Kythera Labs conçoit sur Databricks une plateforme de stratégie de santé native AI qui permet à tout réseau de santé d'accéder à l'intelligence experte dont il a besoin et en laquelle il peut avoir confiance.
par Bryan Smith, Morgan Wilkie et Kaitlin Ryan
Kythera Labs conçoit sur Databricks une plateforme de stratégie de santé nativement IA, qui permet à tout système de santé d'accéder à l'intelligence spécialisée dont il a besoin et en laquelle il peut avoir confiance.
La réunion se termine comme toujours : par une question à laquelle personne ne peut répondre assez rapidement. Un CEO, un CIO et un CFO sortent d'une session de planification avec un mandat : identifier la part des revenus d'oncologie qui échappe au système et où elle va. Dans un système de santé doté de ressources suffisantes, cette question est confiée à un cabinet de conseil et la réponse arrive six semaines et plusieurs centaines de milliers de dollars plus tard. Dans la plupart des systèmes de santé, elle est confiée à un analyste équipé d'un outil de BI et revient quand elle le peut, avec le niveau de confiance que les données permettent d'accorder.
C'est précisément pour combler l'écart entre ces deux expériences que Kythera Labs a été fondée.
Les dirigeants des systèmes de santé sont confrontés simultanément à un ensemble complexe de décisions stratégiques : augmenter le volume de patients, optimiser les contrats avec les tiers payeurs, évaluer les cibles de M&A, identifier les marchés mal desservis pour se développer et réduire les frais administratifs, le tout avec des données incomplètes. Ces décisions s'alignent sur des leviers de création de valeur qui, historiquement, nécessitaient une capacité d'analyse spécialisée presque entièrement corrélée au budget de l'institution.
« Le marché est desservi par des outils de BI qui s'appuient sur les données de réclamations », explique Jeff McDonald, CEO de Kythera Labs. « Les outils de BI réussissent bien à représenter ce qui se trouve dans les données. En revanche, ils ont du mal à vous dire ce qui n'y figure pas. C'est l'antithèse même de ce pour quoi l'outil a été conçu. »
Il faut des années pour former les analystes capables de combler ce fossé (qui comprennent l'absence de données et les biais dans les données de remboursement, qui savent reconstituer le parcours d'un patient à partir de dossiers de facturation fragmentés, et qui connaissent la différence entre ce qu'indique une demande de remboursement et ce qui s'est réellement passé sur le plan clinique). Les grands systèmes de santé les recrutent. Les organisations plus modestes s'en passent ou dépensent des millions auprès de cabinets de conseil pour louer cette expertise au projet. Le déficit d'intelligence stratégique dans le système de santé américain n'est pas d'abord un problème de données. C'est un problème de répartition de l'expertise.
Kythera Labs résout ce problème grâce à l'AI.
Les données de remboursement sont un sous-produit de la facturation, générées pour que les prestataires soient remboursés, et non pour que les dirigeants prennent des décisions de stratégie de marché. Les réutiliser nécessite de résoudre les identités des prestataires à travers des dizaines de sources concurrentes, d'harmoniser les codes de procédure à travers 130 vocabulaires médicaux standardisés, de corriger les absences systématiques de données et de reconstruire les parcours des patients sous forme de séquences temporelles plutôt que de collections d'événements de facturation décousus.
La réponse réside dans la technologie de données de santé de Kythera, qui exploite 339 milliards de demandes de remboursement médicales et de prescriptions représentant plus de 300 millions de patients, huit ans d'historique et plus de trois pétaoctets de stockage, pour créer une structure sur laquelle un agent peut réellement raisonner : une structure basée sur les événements où un remplacement du genou n'est pas un simple code de facturation, mais un événement chirurgical avec un historique préopératoire, une sortie et une trajectoire de soins postopératoires. Le tout développé sur Databricks. Cette traduction, c'est là que réside tout le travail.
C'est également ce qui rend les réponses de l'agent fiables. La couche opérationnelle de Kythera repose sur Lakebase, Delta Lake, Delta Sharing, Unity Catalog et une infrastructure serverless. Ainsi, les données transactionnelles qui alimentent les flux de travail en temps réel partagent une base unique et gouvernée avec les données analytiques sur lesquelles les agents raisonnent. Pas d'ETL. Pas de mouvement de données. Aucune rupture entre la question et la réponse.
La preuve est en production. Un système de santé de Louisiane a signé un contrat avec Kythera en décembre 2024 et est entré en service avant Noël. Dix jours seulement ont suffi entre la signature du contrat et les premières analyses, offrant une visibilité inédite sur leur population de patients :
150 % de visibilité supplémentaire sur les visites de patients,
12 % de rétention en plus,
22 % de fuite en moins, et
3,8 M$ de valeur annuelle estimée grâce aux visites retenues.
