L'ESSOR DE L'IA GÉNÉRATIVE DANS LE SECTEUR DE LA SANTÉ

Alors que l'IA, à elle seule, a déjà commencé à améliorer le diagnostic des maladies grâce à une analyse rapide et avancée de l'imagerie médicale et à d'autres techniques, IA générative a le potentiel de transformer les processus cliniques et les méthodes de travail des médecins.

Le marché de l'intelligence artificielle dans le secteur de la santé devrait passer de $14,6 milliards en 2023 à $102,7 milliards d'ici 2032, avec un taux de croissance annuel composé (TCAC) de 47,6%. (MarketsandMarkets)

Au cours des trois dernières années, les sociétés de capital-risque ont investi plus de $1,7 milliard dans des solutions d'IA générative, la découverte de médicaments assistée par l'IA et la programmation logicielle par l'IA ayant bénéficié des financements les plus importants. (Gartner)

Selon les prévisions, d'ici 2025, l'IA générative sera utilisée dans 50% des projets de découverte et de développement de médicaments. (Gartner)

“ Dans le secteur de la santé, comme dans d’autres secteurs, l’IA générative recèle un potentiel de transformation qui permet de libérer les humains des tâches répétitives, leur permettant ainsi de concentrer leurs efforts sur des activités à plus forte valeur ajoutée et de disposer de plus de temps pour répondre à des besoins plus complexes. ”
Paul de Balincourt, Directeur, Transformation du secteur de la santé (Data) et de l'IA à Artefact

Rapport sur l'IA générative dans le secteur de la santé
Exploiter le potentiel de l'IA générative au service des patients, des professionnels de santé et des laboratoires pharmaceutiques  

Télécharger le rapport​​​

À l'aide d'un une approche axée sur l'écosystème, qui place toujours le patient au cœur de la démarche, il classe le paysage de l'IA générative dans le secteur de la santé en deux catégories : les acteurs en contact direct avec les patients et les facilitateurs, et explore Cas d'utilisation de l'IA générative pour chacun d'entre eux.



Voici quelques-uns des nombreux avantages que l'IA générative apporte aux acteurs du secteur de la santé :

Entreprises pharmaceutiques peut synthétiser la génération de data pour les essais cliniques, permettre la création de biomolécules de novo et améliorer les outils d'accompagnement destinés aux commerciaux.

Prestataires de soins utiliser l'amélioration et l'analyse des images pour améliorer le diagnostic et la planification du traitement, ainsi que pour synthétiser rapidement de vastes quantités d'informations médicales.

Chercheurs permet d'analyser une multitude de dossiers médicaux et de santé afin de rationaliser le processus de recrutement et de mieux identifier les candidats adaptés aux essais cliniques.

Organismes de santé publique permet d'analyser de vastes quantités de données de population data afin de détecter les premiers signes d'épidémies, de surveiller et de prévoir la propagation des agents pathogènes, et d'identifier les sources d'infection.​

Exemples concrets d'utilisation de l'IA générative :
Applications et avantages dans le secteur de la santé 

Plusieurs grandes catégories de cas d'utilisation de l'IA générative voient le jour, allant de l'augmentation data, de la génération d'informations et du développement de biomolécules à la personnalisation de contenu, en passant par la productivité et l'automatisation.


Cas d'utilisation #1 : Création de patients virtuels data pour accélérer les essais cliniques

Cible : Investigateurs d'essais cliniques.

Accélérer le recrutement des patients afin de réduire le délai avant le lancement de la phase III.

Enrichir virtuellement le dossier du patient data à l'aide de données synthétiques relatives à data concernant les caractéristiques cliniques, la génomique, le traitement et les résultats ; procéder à une validation afin d'évaluer la fidélité et la préservation de la confidentialité.

“ L'IA générative peut réduire la durée nécessaire à la troisième phase des essais cliniques, grâce aux ‘ cohortes augmentées ’ (c'est-à-dire des patients virtuels générés par l'IA), même si une validation par un médecin est requise à chaque étape du processus. ”

Stéphanie Allassonnière, professeure et vice-présidente chargée de la valorisation et des partenariats industriels à l'Université Paris Cité

Cas d'utilisation #2 : Assistant administratif d'un professionnel de santé (HCP)​​​

Cible : Les membres des équipes médicales, dentaires, pharmaceutiques ou infirmières.

Faciliter la mémorisation, l'utilisation et le partage, avec d'autres professionnels de santé, de contenus provenant de nombreuses sources (études, recommandations cliniques, articles de recherche…).

Centralisez le contenu afin de le rendre consultable par un modèle d'IA générative ; formez le modèle de langage de grande capacité (LLM) approprié pour prendre en charge les requêtes identifiées (par exemple : synthèse, identification de sources, questions médicales…) ; procédez à une validation afin d'évaluer la précision des réponses, la pertinence des recommandations, etc.

