Les données de santé sont perçues comme la clé de l’avenir de la santé et des organisations de santé. Sauf que, jusqu’à aujourd’hui, très peu d’acteurs du système y ont vraiment accès. La nouvelle approche “no-code“ associée au machine learning est peut-être la pièce qui manquait au puzzle. Entretien avec Matthieu Ortala, Fondateur et Directeur Général de la start-up toulousaine Kaduceo, pionnière en France de cette approche pour le secteur de la santé et la gestion des hôpitaux.
Quelle est la place des données de santé dans le fonctionnement quotidien d’un hôpital ?
Matthieu Ortala : Depuis les balbutiements de la médecine, les données de santé sont les pierres angulaires des grandes avancées sanitaires. La recherche médicale, fondamentale ou clinique, s’appuie sur les données pour gagner en connaissance et en compréhension. Si les apports de la science des données pour la recherche clinique ne sont plus à démontrer, l’idée perdure cependant que la connaissance issue des données est réservée à une poignée d’initiés.
Rares sont les personnes au sein d’un établissement de santé qui ont accès à ces données, ce « trésor » comme certains les appellent, mais il n’y a de trésor que si on peut ouvrir le coffre. De plus, dans le quotidien hospitalier, le sujet de la donnée est souvent résumé comme une charge administrative (la saisie) sans valeur ni bénéfice pour le clinicien et les équipes terrain.
Les enjeux organisationnels de l’hôpital sont malheureusement nombreux et ont été accentués avec la crise Covid. Redonner du temps médical, rompre avec un fonctionnement réactif pour mettre en place une organisation proactive, répondre aux besoins d’anticipation qui se font sentir à tous les étages de l’hôpital… Tels sont les challenges auxquels le secteur doit faire face !
Alors comment (re)donner un nouveau sens aux données de santé pour aider l’organisation de l’hôpital ?
M.O. : L’intelligence artificielle, ou pour être plus précis le machine learning (la capacité à faire parler les données pour apporter un nouveau regard, sur le passé, mais aussi sur le futur) peut apporter des réponses aux problématiques opérationnelles et organisationnelles des professionnels de santé. Les apports du machine learning sont nombreux : construire un indicateur prédictif de durée d’hospitalisation spécifique à un établissement, mieux anticiper les flux d’arrivée de patients pour optimiser les besoins en personnels, calculer le risque d’annulations des rendez-vous.
Cependant, il n’y a que les professionnels de santé et directions des établissements qui sont au cœur des problématiques auxquelles seul le machine learning, adapté aux spécificités locales, peut répondre.
Mais comment donner les moyens à ces professionnels d’y aller marche après marche, d’avoir la main et d’être autonomes ?
M.O. : C’est là que l’approche « no-code » devient une évidence pour ce secteur en pleine mutation. Le no-code illustre la capacité d’une solution à supprimer la barrière de la programmation informatique pour être accessible à tous. Appliqué à la science des données et au machine learning, le no-code permet la construction simplifiée d’analyses statistiques exploratoires et de modèles prédictifs. Une boucle vertueuse se met alors en place : des données de qualité fournissent de meilleures prédictions et un usage quotidien des prédictions incite à une saisie de meilleure qualité.
La start-up toulousaine Kaduceo bouscule le secteur de l’IA en santé en développant la 1ère solution « no-code » de machine learning 100% santé. Retrouvez Kaduceo et les acteurs du village Catel sur Santexpo du 17 au 19 mai à Paris.
Pour aller plus loin
- Données de santé : entre volontarisme et vigilance
- Quelle stratégie pour l’exploitation des données de santé ?
- L’INDS veille, les données de santé prospèrent