Les organisations de santé surveillent l'interopérabilité des solutions de gestion de cabinet, des dossiers médicaux électroniques et d'autres systèmes pour détecter les divergences de données entre eux, qu'il s'agisse d'applications cliniques, administratives, financières ou orientées client, explique Kunney. Les organisations surveillent également l'exactitude et l'efficacité des données.
Lin explique comment l’observabilité permet aux organisations de santé de surveiller de manière globale les composantes des soins à distance, notamment la qualité de la connectivité lors des séances de télésanté et les performances des dispositifs de surveillance à distance. Les outils d’observabilité peuvent détecter si une transaction telle que la planification ou la facturation prend plus de temps que prévu, ce qui pourrait amener un client à appeler un prestataire plutôt que d’utiliser des outils en ligne, explique Lin. Il note que les prestataires de santé essaient d’éviter ces appels pour améliorer la productivité et permettre aux applications de fournir des informations aux clients à la place.
Comment les systèmes de santé utilisent les journaux, les mesures et le traçage distribué
« De la même manière que les prestataires investissent dans la santé de la personne dans sa globalité, les prestataires commencent à investir dans la santé du système dans son ensemble », explique Morgan.
Tout comme les prestataires de soins de santé cherchent à détecter précocement l’état des patients, les responsables informatiques utilisent la détection et l’automatisation en temps réel pour obtenir une visibilité sur le comportement du système et permettre des performances optimales en repérant les problèmes avant qu’ils ne s’aggravent, dit-elle.
En utilisant des outils d'observabilité pour suivre les informations sur les données, les organisations de soins de santé peuvent relever les défis commerciaux liés à la chaîne d'approvisionnement et aux achats, à la prévision de la demande et à la prestation de soins à distance, explique Morgan.
Les journaux fournissent un historique et permettent aux organisations de santé de réagir aux données. Les organisations peuvent recueillir un aperçu de l'activité des utilisateurs et repérer les erreurs potentielles. Elles peuvent également attribuer des règles qui réagissent aux anomalies dans les données historiques, explique Kunney.
De plus, des mesures prédéfinies permettent aux organisations de suivre les alertes pour voir si un système a dépassé les seuils normaux, dit-il.
L'observabilité inclut également le traçage distribué, qui intervient lors de la phase de surveillance d'une application et implique une analyse forensique de l'application. Le traçage distribué permet aux organisations de santé de détecter les anomalies ou les inexactitudes dans les données ainsi que les problèmes de performances, explique Kunney.
« Cette technique de traçage distribué est un moyen de commencer à suivre et à visualiser de manière globale le flux de ces demandes. Vous pouvez alors comprendre, de bout en bout, ce qui se passe dans le système et essayer d’identifier où se trouvent les goulots d’étranglement et les échecs », explique Kunney.
« Les journaux sont vraiment utiles pour le dépannage, et les traces permettent vraiment de comprendre les différentes dépendances entre les services et les systèmes », explique Lin.
Le fait qu'une organisation de soins de santé utilise des journaux ou un traçage dépend du type de données qu'elle essaie de collecter ou du problème qu'elle doit résoudre, dit-il.
Comment l'IA et le ML vont créer l'observabilité de nouvelle génération
Kunney note que l’intelligence artificielle et l’apprentissage automatique permettent aux organisations de soins de santé d’auto-réparer leur infrastructure informatique.
« À mesure que nous essayons de nous éloigner du contact humain et de créer davantage de réponses automatisées et d’auto-réparation, il peut identifier les lacunes et corriger automatiquement les endroits où ces problèmes pourraient survenir », explique Kunney.
À mesure que l’observabilité évolue, l’IA et le ML pourraient permettre aux organisations de soins de santé de traiter et d’évaluer les données provenant de divers systèmes plus rapidement et avec plus de précision. L’observabilité de nouvelle génération inclura également davantage de mesures en temps réel plutôt que de vérifier les journaux d’il y a une semaine ou un mois, explique Kunney.
Les modèles ML peuvent analyser les modèles dans les traces et les journaux pour identifier la cause d'un problème, explique Wilson.
« Du côté du réseau, l’observabilité basée sur l’IA peut analyser le trafic réseau pour détecter les menaces potentielles à la sécurité et déclencher une réponse pour les atténuer », explique Wilson. « Du côté des patients, les outils d’observabilité peuvent suivre l’état des appareils médicaux connectés, tels que les stimulateurs cardiaques, et nous alerter de manière proactive si les mesures de performance indiquent une défaillance potentielle, ce qui nous permet de résoudre les problèmes avant qu’ils ne deviennent critiques. »
Les organisations en sont aux premiers stades de l’utilisation de l’IA générative à des fins d’observabilité, explique Lin.
« L’IA générative et les grands modèles linguistiques sont appliqués à ce domaine d’une manière qui aide au raisonnement sur les différentes sources de données qui pourraient augmenter ce qu’un humain devrait autrement trier », dit-il.