Valoriser les données non structurées dans le secteur des soins de santé : 3 avantages

Les gens travaillent de préférence avec les données structurées. Celles-ci peuvent être très bien analysées, filtrées ou mises en relation. Mais tous les secteurs n'ont pas de données structurées sous la main. Dans le milieu médical, par exemple, les données disponibles sont essentiellement de nature textuelle. Les docteurs et les spécialistes présentent généralement leurs découvertes sous forme de texte. Il en résulte des dossiers médicaux avec de longs passages de texte. L'analyse de ces données est chronophage.

Il existe toutefois une solution, à savoir la technologie iKnow. Cette technologie est axée sur la valorisation des données non structurées. La solution comprend une méthode qualitative permettant de réunir toutes les informations pertinentes dans les textes et de les structurer sous forme de concepts et de relations réciproques. Les informations pertinentes sont indexées sur la base de la reconnaissance de relations au sein d'une phrase. Les mots entre ces relations génèrent alors automatiquement des groupes de mots (= concepts) significatifs. La définition préalable de termes selon les découpages du texte, chose courante dans les thésaurus et les ontologies par exemple, n'est dans le cas présent pas nécessaire.

Cette technologie est très utile dans le secteur médical. La valorisation des données non structurées au sein de ce secteur offre en effet quelques avantages non négligeables :

1. Rapidité et économieDans le milieu médical, la rapidité est cruciale. Grâce à l’utilisation de la technologie iKnow, les médecins et les praticiens sont capables de faire plus rapidement le rapport  entre les différentes parties d'un dossier médical. Faire remonter rapidement certaines informations à la surface permet de sauver des vies. La rapidité est également synonyme d'économies, car les praticiens perdent moins de temps à passer manuellement en revue les dossiers. Ils peuvent mieux mettre leur temps à profit.
2. Encodage automatiqueL'indexation des rapports d'entretiens préalables ou de diagnostics de médecins se prête parfaitement à un encodage automatique au bénéfice de l'imputation des coûts financiers. De plus, il permet également d'économiser du temps et de l'argent, et le risque d'erreurs s'en voit réduit.
3. Étude cliniquePouvoir sélectionner des patients souffrant de conditions particulières pour des études cliniques ou des protocoles médicaux fournit de bien meilleurs résultats si l'on peut également faire usage de tous les rapports des patients. La qualité de l'étude clinique s'en voit améliorée.

L'exemple pratique de l'institution psychiatrique Parnassia prouve que la valorisation des données non structurées est largement applicable au secteur médical, et n'est pas uniquement utile pour, par exemple, des dossiers médicaux électroniques.

Parnassia a eu recours à iKnow dans le cadre d'une expérience visant à mieux déterminer quand les patients doivent être séparés. Les rapports infirmiers et médicaux d'un groupe de patients déterminé, qui ont séjourné entre les mois d'octobre 2010 et d'avril 2011 dans un service d'admission d'urgence fermé, furent analysés à l'aide d'iKnow. Cette procédure avait pour but de tenter de mettre en lumière certaines structures dans le texte, afin de différencier les patients séparés des patients qui ne l'étaient pas.

L'étude portait sur la recherche de mots ou de combinaisons de mots qui précèdent typiquement une séparation ; Ces mots pourraient d'ailleurs avoir une valeur prédictive. En analysant les données, plusieurs termes au sein des dossiers revenaient sensiblement plus souvent chez les patients qui furent séparés ultérieurement : confus, demandant, conflit, état maniaco-psychotique, agitation motrice, impression d'apathie, impression psychotique, discussion, exigeant, contraignant, résistance, manie et agressif.

Une étude plus poussée révélera que la technologie peut en effet prédire quels patients ont plus de risque de devoir être admis en urgence. En tous les cas, il semble s'agir d'une solution prometteuse qui permet de faciliter le travail.
Vous connaissez d'autres avantages à la valorisation de données non structurées dans le domaine des soins de santé ? Ou avez une expérience personnelle en la matière ? Nous sommes curieux de connaître votre réaction.

 
Pour en savoir plus :

NLP et Covid-19

^{Source d'image : AdobeStock © Yakobchuk Olena 228896972}