Utilisation de l’IA générative, des graphes de connaissances et du traitement du langage naturel pour l’appariement des produits et des codes MedTech A

Les fournitures médicales comprennent une large gamme de produits, des instruments chirurgicaux aux bandages, qui sont utilisés dans les établissements de santé. La classification et l’attribution correctes de codes à ces fournitures médicales sont essentielles pour l’approvisionnement, le suivi, la facturation, les commandes, la gestion des stocks et la sécurité des patients.

Parmi les principaux défis à relever, citons le coût élevé des transactions de la chaîne d’approvisionnement des soins de santé (jusqu’à quatre fois plus élevé que dans d’autres secteurs), le gaspillage important (par exemple, des EPI COVID-19 d’une valeur de 5 milliards de dollars jugés « inutilisables »). En outre, à l’échelle mondiale, 10 à 34 % des dépenses de santé des pays OCED ont été gaspillées pour des soins inappropriés.

Nous avons décomposé le défi en code à code, code à produit, produit à produit, produit à preuve et produit à opportunité. Plus précisément

• Code à code : supposons que vous ayez un code tel que CPV et que vous souhaitiez le faire correspondre à votre propre code interne ou à d’autres codes tels que UNSPSC.
• Code à produit : imaginez qu’en tant qu’acheteur, vous intégrez un nouveau fournisseur avec 30 000 articles ou des articles auxquels vous devez attribuer des catégories. En tant que fournisseur, je dois filtrer ou attribuer un code d’acheteur à mes produits.
• Produit à produit : en tant qu’acheteur, j’ai beaucoup de produits dans mon panier de marchandises, de marques ou de fournisseurs différents, comment pouvez-vous comparer les produits pour trouver des produits similaires ? En tant que fournisseur, comment puis-je comprendre le paysage du marché ?
• Du produit à la preuve : en tant qu’acheteur, vous souhaitez examiner les preuves cliniques de nombreux produits, comment le faites-vous actuellement ? En tant que fournisseur, je souhaite voir ce que font mes concurrents.
• Du produit à l’opportunité : en tant qu’acheteur, je veux voir les produits du fournisseur, ou en tant que fournisseur, je veux voir les opportunités auxquelles je peux participer ou que font mes concurrents.

Voici une sélection des complexités liées à la classification :

• Complexité, diversité et problèmes de normalisation : La grande variété de fournitures médicales, chacune avec ses propres spécifications, rend la classification complexe. Il peut être difficile de différencier des produits présentant des variations mineures. Il peut y avoir un manque de conventions de dénomination et de catégorisation standardisées pour les fournitures médicales, en particulier entre les différents fabricants ou pays. Différents fournisseurs peuvent utiliser des noms, des codes ou des spécifications différents pour des produits similaires, ce qui complique le maintien d’une classification standardisée.
• Évolution continue des produits : Au fur et à mesure que la technologie médicale progresse, de nouveaux produits sont constamment introduits sur le marché. La mise à jour des systèmes de classification devient une tâche permanente.
• Catégories qui se chevauchent : Certaines fournitures médicales peuvent être classées dans plusieurs catégories, ce qui entraîne une certaine confusion quant à leur classification.
• Erreurs humaines, échelle et compétence : Des erreurs peuvent se produire lors de la saisie manuelle ou des processus de catégorisation, entraînant des classifications erronées. Le personnel doit être formé pour comprendre et utiliser correctement le système de classification, et cette formation doit être mise à jour au fur et à mesure de l’évolution du système.
• Exigences en matière de réglementation et de conformité : Des régions ou des pays différents peuvent avoir des réglementations différentes concernant les fournitures médicales, ce qui peut affecter la manière dont elles doivent être classées ou codées. Dans les contextes multinationaux, la traduction et la localisation peuvent rendre la classification encore plus complexe.
• Interopérabilité et intégration : Les différents systèmes d’un établissement de soins de santé, comme la facturation, les dossiers médicaux électroniques et la gestion des stocks, doivent communiquer de manière transparente. Des divergences dans la classification des codes peuvent entraîner des problèmes dans cette intégration. Les systèmes existants dans les hôpitaux ou les établissements peuvent encore s’appuyer sur des systèmes de classification obsolètes, ce qui entraîne des divergences lors de l’intégration avec des systèmes ou des fournisseurs plus récents. Les systèmes de classification doivent être compatibles avec les systèmes de gestion des stocks afin de garantir un suivi transparent de l’utilisation des fournitures médicales et des besoins de réapprovisionnement.

Pour relever ces défis, il faut combiner la technologie, la formation et une planification minutieuse. Les solutions peuvent consister à investir dans des systèmes modernes de gestion des stocks, à assurer la formation continue du personnel, à collaborer avec les fournisseurs pour la normalisation et à revoir et mettre à jour régulièrement les systèmes de classification. Il n’est pas possible de faire cela manuellement à l’échelle mondiale pour tous les produits et services de santé et cela nécessite une solution automatisée de suivi et de contrôle, heureusement avec l’émergence du big data, de l’IA générative et de l’analyse des graphes, c’est possible.

Alors que ChatGPT-4 peut être efficace pour résumer un texte, nos scientifiques ont constaté que son utilisation pour la correspondance de code à code, telle que GMDN à UNSPSC, conduit à l’attribution de codes de classification incorrects, même après une préparation minutieuse des données. Ces réponses inexactes sont un processus connu sous le nom d’hallucination et ont été largement discutées dans la presse comme un problème majeur pour la confiance et la qualité. Lorsque l’on fait correspondre un produit à un code, les choses peuvent aussi rapidement devenir incontrôlables en raison du bruit.