Un tel délai de rentabilisation n'est possible que parce que la base de données était déjà construite.
Avec l'Healthcare Strategy Agent de Kythera, basé sur le framework Agent Bricks et déployé dans l'espace de travail Databricks du système de santé, le directeur de la stratégie ouvre une conversation et demande : « Combien de patients atteints de cancer sont orientés vers des prestataires non affiliés pour des services que nous proposons ? »
Ce qui suit n'est pas une simple actualisation de tableau de bord. L'agent traite la question comme le ferait un analyste chevronné : il identifie 6 800 patients orientés en oncologie, nomme les prestataires concurrents qui captent ce volume, désigne par leur nom les médecins référents générant le plus de fuites et met en évidence une opportunité de remboursement de 23,1 millions de dollars. Des stratégies de rétention spécifiques en découlent. L'ensemble de la session ne prend que quelques minutes.
Chaque résultat de cette réponse représente une requête qu'un analyste humain aurait dû écrire, tester, valider et consolider. L'agent les exécute en quelques minutes.
« Une grande partie de notre travail consiste à intégrer l'expertise sur l'utilisation de ces jeux de données dans des agents internes intelligents, afin que cette capacité ne soit pas limitée à un petit groupe de spécialistes », explique Ryan Leurck, cofondateur et directeur des analyses. « Même lorsque vous disposez des bonnes personnes, répondre à des questions complexes peut prendre des jours ou des semaines. L'idée est de rendre cette expertise plus accessible et d'aider les gens à obtenir des réponses beaucoup plus rapidement. »
Le scénario de l'oncologie n'est qu'une démonstration d'une plateforme conçue pour répondre à plus d'une douzaine de types de questions stratégiques, de l'optimisation de la répartition des tiers payeurs et de la prévision de la demande à l'évaluation de la taille des nouveaux marchés et à l'analyse des cibles de M&A. Cette même plateforme répond aux besoins d'un CFO s'interrogeant sur la performance des contrats d'assurance, d'un directeur de ligne de services s'interrogeant sur le positionnement concurrentiel et d'une équipe de développement commercial s'interrogeant sur les cibles d'acquisition, chacun dans son propre langage et chacun obtenant des réponses adaptées à son contexte. Pour les équipes des systèmes de santé qui souhaitent explorer les données en dehors d'un flux de travail d'agent structuré, Databricks Genie peut étendre cette même accessibilité, permettant à tout utilisateur de poser des questions sur les données de l'entreprise en langage naturel, sans nécessiter d'équipe de BI ni d'expertise en SQL.
Tout cela n'a d'importance que si les dirigeants des systèmes de santé peuvent faire confiance à ce que l'agent leur dit, ou si le CIO peut défendre le déploiement auprès d'une équipe de conformité.
La confiance dans une plateforme d'AI de santé a une signification bien précise. Cela signifie qu'un analyste financier s'interrogeant sur la performance des contrats d'assurance ne peut pas accidentellement faire apparaître des données provenant d'une autre ligne de services. Cela signifie qu'une requête d'agent laisse une trace vérifiable qui répond aux exigences de la HIPAA. Cela signifie que les données sur lesquelles l'agent raisonne ont été validées, contrôlées en termes de qualité et estampillées par la gouvernance avant même qu'un modèle n'y touche. Dans un secteur réglementé où une seule violation d'accès aux données peut avoir de graves conséquences juridiques et réputationnelles, ces éléments ne sont pas de simples options, ils sont la condition même de la possibilité d'un déploiement.
La réponse de Kythera est Databricks Unity Catalog, implémenté comme couche de gouvernance pour chaque déploiement client. Unity Catalog fournit un plan de contrôle unique pour l'accès aux données, la sécurité et la traçabilité sur l'ensemble de la plateforme. Ainsi, les mêmes politiques qui régissent une requête SQL régissent une requête d'agent, et les mêmes contrôles d'accès qui s'appliquent à un rapport de BI s'appliquent à une recommandation générée par l'AI. Une directrice de ligne de services voit son marché. Un CFO voit ses données financières. Une responsable de la stratégie voit l'image globale qu'elle est autorisée à voir. Personne ne voit plus qu'il ne le devrait, et chaque événement d'accès est enregistré.
Jeff McDonald, qui a passé 32 ans dans le secteur de la santé, est direct sur ce que cela représente en pratique : « C'est un problème complexe à résoudre, et Databricks rassemble toutes les pièces en un seul endroit. Unity Catalog nous permet de déployer sur les trois clouds en une seule journée, et Delta Sharing permet un accès quasi instantané à des données à l'échelle du pétaoctet. Cela élimine les frictions et nous aide à exécuter plus rapidement. »
Dans une architecture d'entreprise traditionnelle, la gouvernance nécessite des couches d'outils personnalisés, des systèmes de gestion des accès distincts et une ingénierie continue importante. Unity Catalog réduit tout cela à de la configuration : des politiques définies une seule fois, appliquées partout. Pour une entreprise qui dessert plus de 55 systèmes de santé dans un secteur fortement réglementé, c'est ce qui fait la différence entre une plateforme capable d'évoluer et une autre qui ne le peut pas.
