« Healthy Data » : des données saines pour une vie saine

La majorité des spécialistes en données ont une « affinité » avec les big data et les « wide » data.

Au fil des années, ces deux concepts ont joué un rôle croissant dans les entreprises, mais aussi dans les administrations, les autorités chargées de l’éducation et les médias. Grâce aux big data et l’analyse de grandes quantités de données, nous avons connu des développements qui permettent aux entreprises de mieux s’orienter vers le futur.

Désormais, les données constituent la base de la vie moderne. Les organisations et les individus en dépendent et c’est souvent un élément essentiel de la prise de décision. Cependant, des données non organisées et peu fiables sont non seulement une charge, mais également un obstacle. Les organisations ont toujours besoin de données « propres », fiables et précises à tout moment et en tout lieu. Elles doivent englober toutes les sources, sans failles, être prêtes à l’action et permettre une meilleure prise de décision. C’est ce que nous appelons les « Healthy Data ». Nous parlons aussi de « données exploitables » : les données qui peuvent réellement être utilisées pour faire une analyse fiable et efficace.

En d’autres termes, les « Healthy Data » sont des données rendues accessibles et exploitables pour le secteur des soins de santé. Elles permettent de tirer des conclusions claires. Il arrive qu’en analysant la totalité d’une base de données, on n’obtienne toujours pas les conclusions souhaitées. En revanche, une analyse de la partie pertinente de la base de données, permettra de recueillir des informations précieuses qui conduiront à des actions efficaces.

L’impact réel des Healthy Data

Tout cela peut paraître assez vague, car que signifient concrètement les « Healthy Data » pour le secteur des soins de santé ?

Pensez à un patient qui saisit ses données et les partage avec un prestataire de soins de santé. Un algorithme sur base d’Intelligence Artificielle (IA) ou une fonction Machine Learning (ML) peut analyser les données existantes et tirer une conclusion préliminaire basée sur les données du patient et les données anonymisées de patients comparables. Sur la base de cette analyse, l’algorithme peut formuler un avis à l’intention du prestataire de soins qui vérifie la conclusion de l’algorithme et la confronte à ses propres résultats afin de parvenir à un diagnostic final. Ou mieux encore, au moment où le patient saisit ses données, l’algorithme peut déjà lui montrer au patient ses premiers résultats, ce qui ameliore par conséquent la communication entre le professionnel de la santé et le patient.

Les Healthy Data comme remède partiel contre le COVID-19

Les Healthy Data permettent donc aux utilisateurs de réaliser de grands progrès. Aujourd’hui, nous observons les premiers résultats de cette synergie, mais il reste encore un long chemin à parcourir en termes de nouvelles possibilités et, malheureusement, d’obstacles à franchir. Si nous analysons concrètement combien de fois les flux de données ont été mal ou trop lentement interprétés pendant la crise du Covid-19, on ne peut qu’en tirer la conclusion que la route est encore longue. Nous aurions pu éviter beaucoup de souffrances si des flux de données plus efficaces avaient été utilisés correctement. En d’autres mots, les plates-formes de données sont des outils incontournables pour lutter contre le Covid-19 et bien d’autres maladies.

Nous aussi, chez InterSystems, nous essayons de contribuer à cette cause. Avec notre innovation récente appelée InterSystems IntegratedML, nous vous donnons un avant-goût du futur.

InterSystems IntegratedML est une fonction intégrée dans la plateforme de données InterSystems IRIS offrant toutes les fonctionnalités et tous les avantages du Machine Learning traditionnel. Parce qu’il est intégré dans InterSystems IRIS, il est possible de développer et d’implémenter des applications avancées sans devoir extraire ou déplacer des modèles ou des données.