“ En 2020, plus de 100 000 articles ont été publiés sur une seule pathologie : la COVID. L’IA générative pourrait soulager les professionnels de santé qui n’ont pas le temps de se tenir informés du volume sans cesse croissant de la littérature scientifique, en leur fournissant des résumés générés à partir de ces publications. ”

Grégoire Pigné, PDG, oncologue et radiothérapeute chez PulseLife

L'écosystème des soins de santé :
Se préparer à exploiter le potentiel de l'IA générative

​On peut diviser cet écosystème en quatre grands groupes d'acteurs :

Hyperscalers démocratiser l'IA générative et ont déjà commencé à créer des modèles et des services spécifiques au secteur de la santé. Med-Palm2 de Google, BioGPT de Microsoft, HealthScribe d'AWS, et NVIDIA BioNeMo pour n'en citer que quelques-uns.

Start-ups tels que Nabla, Memora Health et IA hippocratique compléter l'offre des hyperscalers par des solutions innovantes permettant de répondre à des problèmes plus spécifiques.

Entreprises pharmaceutiques utiliser l'IA générative pour faciliter le développement de preuves de concept et accélérer la découverte de médicaments. Parmi les collaborations à suivre, on peut citer : Sanofi + Insilico Medicine, Pfizer+Iktos, Servier+Aqemia et AstraZeneca + Benevolent.

Domaine public les parties prenantes, notamment les hôpitaux et les instituts de recherche. Docaposte, un expert français en informatique raisonnable, a récemment annoncé le lancement de son premier service LLM souverain destiné à des applications dans le domaine de la santé.

Les investisseurs prennent également part à la révolution de l'IA générative en finançant des projets à fort impact :

“ Le défi consiste à intégrer l'IA générative au sein d'entreprises bien établies qui ont déjà accès à des soins de santé de haute qualité data, plutôt que d'investir dans de nouvelles start-ups. ”
Anne-Sophie Saint-Martin, associée chez Newfund Capital

“ Bien que la plupart des projets actuels en soient encore aux premières étapes de leur développement, l’association de l’IA générative et de l’informatique quantique dans la recherche pharmaceutique pourrait non seulement déboucher sur la mise au point de nouveaux traitements, mais aussi sur de nouvelles avancées que la nature elle-même n’est pas encore en mesure d’offrir. ”
Florian Denis, directeur des investissements chez Elaia

Limites, défis et opportunités de l'IA générative dans le secteur de la santé

Si l'IA générative (GenAI) promet de révolutionner le secteur de la santé, elle comporte également des risques et des défis importants. Nous mettons en avant les plus significatifs d'entre eux et examinons les stratégies d'atténuation possibles.

Par exemple, afin de protéger le patient data sans avoir recours à l'anonymisation, la start-up française Sarus veille à ce qu'aucune information personnelle ne soit intégrée dans les modèles de langage de grande envergure (LLM) affinés.

“ Les modèles de langage de grande envergure (LLM) ont tendance à ‘ halluciner ’ des réponses erronées. Une façon d’atténuer ce phénomène consiste à extraire automatiquement, dans une base de connaissances, les documents les plus susceptibles de contenir des éléments de la réponse, puis à les ajouter à la requête afin que le LLM dispose d’un contexte plus large pour fournir une réponse correcte. ”
Nicolas Grislain, cofondateur et directeur scientifique à Sarus

L'accessibilité de la technologie Data joue également un rôle essentiel dans la fourniture des données nécessaires aux modèles d'IA générative ; de même, la sensibilisation et la formation à la technologie data sont indispensables pour familiariser les professionnels de santé avec son utilisation et les risques potentiels qui y sont associés.

“ Il est essentiel de définir des règles d'utilisation pour un modèle d'IA générative et de veiller à ce que les professionnels de santé bénéficient d'une formation approfondie sur ses contraintes et ses vulnérabilités intrinsèques. ”
Jean-Marc Bereder, spécialiste de l'utilisation de l'intelligence artificielle et ancien chef de service au Centre hospitalier universitaire de Nice

Confiance et contrôle : un rôle essentiel pour garantir une IA responsable et digne de confiance

De nombreux acteurs avancent dans ce domaine en étant confrontés à une grande incertitude quant aux performances réalisables, aux niveaux d'industrialisation envisageables et aux contraintes réglementaires qui restent à définir. 

Pour surmonter ces défis :

Les êtres humains doivent toujours être au cœur des processus décisionnels afin d'exercer un contrôle et de prendre des décisions éclairées.

Les êtres humains doivent rester les principaux bénéficiaires des gains de productivité générés par les applications d'IA générative dans le domaine de la santé et de la prise en charge des patients.

Et le contrôle humain doit garantir que l'IA soit mise à profit pour ses capacités à assurer.

“ À long terme, les humains risquent de devenir trop dépendants des documents générés, ce qui pourrait entraîner une perte de compréhension et de compétences techniques. Il faut préserver la prise de décision humaine afin d'éviter l'aliénation provoquée par les modèles de langage de grande envergure (LLM). ”
Vincent Vuiblet, professeur d'université et praticien hospitalier – CHU de Reims, URCA ; directeur de l'Institut pour l'intelligence artificielle en santé de Reims-Champagne-Ardenne (I2AS)

CONSEIL EN DONNÉES | DONNÉES ET MARKETING NUMÉRIQUE | COMMERCE ÉLECTRONIQUE