Comment sont structurées les données?
La technologie basée sur un algorithme auto-apprenant développé par Posos de NEL (Named Entity Linking) permet d’associer les concepts à plusieurs terminologies standards (SNOMED-CT, CIM-10, Meddra) afin de trouver le concept le plus proche du médicament et de maximiser le taux de reconnaissance.
Ces outils de NEL utilisent à la fois des N-grams et des Word Embeddings qui ont été entraînés sur plusieurs milliers d’ordonnances afin d’être les plus performants du marché.
Une fois l'ensemble des éléments identifiés, une prescription est reconstruite au format FHIR (ou PN13) et prête à être envoyée dans n'importe quel logiciel.
Nous avons structuré l’ensemble des RCP (y compris les effets indésirables et contre-indications) dans notre base de données ce qui permet notamment, d’avoir un niveau d’alertes plus fin tout en évitant d’avoir une multiplication des alertes si le terrain est peu précis ou non renseigné.
Notre base de données est construite sur un référentiel de données international, ce qui en fait la seule base de données qui peut être internationalisable (nous pouvons utiliser le même modèle de données dans plusieurs langages et donc plusieurs pays).
Couplé à une fonctionnalité d’aide à la décision médicale, Posos est le premier acteur qui accélère et sécurise les prescriptions dans les établissements de santé. Son format API permet d’être utilisé dans de nombreux autres cas qu’il soit à destination de patients, professionnels de santé ou d’autres cas d’usages.
💡 Posos affiche l’exhaustivité des informations disponibles. Le praticien à ensuite le choix de filtrer par type de source et par ancienneté de publication.
💡Consultez notre article dédié pour plus d’informations