Comment EviMed alimente les insights de santé pilotés par l’IA grâce à la recherche vectorielle scalable de Zilliz Cloud
30 %
réduction des coûts internes d’exploitation et de maintenance du système
8 %
augmentation de la rapidité de réponse aux clients
10 %
amélioration de la précision des résultats de recherche
Simplicité Plug-and-Play
réduit au minimum la surcharge de développement et de DevOps
After integrating Zilliz Cloud vector database service, our system performance has significantly improved. During implementation, the Zilliz Cloud expert team provided excellent support and assistance, giving our EviMed platform a strong competitive advantage in the industry.
Dr. Zeyuan Wang
À propos d’EviMed
EviMed est une entreprise de technologie de santé dédiée à donner aux professionnels de santé les moyens d’agir grâce à des solutions fondées sur l’IA. Sa plateforme exploite le big data et l’intelligence artificielle pour soutenir la prise de décision clinique, la recherche médicale, l’éducation et la gestion des soins de santé. En fournissant en temps réel des connaissances médicales et des recommandations de traitement fondées sur des preuves, EviMed permet aux cliniciens de prendre des décisions plus rapides et mieux éclairées au point de soins. La plateforme simplifie également les flux de travail de recherche en analysant de grands volumes de littérature médicale, ce qui en fait un outil indispensable pour les chercheurs et les enseignants. Pour les administrateurs de santé, EviMed fournit des informations fondées sur les données qui favorisent une gestion et une élaboration des politiques plus efficaces.
À ce jour, EviMed a soutenu plus de 300 grands hôpitaux tertiaires, facilité plus de 13 millions de recherches de connaissances médicales et de sessions de questions-réponses cliniques, et contribué à la génération de plus de 800 000 contenus médicaux. Avec pour mission d’améliorer la précision, l’efficacité et les résultats médicaux, EviMed transforme la manière dont les professionnels de santé accèdent aux connaissances médicales et les appliquent tout au long du continuum de soins.
Défis : naviguer dans les complexités des connaissances médicales à grande échelle
Le secteur de la santé est intrinsèquement complexe — caractérisé par une vaste asymétrie de l’information, des systèmes terminologiques spécialisés et des domaines de connaissance très fragmentés. Pour EviMed, ces défis étaient amplifiés par sa mission consistant à fournir des réponses rapides, fondées sur des preuves, à grande échelle.
EviMed avait construit une vaste base de connaissances médicales comptant plus de 350 millions d’entrées, ce qui en faisait l’une des plus complètes du secteur. Cependant, l’échelle et la profondeur de ces données ont introduit plusieurs goulots d’étranglement techniques :
Résultats de recherche inexacts ou incomplets : Les méthodes traditionnelles de recherche en texte intégral peinaient à gérer les nuances du langage médical. Avec des frontières de mots-clés floues et une terminologie qui se chevauche, il était souvent difficile de trouver les résultats les plus pertinents. Les utilisateurs rencontraient fréquemment des problèmes d’exactitude et d’exhaustivité des recherches, entraînant une insatisfaction et des plaintes concernant une couverture limitée.
Limites de performance et de fiabilité : L’infrastructure existante ne pouvait pas fournir de manière constante les performances à faible latence et haute fiabilité nécessaires aux environnements cliniques, où chaque seconde compte. Par conséquent, les opérations de recherche étaient souvent lentes ou instables.
Préoccupations liées à la mise à l’échelle et aux coûts : Avec la croissance continue de l’activité, EviMed avait besoin d’une solution capable de s’adapter de manière élastique pour répondre à l’augmentation des besoins en stockage et en récupération de vecteurs, sans entraîner une hausse vertigineuse des frais opérationnels.
Prise en charge des types de recherche avancés : Leurs cas d’utilisation nécessitaient davantage qu’une simple recherche vectorielle dense. La plateforme devait prendre en charge la recherche vectorielle dense et sparse, ainsi que les requêtes hybrides mot-clé-vecteur, afin de capturer toute l’étendue de la sémantique médicale.
Exigences de compatibilité technique : L’infrastructure backend d’EviMed reposait largement sur Java, la nouvelle solution devait donc également offrir une prise en charge solide du SDK Java pour une intégration transparente.
Comme l’a formulé le Dr Zeyuan Wang, CEO d’EviMed : « Comment rechercher les connaissances médicales les plus précises et les présenter de la manière la plus raisonnable est le principal défi technique auquel notre plateforme médicale est confrontée. »
Pourquoi choisir Zilliz Cloud ?
Après une évaluation approfondie et des échanges avec l’équipe Zilliz, EviMed a identifié Zilliz Cloud comme la solution idéale pour ses besoins. Leur décision reposait sur plusieurs facteurs clés :
Capacités de recherche polyvalentes : Zilliz Cloud prend en charge divers mécanismes de recherche, notamment la recherche vectorielle dense, la recherche vectorielle sparse et la recherche par mots-clés.
Scalabilité : La plateforme offre une mise à l’échelle élastique pour répondre aux besoins croissants en stockage et recherche de vecteurs.
Efficacité des coûts : Zilliz Cloud entraîne des coûts opérationnels inférieurs à ceux des alternatives.
Compatibilité Java : La solution offrait une bonne compatibilité avec leurs systèmes existants basés sur Java.
Support expert : L’équipe d’experts de Zilliz Cloud a fourni un excellent support et une excellente assistance à la mise en œuvre.
