Une intelligence d’affaires mieux conçue peut accélérer les initiatives d’IA

[ad_1]

Il y a un groupe d’intelligence d’affaires dans chaque système de santé. Son objectif est souvent à la fois large et vague, quelque chose comme « augmenter les revenus et la sécurité des patients tout en se conformant à toutes les réglementations et normes ».

Ces groupes BI sont sollicités lorsqu’un système de santé est confronté à un défi particulièrement épineux tel qu’un nouveau contrat de payeur à risques partagés en place qui nécessite une atténuation minutieuse des risques, entre autres exemples possibles.

Dans le monde des affaires, la BI se fait généralement autour d’un produit : combien de téléchargements, combien de fois un utilisateur a-t-il cliqué sur le bouton rouge, etc. Dans le domaine de la santé, cependant, la BI se fait généralement au plus haut niveau uniquement : le nombre de vies sauvées , dollars dépensés.

Les équipes de BI des soins de santé passent du temps à segmenter la population de patients, puis à suivre les résultats de ces segments de patients. Le problème, cependant, est que cette approche descendante passe souvent à côté des subtilités des interventions intermédiaires. Il y a souvent trop de facteurs de confusion : quelle intervention a réellement fonctionné ?

Ce lien des patients aux interventions et, enfin, aux résultats, exige que les équipes de BI passent beaucoup plus de temps à approfondir les détails. Cette compréhension liée nécessite la même rigueur dont les initiatives d’IA ont besoin pour réussir, être sûres et efficaces. Et cette compréhension ne se produit que grâce à une ingénierie minutieuse.

Chez Penn Medicine, nous avons créé des équipes de produits intégrées autour de nos applications d’IA. Ces équipes de produits se composent de scientifiques des données, de médecins et d’ingénieurs logiciels, pour n’en nommer que quelques-uns.

Cette année, nous avons également commencé à inclure un analyste BI, pour nous aider à prendre de meilleures décisions de conception de sorte que le lien entre les patients et les interventions et les résultats soit réalisable et facilement signalé via des tableaux de bord et des rapports.

Dans notre premier programme conjoint, nous avons déployé une application d’apprentissage automatique pour mieux trouver les dossiers de patients incomplets. Notre pilote a montré une amélioration immédiate, mais ces gains ont commencé à diminuer après le déploiement.

En raison du niveau d’ingénierie intégré à notre tableau de bord BI, nous avions un aperçu de ce qui se passait dans ces étapes intermédiaires et avons pu rapidement nous concentrer sur le problème et apporter des corrections.

L’intelligence d’affaires dans le domaine de la santé consiste à prendre les bonnes décisions. La science des données dans le domaine de la santé consiste à fournir des informations permettant une meilleure prise de décision. Les systèmes de santé qui tirent parti de l’alignement naturel de ces deux disciplines obtiendront probablement de meilleurs résultats plus rapidement.

Mike Draugelis est scientifique en chef des données chez Penn Medicine.

[ad_2]

Source link

Soyez le premier à commenter

Poster un Commentaire

Votre adresse de messagerie ne sera pas publiée.


*