Retour aux études de cas
HealthTech & IoTDéveloppement d'applications SaaSLogiciel piloté par IA
Surveillance santé IoT à distance
Construction d'un écosystème de soins connecté reliant des dispositifs médicaux Bluetooth aux tableaux de bord cliniques, pour offrir aux équipes soignantes à distance la même visibilité qu'en service hospitalier, sans mobiliser une seule infirmière supplémentaire sur site.
Soins de qualité hospitalière à domicile pour 500+ patients
Client
Confidentiel — Startup HealthTech
Secteur
HealthTech & IoT
Calendrier
6 mois
Technologies
8+ outils
Le défi
!Le programme de suivi du client reposait encore sur des relevés papier et des appels téléphoniques, ce qui privait les cliniciens de toute visibilité en temps réel sur la tension, la saturation en oxygène ou l'ECG des patients entre deux appels programmés, parfois espacés de 24 à 48 heures. Ce délai était particulièrement risqué pour les patientes en suivi de grossesse et les patients chroniques, dont l'état pouvait se dégrader rapidement entre deux contacts.
!Le marché proposait des dizaines d'appareils médicaux Bluetooth Low Energy de fabricants différents (tensiomètres, oxymètres de pouls, moniteurs ECG portables), chacun avec son propre protocole d'appairage, son format de données et ses particularités de firmware. Sans couche d'intégration standardisée, l'ajout d'un nouveau modèle exigeait des semaines de développement sur mesure, rendant impossible tout choix d'appareils adapté aux régions et budgets des patients.
!Le cadre indien Ayushman Bharat Digital Mission (ABDM) imposait des règles strictes sur le consentement des patients, la propriété des données et l'interopérabilité avec l'écosystème national de santé, et le client ne disposait d'aucune infrastructure pour y répondre. Chaque relevé de constantes, artefact de consentement et journal d'accès devait être chiffré de bout en bout et auditable, un niveau d'exigence bien supérieur à celui d'une application santé grand public classique.
!Les patientes en suivi de grossesse et les patients chroniques devaient être surveillés en continu à domicile plutôt que lors de visites périodiques, mais beaucoup venaient de milieux à faible littératie numérique et ne pouvaient pas être sollicités pour utiliser une application complexe ou saisir manuellement leurs relevés. L'expérience de suivi devait être quasiment sans effort pour le patient tout en captant des données de qualité clinique.
!Les équipes cliniques étaient déjà en sous-effectif, et les premiers prototypes qui transmettaient chaque relevé brut au tableau de bord généraient un flux constant de notifications à faible valeur ajoutée. Les médecins ont commencé à ignorer les alertes en quelques jours seulement, ce qui montrait que le système avait besoin d'intelligence, pas seulement de connectivité, pour être adopté au quotidien.
!Les conditions réseau au domicile des patients variaient énormément, entre haut débit urbain fiable et connexions mobiles rurales intermittentes, et la plateforme ne pouvait pas perdre silencieusement des données de constantes pendant les coupures. Toute solution de suivi devait mettre en file d'attente, réessayer et réconcilier les données sans que les cliniciens ne remarquent jamais de trou dans l'historique.
!Le backend existant du client avait été conçu comme un MVP rapide, sans véritable modèle de données pour gérer les relations multi-appareils, multi-patients et multi-cliniciens, et ne pouvait supporter ni contrôle d'accès par rôle, ni journal d'audit, ni la charge de concurrence nécessaire au-delà d'un petit groupe pilote.
!Les auditeurs de sécurité et les partenaires hospitaliers exigeaient des preuves de chiffrement au repos et en transit, une révocation granulaire du consentement et des politiques claires de rétention des données avant d'accepter d'orienter des patients vers le programme, autant d'éléments absents de la conception initiale du produit.
Notre solution
Nous avons conçu une architecture à trois couches clairement séparées : une application mobile patient dédiée à la capture passive des données, une API Cloud sécurisée pour l'ingestion et la logique métier, et un tableau de bord clinicien pour la revue et l'intervention, permettant à chaque couche d'évoluer et de monter en charge indépendamment à mesure que le nombre d'appareils et de patients augmentait.
