Renforcer la stabilité financière des soins de santé grâce à des évaluations de risque basées sur les données et l’apprentissage automatique

Pourquoi l’argent et les données comptent pour notre santé

Pourquoi les habitants de certains pays vivent-ils beaucoup plus longtemps que ceux d’autres pays, et quel rôle joue l’argent ? Cette étude examine comment les dépenses de santé, les factures médicales des familles et les budgets publics façonnent ensemble l’espérance de vie dans le monde. En associant des données mondiales de santé et financières à des modèles informatiques modernes, les auteurs montrent comment une utilisation plus intelligente des ressources peut à la fois stabiliser les finances des systèmes de santé et contribuer à des vies plus longues et en meilleure santé.

Suivre la trace des euros de la santé

Les chercheurs ont commencé par un ensemble de données mondial qui suit combien les pays dépensent pour la santé selon plusieurs dimensions clés. Ils ont examiné la dépense moyenne de santé par personne, la part payée directement par les ménages, l’ampleur du budget santé par rapport à l’ensemble de l’économie et l’espérance de vie dans chaque pays. Ces chiffres révèlent non seulement combien d’argent circule vers les cliniques et les hôpitaux, mais aussi quel est le fardeau financier pour les familles ordinaires qui cherchent des soins.

Ce que révèlent les tendances dans le temps

Lorsque l’équipe a analysé les évolutions de 2000 à 2018, des schémas clairs sont apparus. La dépense moyenne de santé par personne a augmenté de façon régulière à l’échelle mondiale, et les budgets publics de santé ont représenté une part croissante du revenu national. Dans le même temps, la part payée directement par les patients a eu tendance à diminuer, tandis que l’espérance de vie est passée d’environ la fin de la soixantaine au début des années 70 dans de nombreux endroits. Pris ensemble, ces phénomènes suggèrent que lorsque les pays investissent davantage dans la santé et protègent les personnes contre des factures personnelles importantes, leurs populations tendent à vivre plus longtemps.

Apprendre aux ordinateurs à repérer des motifs cachés

Pour aller au-delà des simples moyennes, les auteurs ont eu recours à l’apprentissage automatique, une branche de l’intelligence artificielle qui identifie des motifs dans les données. Ils ont comparé plusieurs types de modèles, allant de la régression linéaire basique aux réseaux neuronaux profonds et à des architectures avancées spécialisées dans les séries temporelles. Une approche remarquable, appelée réseau à mémoire longue et courte bidirectionnel (bidirectional long short-term memory), a su exploiter à la fois les points de données passés et futurs dans une série temporelle pour affiner ses prédictions. Entraîné sur l’ensemble de données mondial, ce modèle a prédit l’espérance de vie nationale avec une grande précision, captant des liens subtils entre différents types de dépenses et les résultats de santé.

Quels types de dépenses comptent le plus

À l’aide d’outils supplémentaires expliquant les décisions des modèles, les chercheurs ont classé l’importance de chaque mesure de dépense. Le signal le plus fort provenait nettement de la dépense moyenne de santé par personne. Les pays qui dépensaient davantage par individu avaient tendance à atteindre une espérance de vie plus élevée. Les coûts à la charge des patients arrivaient en second, suivis par les dépenses de santé en tant que part de l’économie, tandis que la taille précise de la part budgétaire publique importait un peu moins. Les tests de sensibilité et les scores d’importance des variables allaient dans le même sens : protéger les ménages contre des dépenses médicales lourdes et assurer un investissement global adéquat sont centraux pour de meilleurs résultats de santé et une plus grande stabilité financière des systèmes de soins.

Des prédictions aux choix pratiques

L’étude ne prétend pas que les ordinateurs puissent résoudre seuls les systèmes de santé, ni que l’argent détermine à lui seul la durée de vie. Les modèles sont les plus utiles lorsqu’ils s’accompagnent d’une planification soignée, de politiques équitables et d’une attention aux facteurs sociaux tels que l’éducation, l’emploi et les conditions de vie. Néanmoins, les conclusions adressent un message clair aux décideurs : investir suffisamment dans la santé, réduire le choc financier de la maladie pour les familles et suivre ces choix avec des outils de données transparents peut renforcer à la fois la santé publique et la stabilité financière. En termes simples, lorsque les pays dépensent judicieusement pour maintenir la santé des populations sans les précipiter dans l’endettement, leurs citoyens ont plus de chances de vivre plus longtemps.

Citation: Chai, D., Du, S. Enhancing financial stability in healthcare through data-driven risk assessments with machine learning. Sci Rep 16, 15659 (2026). https://doi.org/10.1038/s41598-026-44599-x

Mots-clés: financement des soins de santé, espérance de vie, apprentissage automatique, dépenses de santé, évaluation des risques