Apprentissage automatique pour la gouvernance des données en milieu hospitalier

Découvrez comment Clinovera a travaillé avec un système de santé américain de premier plan pour développer un catalogue consultable de plus de 100 000 informations analytiques organisées et classées automatiquement à l'aide d'outils des apprentissage automatique innovants, avec une implication humaine minimale.

À propos du client

• Système américain leader de centres médicaux universitaires et d’établissements de soins
• Activité client : soins aux patients, recherche clinique
• Résumé : Développer un catalogue consultable d'informations exploitables et précieuses sur les patients à l'aide de l'apprentissage automatique
• Services : Intelligence artificielle, apprentissage automatique, développement desapplications

Description

L'adoption généralisée des systèmes de DSE apporte une grande quantité de données disponibles pour le reporting et des autres informations analytiques. En fait, les organismes de santé génèrent régulièrement des milliers de tels artefacts analytiques, quotidiennement ou hebdomadairement. Ce flux continu d’informations analytiques est souvent éprouvant pour l’infrastructure et constitue un fardeau pour le personnel informatique de support.

Pour augmenter la valeur des analyses disponibles et potentiellement réduire le nombre de ces artefacts, il est important de répondre aux questions suivantes :

• Quelles mesures cliniques, opérationnelles ou financières sont associées à un rapport ou un tableau de bord?
• Un rapport donné est-il une copie complète et/ou partielle d’un autre rapport?
• Ces rapports font-ils référence aux mêmes éléments de données corrects dans le DSE source?
• Qui sont les bons consommateurs de ces informations au sein des organisations, et qui devrait avoir le droit d’y accéder?

L'équipe Clinovera a été engagée par un système de santé américain de premier plan pour créer un catalogue consultable contenant plus de 250 000 rapports pouvant être automatiquement organisés et classés.

Résultats

En utilisant des algorithmes d'apprentissage automatique pour détecter les doublons et les similitudes dans les rapports et fournir les bonnes mesures et l'appartenance au portefeuille, nous avons créé un système d'analyse utilisable et dynamique. À mesure que de nouvelles connaissances analytiques sont développées, ces processus continuent d’évoluer et de s’améliorer avec une implication humaine minimale.