Nous avons développé une couche d'abstraction BLE qui normalise les flux de données, procédures d'appairage et cas d'erreur hétérogènes de multiples fabricants d'appareils médicaux vers un schéma interne unique, permettant au client d'intégrer un nouveau modèle d'appareil en quelques jours au lieu de plusieurs semaines et de faire évoluer la roadmap sans refonte du pipeline d'ingestion.
Nous avons implémenté dès la conception des flux de consentement et de partage de données conformes ABDM, incluant des enregistrements de consentement granulaires et révocables, un chiffrement de bout en bout des constantes et données d'identité, et des journaux d'audit immuables pour chaque accès, répondant ainsi aux exigences réglementaires comme aux audits de sécurité des partenaires hospitaliers.
Nous avons conçu un pipeline de transmission temps réel basé sur WebSockets avec mise en tampon locale côté application mobile, permettant aux constantes d'atteindre le tableau de bord clinicien en moins de cinq secondes en conditions normales, tout en mettant en file d'attente et en réconciliant automatiquement les données lors des coupures réseau en zone rurale.
Nous avons construit une couche de détection intelligente des anomalies avec des seuils cliniques configurables par cohorte de patients, afin qu'un relevé jugé normal pour la référence d'un patient puisse à juste titre déclencher une alerte pour un autre, réduisant drastiquement le bruit de notification par rapport au prototype à seuils fixes.
Nous avons livré un module dédié de suivi de grossesse avec un modèle de scoring de risque personnalisé, calibré sur les tendances de constantes maternelles, offrant aux équipes de maternité une vision synthétique du risque plutôt que des chiffres bruts à interpréter manuellement en plein service.
Nous avons refondu le backend sur PostgreSQL et Redis avec un modèle de données multi-tenant robuste, prenant en charge le contrôle d'accès par rôle pour médecins, infirmiers et administrateurs, permettant au système de passer d'une cohorte pilote à plus de 500 patients suivis simultanément sans réécriture.
Nous avons soumis l'application mobile à des tests d'utilisabilité structurés avec de vrais patients issus du public cible, simplifiant l'onboarding à un appairage d'appareil en deux gestes et supprimant presque toute saisie manuelle, un point essentiel pour l'adoption par des utilisateurs à faible littératie numérique.
Impact mesurable
Patients surveillés à distance
500+
Le suivi continu à domicile remplace désormais les visites hospitalières fréquentes pour les cohortes maternité et soins chroniques.
Latence des données
< 5 secondes
Les constantes voyagent de l'appareil BLE du patient jusqu'au tableau de bord clinicien quasiment en temps réel en conditions réseau normales.
Conformité réglementaire
Certifié ABDM
La plateforme respecte pleinement les normes de la mission numérique de santé indienne en matière de consentement, chiffrement et interopérabilité.
Précision des alertes
93% de précision
Des seuils calibrés par cohorte ont fortement réduit les faux positifs tout en captant tous les événements cliniquement significatifs.
Délai d'intégration des appareils
De semaines à jours
La couche d'abstraction BLE a transformé des intégrations sur mesure de plusieurs semaines en un processus standardisé de quelques jours.
Délai de livraison
6 mois
L'ensemble de la plateforme à trois couches, de l'architecture à la certification ABDM, a été livré en un seul engagement de six mois.
Confiance clinique
Plus de 90% d'usage quotidien par les équipes soignantes
Les médecins, qui ignoraient les notifications en quelques jours à peine, utilisent désormais le tableau de bord comme outil de suivi principal lors de presque chaque garde.
“SystimaNX a traduit des exigences cliniques complexes en une plateforme en laquelle nos médecins ont vraiment confiance. Le tableau de bord en temps réel a changé le quotidien de notre équipe soignante, et le travail de conformité ABDM nous a enfin permis d'intégrer des partenaires hospitaliers sans des mois d'allers-retours sur la sécurité.”
Stack technologique
React NativeNode.jsBLE SDKPostgreSQLRedisWebSocketsAWSABDM APIs