Selon McCurdy, un autre avantage de l’utilisation de la technologie cloud est la capacité d’analyser les données et de briser les silos, ce qui facilite l’utilisation de l’IA et du ML pour relever les défis d’interopérabilité.
Les défis courants incluent le stockage local de grandes quantités de données provenant d’équipements de recherche tels que des microscopes et des spectromètres, ce qui crée une barrière pour l’archivage, le traitement et le partage de données en toute sécurité, explique McCurdy. En plus de ces données, il y a eu un afflux de données provenant de capteurs, d’appareils mobiles et d’appareils médicaux ces dernières années. Surmonter ces défis a le potentiel de faire progresser la médecine de précision et d’améliorer les résultats pour les patients.
« La plupart des données sur les soins de santé sont souvent incomplètes et incohérentes. Il est souvent non structuré et stocké dans des formats disparates tels que des notes cliniques, des rapports de laboratoire, des réclamations d’assurance, des images médicales, des conversations enregistrées et des données de séries chronologiques. Il est donc extrêmement difficile pour les organisations de traiter, d’extraire des informations et d’analyser à grande échelle », dit-il. « Au cours de la prochaine décennie, donner un sens à toutes ces données offrira la plus grande opportunité de transformer les soins. Cependant, cette transformation dépendra principalement de la circulation des données là où elles doivent être au bon moment, tout en étant traitées de manière sécurisée et protégeant les informations privées des patients. »
Le cloud computing et les modèles ML peuvent aider les organisations de santé à briser les silos de données et à digérer les informations pour qu’elles soient précises, pertinentes et exploitables. Cela permet aux organisations de se concentrer sur les soins aux patients tandis que la technologie cloud normalise, indexe, structure et analyse automatiquement les données pour elles, explique McCurdy.
« Aujourd’hui, nous assistons à une vague d’organisations de soins de santé qui migrent vers le cloud, ce qui permet aux chercheurs d’agréger et d’harmoniser les données de recherche et développement avec des informations provenant de l’ensemble de la chaîne de valeur tout en bénéficiant d’options de calcul et de stockage plus rentables que infrastructure sur site », dit-il. « L’informatique à grande échelle basée sur le cloud et le ML permettent aux organisations de collaborer sur des ensembles de données, de créer et d’exploiter des infrastructures mondiales pour maintenir l’intégrité des données et d’effectuer plus facilement des analyses basées sur le ML pour accélérer les découvertes et réduire les risques des candidats plus rapidement. »
EXPLORER: Comment CDW peut aider les systèmes de santé à améliorer la prise de décision basée sur les données grâce à l’analyse.
Comment les données probantes du monde réel accélèrent-elles les essais cliniques ?
Selon la Food and Drug Administration des États-Unis, les développeurs de produits médicaux utilisent des données et des preuves du monde réel pour concevoir des essais cliniques et des études observationnelles dans le but de créer de nouvelles approches de traitement. RWE peut également être utilisé pour surveiller la sécurité post-commercialisation et les événements indésirables.
RWD peut ajouter de la valeur tout au long du processus d’essai clinique en augmentant l’efficacité et en réduisant les délais de mise sur le marché de traitements potentiellement vitaux.
« Ces clients constatent des gains à toutes les phases du processus d’essai clinique, notamment des délais de développement de médicaments réduits, une complexité réglementaire simplifiée et des vues plus holistiques des patients pour une meilleure compréhension », déclare McCurdy. « Dans la découverte de médicaments, l’analyse de RWD révèle des informations vitales sur les performances et la sécurité des médicaments, de sorte qu’elle fournit une boucle de rétroaction importante dans les équipes de R&D de développement de médicaments. Il en va de même après l’approbation, où RWD est utilisé pour garantir la conformité de l’industrie et identifier tout événement indésirable.
Eagle dit que les essais cliniques sont un échantillon de données du monde réel qui contrôlent de nombreuses différences pour évaluer l’impact d’une variable. La RWD ne peut pas remplacer les essais cliniques, mais elle peut accélérer la capacité des chercheurs à poser les bonnes questions lors d’un essai. Ils peuvent se tourner vers les preuves du monde réel pour déterminer ce qui se passe et prendre les mesures nécessaires pour déterminer pourquoi.
Cette approche de recherche potentielle ne peut permettre ces déterminations que lorsque les ensembles de données contiennent le bon type d’informations.
« Mon plus grand conseil pour créer et lancer des preuves du monde réel est de trouver la base de données qui couvre les paramètres ou les variables à analyser plutôt que de créer une base de données et de se rendre compte plus tard que les ensembles de données manquent de données importantes », déclare Eagle. .
PLUS DE HEALTHTECH : Comment le cloud hybride libère-t-il la puissance de la gestion des données cliniques ?
Quel est l’avenir des données du monde réel dans le domaine de la santé ?
Avec les investissements dans l’IA et le ML, les industries de la santé et des sciences de la vie assistent désormais à la démocratisation de la génomique, et la « multi-omique » devient la nouvelle norme pour mieux comprendre le corps, comment il réagit et comment le traiter au mieux plutôt que de traiter un la maladie ou la population, dit McCurdy.
Il ajoute qu’en utilisant les technologies cloud et le traitement du langage naturel, les organisations de soins de santé peuvent associer le ML à l’interopérabilité des données pour aider à découvrir de nouvelles façons d’améliorer les soins aux patients, d’améliorer les résultats et de sauver des vies tout en favorisant l’efficacité opérationnelle pour aider à réduire le coût global des soins.
À mesure que le domaine de l’analyse de données et de l’IA évolue dans les soins de santé, Eagle affirme que la capacité d’accéder à des données et des analyses en temps réel ou presque en temps réel augmentera, rendant l’industrie plus agile.
