Activation de l’extraction de données à partir de documents non structurés pour une application de gestion des soins de santé

Notre client vise à créer un système dans l’interface interne de son application qui permet aux médecins d’analyser rapidement les dossiers de santé des patients (données non structurées) pour prodiguer des soins efficaces.

Notre client propose un programme complet de traitement de l’obésité qui vise à changer l’approche traditionnelle du traitement de l’obésité. Ils s’engagent à doter les médecins d’outils technologiques avancés, notamment des plateformes de soins virtuels qui offrent de la télésanté, une aide à la décision clinique, une surveillance à distance des patients, des outils de formation en ligne et des plans de traitement médical personnalisés adaptés aux besoins uniques de chaque patient.

• Les médecins ont rencontré des difficultés pour gérer et analyser les documents non structurés des patients dans l’application de gestion de l’obésité, notamment les rapports de laboratoire provenant de plusieurs fournisseurs.
• L’extraction et l’interprétation manuelles des données cruciales sur les patients à partir des documents PDF prenaient du temps et exigeaient beaucoup de ressources humaines, ce qui avait un impact sur l’efficacité opérationnelle.
• L’incapacité d’afficher les dossiers historiques des patients dans une vue unifiée a entravé la capacité des prestataires (médecins) à suivre les tendances des indicateurs de santé des patients.
• Ils ont rencontré des problèmes d’intégrité des données lors de la conservation des dossiers médicaux précis des patients dans leur base de données.

• Nous avons utilisé AWS Texttract pour extraire efficacement du texte à partir de documents patient non structurés stockés dans leur système interne.
• Nous avons développé une solution personnalisée utilisant les services AWS pour identifier et rectifier les anomalies/valeurs manquantes dans les données des patients extraites.
• Nous avons adopté une approche indépendante du cloud dans cette mise en œuvre, facilitant ainsi la migration future vers d’autres services cloud avec une intervention manuelle minimale.

• Notre algorithme personnalisé a facilité la transmission des valeurs manquantes dans les données patient extraites au système de journal des erreurs. Ces journaux stockaient temporairement les données manquantes ou d’erreur marquées comme exception.
• Nous avons permis à leurs administrateurs d’accéder de manière transparente aux journaux d’erreurs et de mettre à jour les dossiers des patients dans le système de dossier de santé électronique (DSE).
• Nous avons intégré les données vérifiées des patients dans leur base de données afin de fournir une vue unique des données des patients pour une analyse complète. Ce système leur a permis de stocker les données de leurs patients sous forme de tableaux, ce qui a facilité leur processus d’analyse de données et contribué à fournir de manière transparente de meilleurs soins aux patients.

• Une meilleure visibilité sur l’historique des patients a permis aux prestataires de soins d’analyser efficacement les tendances pour une prise de décision plus éclairée.
• L’accès simplifié aux données des patients a facilité les recommandations de médicaments basées sur des informations complètes. Nous avons également permis d’exploiter les données historiques pour les algorithmes de recommandation afin d’élaborer des recommandations de soins de santé pour les nouveaux patients en fonction de leurs paramètres vitaux tels que le poids corporel, le nombre de globules blancs et de globules rouges.
• Mise en œuvre d’un processus robuste d’élimination des doublons pour les patients, réduction des frais administratifs et garantie de l’intégrité des données dans les dossiers des patients.