Vamstar possède une expérience approfondie en matière de science des données et d’intelligence artificielle dans les secteurs de la santé et des technologies médicales. Nous avons bénéficié d’un financement de premier plan d’Innovate UK pour la recherche et l’IA Venture, et nous collaborons activement avec des universités de premier plan.

Nous avons développé des solutions innovantes sous la forme d’une plateforme pilotée par les technologies de l’IA, pour permettre la standardisation et le catalogage automatisé des produits/services de santé, enrichis d’informations récoltées à partir de sources hétérogènes afin d’améliorer la prise de décision en matière d’approvisionnement.

Nous avons collecté, extrait à l’aide du langage naturel, normalisé et enrichi les plus grands ensembles de données d’appels d’offres publics au monde provenant d’acheteurs tels que des hôpitaux, des cliniques et des universités. Nous connaissons par exemple les appels d’offres en cours pour les produits MedTech, les fournisseurs retenus et les habitudes d’achat.

Parallèlement, nous avons collecté, normalisé et enrichi des produits et des articles à partir de catalogues de fabricants, de fournisseurs et de distributeurs en utilisant le traitement du langage naturel et l’IA générative. Cela nous permet de comprendre parfaitement les portefeuilles et les offres du côté de l’offre.

Nous avons combiné ces deux énormes ensembles de données spécifiques aux soins de santé et aux technologies médicales, et créé le plus grand graphe de connaissances qui nous permet d’effectuer des correspondances graphiques de produits et de codes à une échelle jamais vue auparavant, en utilisant des caractéristiques de produits de bas niveau et des spécifications dans le domaine des soins de santé dans toutes les langues.

Créer le plus grand graphe de connaissances au monde dans le domaine des soins de santé et des sciences de la vie – interconnectant tous les acheteurs, fournisseurs, produits, services et dispositifs médicaux dans tous les pays – est une tâche complexe qui nécessite des ensembles de compétences uniques et beaucoup de données normalisées et enrichies. Le graphe sous-jacent a été créé à l’aide de modèles complexes de traitement du langage naturel (NLP), d’IA générative et d’apprentissage automatique, y compris l’utilisation d’instances GPU pour l’entraînement de nos modèles NLP d’apprentissage profond personnalisés. En collaboration avec l’Université de Sheffield, leader mondial en matière de NLP, nous avons mis à l’échelle à la fois les données que nous traitons et les nœuds et relations représentés dans le graphe du réseau.

Nous avons superposé trois technologies de pointe, à savoir l’IA générative, le traitement du langage naturel et les graphes de connaissances, en parfaite harmonie pour faire correspondre automatiquement toutes vos affectations et classifications de codes et de produits. Ce processus est orchestré à l’aide d’une série complexe de pipelines propriétaires de big data et d’apprentissage automatique qui s’adaptent facilement à l’informatique en nuage.

Nous avons la capacité unique d’effectuer des analyses hautement évolutives et précises :

• Code à code : Correspondance automatique avec CPV, UNSPC, GMDN, GUDID, UDI, eClass et correspondance avec les codes/catalogues/taxonomies internes.
• De code à produit : Attribution du CPV, de l’UNSPC, de l’eClass ou du code/catalogue/taxonomie interne aux produits.
• De produit à produit : comparer les produits à d’autres produits et fournir un score de correspondance.
• De produit à preuve : résumer les preuves cliniques pour un produit ou un groupe de produits.
• De produit à opportunité : nous avons la capacité de faire correspondre un appel d’offres ou une opportunité privée aux produits d’un fournisseur.

Vamstar est la principale plateforme d’échange B2B de soins de santé et de sciences de la vie alimentée par l’IA, regroupant et analysant plus de 750 milliards de dollars de dépenses entre 86 000 acheteurs de produits et de services de soins de santé publics et privés dans plus de 100 pays. La technologie de la chaîne d’approvisionnement de Vamstar, basée sur le cloud, connecte à la fois les acheteurs et les fournisseurs pour automatiser les processus commerciaux clés, traduisant les données et les analyses basées sur les résultats en actions significatives pour l’écosystème des soins de santé afin d’avancer rapidement, de fonctionner efficacement et de réaliser de grandes synergies, permettant de meilleurs soins aux patients et de maximiser les économies de l’industrie pour ses clients.

Nous utilisons le Big Data et l’apprentissage automatique pour permettre un approvisionnement intelligent, des appels d’offres plus rapides, des contrats simplifiés, des opportunités en temps réel, une intelligence intégrée et des services connexes, y compris le commerce en ligne de produits de santé entre les hôpitaux, les cliniques, les laboratoires et les fournisseurs sur le marché.

En ayant une vue d’ensemble et en tenant compte de toutes les connexions, Vamstar fournit aux acteurs du secteur des soins de santé des informations et des perspectives précieuses sur le marché. Vamstar s’associe à des leaders du secteur, des universités et des gouvernements dans plus de 100 pays pour appliquer une réflexion de haut niveau aux tâches quotidiennes et aux questions stratégiques. Elle offre à ses clients des solutions qui les rendent plus efficaces et les aident à prendre des décisions éclairées et fondées sur des données afin d’assurer leur avenir.