.

La partie analyse repose sur deux technologies.

• Les services d'analyse et de visualisation fournissent des analyses descriptives (descriptions des tendances actuelles avec des histogrammes et des graphiques), des analyses prédictives (prédiction des événements futurs, identification des tendances et détermination des probabilités de résultats incertains) et des analyses prescriptives (propositions d'actions appropriées conduisant à une prise de décision optimale). Ensemble, ils peuvent être utilisés pour prédire les besoins des patients et offrir des interventions appropriées. Par exemple, l'analyse peut prédire si un groupe de patients d'un certain âge, vivant dans une zone spécifique, soumis à des impacts environnementaux variables et prescrit une combinaison spécifique de traitements pourrait développer une certaine maladie chronique.
• Outre l'utilisation d'analyses avancées, les modèles de machine learning sont développés, entraînés et déployés. Ces modèles sont accessibles via des API, déployés dans le dépôt de données de service ou intégrés dans le pipeline OCI GoldenGate streaming analytics.
• Nos règles et politiques de gouvernance peuvent être appliqués à nos données et modèles conservés, testés et de haute qualité, et peuvent être exposés en tant que produit de données (API) au sein d'une architecture de maillage de données à des fins de distribution dans l'ensemble de l'organisme de santé.

Réduisez la complexité et les coûts de gestion des soins de santé avec la bonne plateforme de données

La bonne plateforme de données peut aider les organismes de santé à tirer le meilleur parti de toutes les données disponibles pour concevoir des services de santé plus cohérents, rentables et durables. Cela comprend des plans de soins plus adaptés et un meilleur accompagnement des patients, tels que des interventions précoces et proactives, comme des dépistages de routine, qui peuvent améliorer les résultats en matière de santé ainsi que l'implication et la satisfaction des patients.