Recueillir et analyser les données en temps réel ouvre de nouvelles perspectives en santé ! Par exemple, les outils d’analyse prédictive permettent l’anticipation de certaines complications et ainsi évitent ou retardent l’hospitalisation des patients.
Des outils pour l’essor de la médecine prédictive
L’analyse continue d’une situation suppose de pouvoir consolider divers indicateurs de natures différentes. Ces indicateurs alimentent des outils d’interprétation et de décision très utilisés en e-santé et en télémédecine.
CristalData met en œuvre des technologies inspirées du Big Data, permettant de croiser des données disparates et volumineuses pour leur donner du sens. Des algorithmes décisionnels éprouvés, de type régression logistique, ou analyse bayésienne, permettent de déduire des tendances et des préconisations. Ils apportent aux professionnels des éléments objectifs d’aide à la décision.
Dans le domaine de la santé, ce sont à la fois des signaux forts et des signaux faibles qu’il faut recueillir et interpréter.
- Les signaux forts, plus rares, sont très signifiants mais limités à certaines grandeurs typiquement physiologiques : poids, tension artérielle, glycémie …
- Les signaux faibles sont moins facilement interprétables, mais plus nombreux, plus variés et peuvent fournir des faisceaux d’indices sur des grandeurs plus difficiles à apprécier : énergie, volonté, sociabilité, optimisme…
L’intérêt des signaux faibles dans le suivi holistique de la personne ne fait aucun doute. Il est par exemple acquis que des facteurs tels que l’abattement ou l’angoisse augmentent le risque de dégradation de la santé. Deux difficultés résident : le mode de collection de ce type de données et leur poids dans le calcul d’un risque.
CristalData investit le prédictif
Pour votre projet dans le décisionnel ou le prédictif, CristalData propose de vous accompagner pour construire des solutions combinant :
- Le recueil de données de type signaux forts ou signaux faibles, obtenues grâce à des objets connectés, des dispositifs médicaux, des scores issus de divers questionnaires établis avec les professionnels de terrain, des données du ou des dossiers patients…
- L’analyse des données via des algorithmes validés, de type régression logistique ou analyse Bayésienne.
- L’utilisation de dires d’experts et résultats d’études passées pour paramétrer le modèle.
- L’injection des résultats obtenus au fil de l’eau pour affiner le modèle, sur un mode « Machine Learning ».
Consultez nos études de cas
-
P2link : Un coeur prédictif au service des patients souffrant de maladie chronique
P2link commercialise des solutions intégrées de monitoring et de gestion des risques patients. Pour compléter la gamme de produits P2link, CristalData a développé un moteur prédictif permettant de suivre les patients au domicile et d’envoyer des alertes aux professionnels de santé si l’état de santé du patient se dégrade.
-
FSI : Le monitoring nutritionnel professionnel au service des particuliers
La société FSI, précurseur sur le marché des logiciels de suivi nutritionnel à destination des structures de santé va plus loin en proposant une solution de monitoring nutritionnel pour le grand public. FSI lance Nutritoring, une application développée par CristalData de suivi nutritionnel des utilisateurs couplée à un service de conseil effectué par des nutritionnistes.
-
H2Box : Un boitier intelligent pour le suivi à domicile
La société H2AD est opérateur d’un plateau de téléassistance et fournisseur de solutions de maintien à domicile. Pour H2AD, CristalData a assuré la direction du développement de son boitier d’analyse comportementale H2Box. Ce boitier est capable de déterminer, sur la base des informations qu’il recueille, une dégradation de l’état de santé de l’habitant et de générer, le cas échéant, une alarme.