L'UHCW, IBM Consulting et Celonis SE ont coopéré en lien étroit pour analyser l'expérience des patients et les résultats de santé des services ambulatoires de l'établissement. L'approche combinait le modèle IBM Garage, le process mining basé sur l'IA de Celonis, les pratiques d'analyse de données de pointe de l'UHCW et ses activités continues d'amélioration des opérations.
Ensemble, ils ont analysé plus d'un demi-million de parcours pseudonymisés de patients à partir des données opérationnelles du pôle médical, ainsi que de recherches et d'entretiens avec le personnel au cœur du processus. Des données démographiques pseudonymisées ont été superposées à cette analyse, garantissant que les résultats et les interventions n’exacerbaient pas les inégalités en matière de santé. Cette approche unique a livré des pistes d'amélioration et des interventions en l'espace de quelques semaines (contre plusieurs mois auparavant).
L'une de ces améliorations portait sur l'approche concernant les rendez-vous non honorés, qui sont plus fréquents chez les patients plus défavorisés. Un pic d’annulations de dernière minute ayant été observé après l’envoi de deux rappels par SMS, une équipe IBM Garage a cherché à savoir comment améliorer la remise à disposition de ces créneaux. Elle a constaté qu’en adaptant le moment de ces rappels par SMS, c’est-à-dire en envoyant un message aux patients 14 jours avant leur rendez-vous et puis un autre quatre jours avant, l'établissement pouvait augmenter les délais d’annulation et ainsi proposer à d'autres patients ces créneaux de rendez-vous.
Dans le cadre du projet, IBM et l'UHCW ont aussi piloté IBMwatsonx.ai pour entraîner, optimiser et déployer des modèles de machine learning afin d’aider le personnel hospitalier à planifier et à valider les patients sur liste d'attente. Et la solution utilise des capacités d’IA générative (gen AI) pour lire les lettres cliniques et aider à vérifier le statut des patients.