L’analyse prédictive améliore le secteur de la santé

L’analyse prédictive, qui permet de faire des hypothèses sur des événements futurs, n’est pas uniquement au service du marketing. La collecte de données à grande échelle permet à l’analytique de faire des percées dans de nombreux domaines, et notamment à l’analyse prédictive de devenir capitale dans le domaine de la santé. Meilleure compréhension des patients afin de leur apporter le meilleur traitement, amélioration de l’efficacité et de la rapidité des soins, anticipation de troubles futurs… le Big Data et toutes les technologies d’analyse prédictive contribuent à optimiser au quotidien la gestion de notre santé. En voici la preuve.

Mieux identifier les populations cibles

Un plan de santé global, une stratégie de traitement contre la grippe, ou encore le déploiement de solutions matérielles pour des personnes précises, cela demande en amont une bonne connaissance du public ciblé. Apporter des soins et des conseils aux personnes qui en ont le plus besoin en analysant plusieurs sources d’information, c’est désormais possible. Entre les données officielles communiquées par les patients, les données personnelles partagées mais aussi les données de santé consolidées, il est désormais devenu plus simple de mener une évaluation des risques de santé de façon plus précise.  Il est possible d’observer ce qui motive les gens et comment changer leurs comportements face aux risques de santé, en mesurant par exemple les effets de campagnes de dépistage, ou encore les demandes d’informations. Comme en marketing, il est possible ainsi de définir des groupes de test, et de mener de véritables expérimentations, pour trouver qui a besoin d’aide. De grandes économies sont possibles en ciblant mieux les personnes qui ont besoin de se faire dépister pour un type de cancer, ou en trouvant un axe de communication qui parvient à passer les freins d’une certains classe d’âge. Les données permettent de mener de véritables tests A/B, comme en marketing traditionnel, mais avec ici comme public cible, les patients.

Exemple avec la prévention face au risque de diabète

Beaucoup d’entreprises de santé travaillent afin de trouver des traitements au diabète, mais le volet prévention lui aussi est essentiel. En effet, intervenir en amont auprès des patients qui font partie des groupes à risques peut réduire le nombre de personnes touchées. C’est alors que l’analyse de données prédictive entre en jeu, et aide les professionnels de santé. Un groupe de chercheurs américains a ainsi développé un modèle statistique pour aider à la prévention du diabète, en utilisant de nombreuses données collectées auprès de 3000 personnes. L’idée, donner aux patients un pourcentage de risque de développer du diabète, est leur recommander des actions à mener en conséquence. Le but est ainsi d’éviter d’infliger des traitements inutiles à des personnes qui n’ont que peu de risques de développer du diabète. « Nous pensons que cette approche devrait être largement utilisée« , explique le co-auteur de cette étude David M Kent, du Predictive Analytics and Comparative Effectiveness Center, au Tufts Medical Center. « Combien de patients reçoivent des traitements inutilement, alors que l’effet est limité, et que certains ont du mal à subir ces traitements et souffrent. Si ces types d’analyses étaient intégrées systématiquement, nous aurions une compréhension plus claire du risque« .

L’internet des objets, et les objets connectés de santé qui se multiplient, pourraient bien être cette passerelle qui reste à établir entre l’analyse prédictive et notre corps… qui garde ses parts de mystères ! Mais avec plus de données communiquées, parfois en temps réel, notre santé devrait encore s’améliorer…

Twitter
Visit Us
Follow Me
LinkedIn
Share