La directrice de la stratégie dispose désormais de son analyse en oncologie. Elle sait quels médecins appeler, à quels concurrents répondre et à quoi ressemble l'opportunité de revenus. Mais la question que finit par soulever chaque analyse est toujours la même : et maintenant ?
Cette question marque le début de la feuille de route à plus long terme de Kythera, là où se dessine la différence entre de meilleures analyses et une véritable prise de décision. L'évolution de l'AI dans les données de santé a suivi une progression familière : des tableaux de bord statiques qui vous disaient ce qui s'était passé, aux outils prédictifs qui vous disaient ce qui pourrait se passer ensuite, jusqu'aux analyses guidées d'aujourd'hui qui permettent à n'importe quel dirigeant de l'organisation de poser des questions complexes en langage naturel et d'obtenir des réponses adaptées à son rôle et à son contexte. Kythera a concrétisé cette troisième étape, à l'échelle de la production, sur une infrastructure gouvernée.
Mais l'ambition de l'entreprise ne s'arrête pas à répondre plus rapidement aux questions. Selon les propres publications de Kythera, l'avenir de l'analyse des données de santé n'est pas seulement descriptif, il est prédictif, prescriptif et de plus en plus autonome. La prochaine étape de Wayfinder est une plateforme où une analyse ne se contente pas d'éclairer une décision ; elle déclenche un flux de travail. Où l'analyse des fuites de recommandations déclenche une séquence de prise de contact avec les médecins référents ayant le plus d'impact. Où l'analyse des écarts de marché est directement transmise à l'équipe immobilière. Où tout le parcours, de la question stratégique à l'action opérationnelle, s'exécute sur une plateforme gouvernée unique, sans que les données ne quittent jamais le lakehouse.
« Personne ne veut de données », déclare McDonald. « Les gens veulent des réponses. Et pourquoi veulent-ils des réponses ? Pour pouvoir faire quelque chose pour quelqu'un. C'est le flux de travail qui découle de la réponse. »
C'est la transition de la BI guidée vers la prise de décision composite, des systèmes qui ne se contentent pas de faire remonter des informations, mais qui agissent en conséquence, dans le cadre des garde-fous d'une architecture gouvernée qu'exige l'environnement réglementaire de la santé.
Pour y parvenir à grande échelle, il faut le même ingrédient que celui qui a permis de créer la couche analytique : des données centrées sur le patient, harmonisées et gouvernées avant même qu'un agent n'y touche.
Comme l'a observé l'équipe d'ingénierie de Kythera, un agent correctement entraîné et validé peut explorer les données de manière plus approfondie et complète qu'un humain, rester constamment conscient du contexte d'interprétation, et ce sans fatigue — des qualités qui deviennent de plus en plus précieuses à mesure que le système passe de la réponse aux questions à la prise de mesures.
Les implications dépassent le cadre d'un simple système de santé. Un établissement régional de 200 lits qui se pose les mêmes questions stratégiques qu'un grand réseau de soins intégré, et qui finit par agir sur les réponses avec la même rapidité, avec la même qualité d'intelligence experte, sans avoir recours à un cabinet de conseil. C'est un autre type de marché de la santé. C'est le marché vers lequel Kythera tend, un système de santé à la fois, sur Databricks.
Et si un nombre suffisant de systèmes de santé peuvent prendre de meilleures décisions sur l'affectation des capitaux, l'élargissement de l'accès aux soins et la réduction du gaspillage administratif, puis agir plus rapidement sur ces décisions, l'ambition fondatrice commence à sembler à portée de main : que le coût des soins de santé puisse réellement baisser.
Pour explorer la plateforme de stratégie de santé de Kythera et demander une démonstration de l'Healthcare Strategy Agent, visitez kytheralabs.com. Pour en savoir plus sur les technologies Databricks qui le rendent gouverné, évolutif et prêt pour la prochaine étape de la prise de décision autonome — Genie, Agent Bricks, Unity Catalog et Lakebase — ou pour explorer le programme de partenariat Built On, commencez ici.
Kythera Labs est un partenaire Databricks Built On. Pour en savoir plus, rendez-vous sur kytheralabs.com.
(Cet article de blog a été traduit à l'aide d'outils basés sur l'intelligence artificielle) Article original
Abonnez-vous à notre blog et recevez les derniers articles directement dans votre boîte mail.