Malgré les polémiques en France, Microsoft accélère dans le secteur de la santé
La sélection en 2019 de Microsoft comme hébergeur du Système National des Données de Santé (SNDS), la plateforme de référence des données de santé des français, a déclenché un feu nourri contre ce choix, mettant en avant la nécessaire souveraineté en la matière et donc l’impossibilité de confier à un acteur US ce rôle d’hébergeur, même certifié Hébergeur de Données de Santé. Début 2022, le gouvernement a retiré la demande d’autorisation d’hébergement du SNDS qu’il avait formulé auprès de la CNIL, mettant en pause tout déploiement sur l’infra Microsoft.
Pour autant, Microsoft continue à avancer sur ce secteur qu’il a jugé stratégique, de la santé, avec le Microsoft Cloud for Healthcare. Ainsi ce sont récemment 2 annonces qui ont été faites dans cette direction, l’une autour de capacités intégrées à Teams et destinées au front line workers de la santé, et l’autre concernant Azure Health Data Services, une plateforme pour la gestion et l’analyse de diverses formes de données sur les patients.
Fonctions Teams pour les frontline workers de la santé
Selon Microsoft, les usages de Teams ont explosé (+560%) dans le secteur de la santé, entre mars 2020 et novembre 2021. L’entreprise vient donc de communiquer sur tout un ensemble de fonctions dédiées additionnelles, certaines disponibles immédiatement ou en preview, de la prise de rdv, à la collecte d’infos pour préparer le rdv, en passant par la mise à disposition de tableaux de bord pour piloter ces rdv en ligne, ou l’intégration avec des solutions tierces. Ces capacités s’adressent essentiellement aux professionnels.
Cette offre PaaS (Platform as a Service) est au coeur du Microsoft Cloud for Healtcare. L’entreprise vient donc d’annoncer le 15 mars dernier, son passage en disponibilité générale. Azure Health Data Services vise à offrir un stockage sécurisé de données de santé (Protected Health Information) dans le cloud. Ces données sont multiples (textes, imagerie, structurées ou pas), accessibles au travers d’API dédiées, avec des capacités intrinsèques spécifiques (par exemple d’anonymisation des données, gestion de données d’imagerie) ou proposées sur Microsoft Azure (par exemple les workloads de Machine Learning, Deep Learning).
Calipia : le blog 