Comment Zilliz Cloud a transformé les opérations d’EviMed
EviMed a migré avec succès des dizaines de millions de données vectorielles vers Zilliz Cloud, alimentant deux de ses modules métier clés :
Recherche de connaissances médicales : Accélère l’accès à des connaissances médicales pertinentes et précises.
Support à la recherche clinique : Permet une exploration et une analyse efficaces de la littérature médicale, des recommandations et des données pharmaceutiques.
Zilliz Cloud est devenu une pierre angulaire de la plateforme d’EviMed, apportant des améliorations significatives en matière de performance, d’intelligence et de scalabilité à tous les niveaux.
1. Récupération des données plus rapide et plus précise
Zilliz Cloud améliore considérablement à la fois la vitesse et la précision de la recherche de connaissances médicales d’EviMed. Les professionnels de santé peuvent désormais obtenir plus rapidement des réponses à leurs questions cliniques, ce qui permet une prise de décision plus rapide et de meilleurs résultats pour les patients.
2. Des insights cliniques plus approfondis grâce à l’exploration avancée des données
Dans des scénarios tels que les essais cliniques et les évaluations pharmaceutiques, Zilliz Cloud permet une analyse vectorielle haute dimension afin d’extraire des insights clés à partir de jeux de données complexes — littérature médicale, recommandations thérapeutiques et notices de médicaments — améliorant la rapidité et la qualité des résultats de recherche tant qualitatifs que quantitatifs.
3. Fournir une mémoire à long terme aux agents IA
Zilliz Cloud fournit également une capacité backend essentielle pour les modules d’analyse de données alimentés par l’IA d’EviMed. Au lieu de charger de grands volumes de contexte dans les LLM — ce qui est coûteux et inefficace — EviMed utilise Zilliz Cloud pour stocker et récupérer une mémoire longue pour les agents IA via la recherche vectorielle. Cela prend non seulement en charge des workflows plus intelligents, mais réduit également considérablement les coûts opérationnels.
4. Compatibilité et scalabilité élastique
La compatibilité prête à l’emploi de Zilliz Cloud avec Java et sa prise en charge de la recherche hybride — y compris la recherche par vecteurs denses, vecteurs épars et mots-clés — garantissent une intégration fluide dans l’infrastructure existante d’EviMed. Son architecture entièrement managée et cloud-native permet également à l’équipe de faire évoluer la plateforme sans effort avec la croissance de l’activité.
Principaux avantages et résultats
La mise en œuvre de Zilliz Cloud a apporté des avantages substantiels à EviMed :
Expérience client améliorée
8 % d’augmentation de la vitesse de réponse aux clients
10 % d’amélioration de la précision des résultats de recherche
Efficacité opérationnelle
30 % de réduction des coûts d’exploitation et de maintenance du système interne
Simplicité plug-and-play qui minimise la charge de développement et DevOps
Capacités de recherche améliorées
EviMed a éliminé le problème d’« absence de résultats de recherche » qui affectait sa solution précédente. La terminologie médicale est variée, les maladies comportant souvent plusieurs sous-groupes et qualificatifs. Par exemple, une requête complexe comme « adénocarcinome gastrique ou de la jonction gastro-œsophagienne avancé chez des patients précédemment traités par une chimiothérapie contenant de la fluoropyrimidine ou du platine » mettrait à l’épreuve les systèmes traditionnels de recherche plein texte. Les capacités combinées de récupération vectorielle et de recherche plein texte basée sur les mots-clés de Zilliz Cloud permettent une recherche hybride qui fournit systématiquement des résultats pertinents.
Capacités de recherche supérieures
Zilliz Cloud a aidé à éliminer les problèmes frustrants d’« aucun résultat trouvé » qui affectaient leur solution précédente, en particulier pour les requêtes complexes et multidimensionnelles. Par exemple, une recherche comme :
« Adénocarcinome gastrique ou de la jonction gastro-œsophagienne avancé chez des patients précédemment traités par une chimiothérapie contenant de la fluoropyrimidine ou du platine » submergerait les systèmes traditionnels de recherche plein texte.
La recherche hybride de Zilliz Cloud — combinant la recherche sémantique vectorielle avec la recherche plein texte basée sur les mots-clés — fournit des résultats très pertinents, même dans les contextes cliniques les plus nuancés.
Fournir des mémoires à leurs agents IA
Le module d’analyse de données d’EviMed repose sur un ensemble d’agents IA. L’intégration de toutes les informations contextuelles dans de grands modèles de langage serait d’un coût prohibitif. Zilliz Cloud stocke ces informations contextuelles et les récupère au moyen de la recherche vectorielle en fonction des besoins de l’agent, réduisant ainsi la dépendance au long contexte des grands modèles et abaissant les coûts d’analyse des données.
Perspectives
Le partenariat entre EviMed et Zilliz a positionné la plateforme de connaissances médicales pour poursuivre sa croissance et son innovation. Comme le souligne le Dr Zeyuan Wang, CEO d’EviMed : « Après l’intégration du service de base de données vectorielle Zilliz Cloud, les performances de notre système se sont nettement améliorées. Pendant la mise en œuvre, l’équipe d’experts de Zilliz Cloud a fourni un soutien et une assistance excellents, donnant à notre plateforme EviMed un fort avantage concurrentiel dans le secteur. »
Avec Zilliz Cloud comme fondation, EviMed continue de faire progresser sa mission visant à rendre les connaissances médicales plus accessibles et exploitables pour les professionnels de santé du monde entier.