La santé est un secteur prioritaire de développement de l’intelligence artificielle. Effectivement, l’IA santé s’impose depuis plusieurs années dans le monde médical. Notamment dans plusieurs domaines d’application où ses potentialités diagnostiques, thérapeutiques existent déjà. Elle est une opportunité pour faire évoluer le système de santé vers une prise en charge plus intégrée. Cela à travers l’amélioration des processus de coordination de l’ensemble des acteurs, tout en minimisant les actes inutiles.
L’IA Santé ou l’utilisation de l’intelligence artificielle dans le médical
L’IA santé est déjà utilisée en radiologie, en ophtalmologie, en oncologie, en dermatologie, mais peu encore en biologie médicale, malgré les incitations du plan « Ma Santé 2022 » centré autour du virage numérique en santé, et le rapport de Cédric Villani : « Donner un sens à l’intelligence artificielle : stratégie nationale et européenne ».
L’IA repose sur l’utilisation d’algorithmes, sur un ensemble de techniques pour mimer l’intelligence humaine. Parmi ces techniques, le machine learning qui se définit par une approche statistique de données massives (big data). Une technologie particulière du machine learning (ou apprentissage profond) est appelée deep learning, basé sur l’utilisation de réseaux neuronaux.
Les professionnels de santé doivent s’engager dans le monde des big data et des algorithmes. En participant eux-mêmes à la conception et l’élaboration de dispositifs intelligents propres à répondre à leurs besoins, ils pourront guider utilement le secteur industriel, éviter la mainmise des géants du numérique (GAFAM).
Le développement opérationnel de l’IA santé
L’IA santé identifie des relations entre des données, qui après validation par les professionnels de santé, peuvent compléter la connaissance autour d’une pathologie donnée, et enrichir les possibilités de diagnostic. Dans ce contexte, comment mieux appréhender l’IA pour pouvoir contrôler les données massives utilisées? Aussi, comment comprendre le fonctionnement de l’IA en biologie médicale afin de repérer les failles? Identifier les éventuelles données manquantes pouvant générer des biais, tracer les données et leur cheminement ?
À l’ère de la production des big data, leur volumétrie ne permet plus une analyse uniquement humaine quel que soit le domaine. Les technologies de pointe de l’IA en biologie médicale vont augmenter les capacités du médecin, du biologiste, notamment dans le cadre de l’aide à la validation biologique.
Elles vont établir des corrélations non évidentes par l’analyse humaine. Elles vont aussi ouvrir de nouvelles perspectives dans le domaine de la prévention ou de la médecine prédictive). L’IA permettra également le développement de la télémédecine et du télédiagnostic. Très récemment, un médicament a même été entièrement conçu par une IA santé.
Les données de biologie médicale sont à la fois très volumineuses et complexes. Leur recueil nécessite un investissement humain, de passer du temps sur le terrain. Il nécessite de proposer des règles pour comprendre ces données, connaître leur origine (centre de dialyse, urgences, médecine de ville, quel type de patient, …), trouver leur pertinence, les standardiser.
Épauler les professionnels de santé
Si l’IA permet d’analyser des données plus rapidement et efficacement que le cerveau humain. En revanche l’intervention des médecins et des biologistes dans les diagnostics médicaux n’est pas pour autant remise en question. L’IA constitue un puissant outil décisionnel en biologie médicale. Un outil au service du biologiste « augmenté » pour l’épauler dans son travail de validation des analyses biologiques. Donc de façon à lui permettre de devenir la pierre angulaire de la médecine préventive et personnalisée de demain.
Le temps libéré par l’IA en biologie médicale offre la possibilité au professionnel de santé de consacrer plus de temps aux aspects relationnels au contact du patient. Cela nécessite de renforcer certaines de ses compétences, déjà très développées. Comme l’écoute du patient, la pédagogie dans l’explication d’un diagnostic, la capacité à conseiller un patient, à faire de la prévention… C’est pourquoi l’IA santé crée une rupture dans l’évolution du métier de médecin, de biologiste. L’accompagnement à la transformation des professionnels de la santé doit être un enjeu majeur. Il demande une adaptation nécessaire de leur formation (initiale et continue avec le Développement personnel continu – DPC).
Les enjeux éthiques de l’IA santé
Dans le contexte de révision des lois de bioéthique, mené par le Comité consultatif national d’éthique (CCNE), des principes de régulation positive du déploiement de l’IA en santé peuvent être dégagés. Ethik-IA a proposé cinq clés de régulation. Cela pour le déploiement de l’IA en santé et de la robotisation. Cette initiative d’Ethik-IA était de fédérer une équipe de chercheurs et de professionnels du secteur sanitaire et médico-social. De sorte de diffuser cette idée d’une régulation positive de l’IA et de la robotisation en santé.
Les 5 clés du déploiement de l’IA santé et de la robotisation :
- Information et consentement du patient sur le recours à un dispositif d’intelligence artificielle dans son parcours de prise en charge;
- Garantie humaine de l’intelligence artificielle assurée par des procédés de vérification régulière des options de prise en charge proposées par le dispositif d’IA et par l’aménagement d’une capacité d’exercice d’un deuxième regard médical humain à la demande d’un patient ou d’un professionnel de santé;
- Graduation de la régulation en fonction du niveau de sensibilité des données de santé au regard des principes du droit bioéthique;
- Accompagnement de l’adaptation des métiers : formation (initiale et continue) des professionnels aux enjeux de l’IA et de la robotisation et pour le soutien à l’émergence de nouveaux métiers dans le champ sanitaire et médico-social;
- Intervention d’une supervision externe indépendante pour examiner les dispositions prises en vue de veiller au respect de ces principes.
Le développement opérationnel de l’IA doit pouvoir être centré sur les champs de compétitivité réels de la France au niveau international. Les gains d’efficience sont susceptibles d’être générés sur les fonctions supports grâce au déploiement de l’IA et doivent faire l’objet d’une stratégie de mobilisation et d’accompagnement. Ces marges de manœuvre permettront de mieux soutenir une dynamique de financement de l’innovation au sein du système de santé.
La création annoncée d’une plate-forme nationale, dans un espace sécurisé, de collecte et de traitement des données de santé, le Health Data Hub » est une perspective très positive pour avancer en ce sens. Ce Hub constitue une infrastructure technologique appropriée. Il utilise des outils à l’état de l’art. Il permet par ailleurs les croisements sécurisés entre bases de données médico-administratives et données cliniques privées des patients eux-mêmes.
Les sources de données en santé :
- médico-administratives produites par l’Assurance maladie et les hôpitaux;
- figurant dans les dossiers médicaux, à l’hôpital et en ville;
- détenues par des acteurs publics ou privés recueillies auprès de patients (essais cliniques notamment) ou de professionnels de santé;
- générées par les objets connectés, les applications mobiles, les sites web et moteurs de recherche ;
- de contexte, socio-économiques, géographiques, environnementales…
