ACTUALITÉS / TECHNOLOGIE DE L'AI
Les fantasmes sont monnaie courante en ce qui concerne l'IA. Cependant, il est nécessaire de trouver le bon environnement de mise en œuvre afin d'intégrer pleinement l'IA dans le domaine des soins de santé.
Un environnement global est d'abord nécessaire.
Historiquement, le système expert MYCIN, développé en 1974, est considéré comme la toute première application de l'intelligence artificielle dans le domaine de la santé. Son but était d'aider les médecins dans leur diagnostic et dans le traitement de diverses maladies du sang. En tentant de reproduire les mécanismes cognitifs des experts dans un domaine donné par un raisonnement basé sur des faits et des règles (environ 700 règles), ce logiciel a permis d'obtenir des résultats plus probants que les tentatives humaines. En 1979, afin de mesurer son efficacité, le système a participé à une compétition contre 8 médecins : 10 cas ont été soumis - et MYCIN s'est classé premier à chaque fois.
Les promesses de l'application de l'IA au secteur de la santé sont multiples: grâce à une meilleure précision des diagnostics notamment, elle permettrait de réduire les coûts opérationnels des institutions médicales et d'aboutir à des plans de traitement de plus en plus personnalisés pour les patients.
Les fantasmes sont monnaie courante en ce qui concerne l'IA. Cependant, il est nécessaire de trouver le bon environnement de mise en œuvre afin d'intégrer pleinement l'IA dans le domaine des soins de santé.
L'interopérabilité ouvre la voie à la médecine de précision
L'interopérabilité, c'est-à-dire la capacité de partager facilement data entre les différentes parties prenantes, est une contrainte inhérente au domaine de la santé, qui entrave l'intégration de l'IA. Les bases de données médicales centrales ou les formats de stockage standard sont très rares - la plupart du temps, les documents sont écrits à la main puis faxés, ce qui rend toute forme d'extraction data ininterprétable par les machines.
Afin d'établir un environnement favorable à l'IA dans les soins de santé, il est primordial de démocratiser l'accès aux données médicales data. Ceci est de la plus haute importance pour alimenter et améliorer les modèles d'apprentissage automatique.
De multiples facteurs peuvent l'influencer, tels que
- Le volume de données médicales ( data ) augmente en raison de la multiplication des appareils portables ou des bases de données de séquençage génomique.
- Data L'utilisation généralisée des dossiers médicaux électroniques a facilité la disponibilité de l'information. Ils permettent aujourd'hui d'accéder facilement à l'historique de data sur plus de 10 ans.
La start-up française Lifen, par exemple, se concentre désormais principalement sur l'interopérabilité dans le secteur de la santé. Elle a développé une plateforme d'échange sécurisée pour les médecins et les établissements médicaux, alimentée par des algorithmes d'intelligence artificielle. En plus de leur fournir l'annuaire le plus complet des professionnels de santé en France, leur solution est compatible avec 100% des logiciels de cabinet médical : le format data utilisé n'est plus un frein au partage de l'information médicale data, et les informations sur les patients ne sont plus éparpillées dans de multiples logiciels.
L'avènement de la télémédecine est un parfait exemple de la démocratisation de l'accès au site médical data .
Aujourd'hui, le téléphone portable constitue une nouvelle source de data et représente un puissant outil de diagnostic. L'utilisation de plus en plus fréquente des téléphones portables et la réduction des taux d'erreur des algorithmes de reconnaissance visuelle ont incité les fondateurs de SkinVision à concevoir une application utilisant l'appareil photo du téléphone pour surveiller les lésions cutanées et évaluer les risques de cancer de la peau. Cette approche de "télémédecine" permet ainsi aux médecins d'affiner leur connaissance des comportements et des modes de vie des patients, et d'élaborer des plans de traitement médical plus préventifs que curatifs.
Grâce à la combinaison du Big Data, de l'analyse prédictive et de l'intelligence artificielle, les diagnostics et les traitements sont personnalisés, ce qui conduit à une approche totalement centrée sur le client - aujourd'hui appelée médecine de précision.
La flexibilité de la réglementation et le soutien des pouvoirs publics sont tous deux nécessaires pour mettre rapidement en œuvre les applications de l'IA dans le domaine de la santé
Le rythme effréné des mises à niveau des systèmes d'apprentissage automatique et d'apprentissage profond a donné le ton et une réglementation assouplie est nécessaire pour que les mises en œuvre de l'IA dans les soins de santé puissent suivre.
Aux États-Unis par exemple, la FDA (Food and Drug Administration) accélère depuis 2018 le processus d'approbation des logiciels de diagnostic par IA et l'utilisation de la vision par ordinateur dans l'imagerie médicale. En avril 2018, l'organisation a autorisé les algorithmes d'IA à diagnostiquer des maladies oculaires telles que la rétinopathie diabétique sans le second avis d'un médecin.
De même, les grandes entreprises technologiques en Chine sont fortement soutenues par le gouvernement, notamment dans la centralisation de data et l'automatisation des processus médicaux. Le ministère chinois des sciences et technologies a annoncé en 2017 qu'il s'appuierait sur Tencent pour lancer une plateforme d'IA open source pour l'imagerie médicale et les diagnostics. Dans le même temps, l'utilisation de la plateforme de réseau de Tencent, WeChat, pour prendre des rendez-vous en ligne et payer les frais se répand de plus en plus au sein des établissements médicaux. La stratégie semble payante puisqu'au premier semestre 2018, la Chine a dépassé le Royaume-Uni pour devenir le deuxième pays le plus actif dans l'application de l'IA au sein du secteur de la santé.
Le développement de synergies entre les entreprises technologiques et les institutions médicales est une condition préalable à l'intégration de l'IA dans le secteur de la santé.
Les géants de la technologie facilitent l'accès au site data et fournissent des outils technologiques constamment optimisés aux établissements médicaux.
Apple, par exemple, contribue à la création d'un écosystème propice aux essais cliniques. Les processus entourant les essais cliniques peuvent s'avérer particulièrement longs et coûteux. En fournissant aux chercheurs un flux continu data à partir d'appareils portables tels que l'Apple watch, ces derniers peuvent bénéficier d'informations en temps réel sur la santé des patients participant à leurs études. Le géant américain de la tech a d'ailleurs lancé en 2015 deux frameworks open source, ResearchKit et CareKit, facilitant l'adéquation optimale entre le patient et l'essai clinique, ainsi que l'aide au suivi de leurs progrès pendant l'étude initiée. Cette initiative n'est qu'un exemple parmi des dizaines d'autres entreprises par Apple depuis 2015, suite à la volonté de l'entreprise de se positionner en tant que leader du secteur.
Ainsi, l'interopérabilité, le soutien des gouvernements et une réglementation souple, ainsi que l'introduction de synergies entre les entreprises technologiques et les institutions médicales, représentent les variables environnementales interdépendantes qui peuvent fournir le terrain fertile nécessaire à la pleine exploitation du potentiel de l'IA au sein de l'industrie de la santé.
Pour en savoir plus sur la façon dont l'IA va améliorer le secteur de la santé, participez à la Nuit européenne de l'IA !
