Nous sommes le partenaire privilégié des établissements et des industriels pour le traitement des données de santé.
Etudes sur des données de vie réelle
Remonter des informations sur des plans épidémiologique et pharmacologique. Mesurer l’efficacité d’un traitement sur le terrain.
Essais Cliniques
Un outil de pre-screening facilitant l’inclusion des patients à partir des données du DPI
Analyse du parcours de soin
Analyser plus finement et mieux comprendre le parcours de soins d’une aire thérapeutique avec un accès complet aux données sources, à l’aide de l’IA
Un réseau d’établissements hospitaliers partenaires
Notre plateforme facilite la mise en œuvre d’études multicentrique
Granularité et exhaustivité des données patients incluses dans le DPI.
Prescriptions de médicaments hospitaliers et résultats de laboratoire détaillés par patient.
Accès aux événements indésirables liés à l’administration de médicaments.
Absence de biais liés aux pratiques du codage.
Temps d’accès aux données très rapide (24h vs 12-18 mois pour le SNDS).
NOTRE TECHNOLOGIE
LE MACHINE LEARNING
Le machine learning permet de développer des modèles prédictifs performants à partir de gros volumes de données, et de prendre en compte la notion de contexte, ce qui n’est pas possible pour les moteurs de règles ou les moteurs d’analyse sémantique.
Il est donc possible d’automatiser des processus de décisions complexes ou de détecter des signaux faibles ignorés par l’homme. Le moteur de Machine Learning du logiciel SANCARE repose sur une approche probabiliste. Il apprend sur une grande quantité d’exemples à prédire les bons codes, sans aucune indication.
A partir de toutes les données numérisées du Dossier Patient Informatisé d’un établissement (comptes-rendus, notes médicales, résultats d’examens, prescriptions pharmaceutiques, dossier infirmier, etc.), le logiciel extrait des DPI une empreinte riche en informations et adaptée à l’interprétation statistique qu’il sait relier facilement aux codes. Cela lui permet ensuite de prédire avec un fort taux de fiabilité les résultats sur de nouvelles données.
L’intérêt de l’utilisation de ces algorithmes réside dans leur capacité à détecter des relations beaucoup plus fines ou plus rares que des individus ne pourraient faire.
NOS PARTENAIRES
