IA et l’apprentissage automatique ont inauguré une nouvelle ère de possibilités dans le secteur des soins de santé, en particulier pour les dispositifs médicaux. Ces outils alimentés par l’IA, tels que ceux utilisés en oncologie pour analyser des mammographies ou en cardiologie pour prédire des événements cardiaques, ne sont pas seulement automatisés : ils évoluent de façon intuitive, devenant plus sophistiqués avec chaque interaction avec un patient. Leur capacité à discerner des schémas complexes, fournissant des perspectives approfondies et des capacités de prise de décision améliorées, va bien au-delà de ce qui était autrefois possible.

Cette transition vers des systèmes alimentés par l’IA favorise des systèmes de santé dynamiques et adaptables qui évoluent en continu. Ces systèmes garantissent que le logiciel ne soutient pas seulement les cliniciens, mais qu’il évolue également en parallèle avec eux. L’apprentissage continu intégré à ces modèles assure de la précision et de la personnalisation dans les soins aux patients, affinant et améliorant sans cesse la qualité des services de santé. 

La nature évolutive du code IA-ML

L’évolution du code IA-ML contraste fortement avec celle des logiciels traditionnels. Les logiciels traditionnels sont caractérisés par des blocs de code statiques, tandis que le code IA-ML est dynamique et s’adapte au fil du temps, transformant les processus de développement et de maintenance. Contrairement aux logiciels traditionnels, qui suivent un cycle de test rigoureux à chaque mise à jour, les composantes IA-ML nécessitent une évaluation et une surveillance continues, allant de la phase de développement à la phase post-commercialisation. Ce processus d’amélioration itératif exige une approche nouvelle des cadres réglementaires.

Le contexte réglementaire actuel 

Des données récentes de la FDA des É.-U. soulignent une augmentation importante des dispositifs médicaux intégrant l’IA/ML, avec plus de 650 inscriptions en octobre 2023. Ces dispositifs améliorent principalement les pratiques en radiologie, en cardiologie et en hématologie, offrant un soutien aux cliniciens en améliorant la précision du dépistage, l’efficacité du triage et la hiérarchisation des tâches. Avec l’adoption croissante de l’IA/ML et l’évolution des lignes directrices, il est essentiel que les organisations harmonisent la nécessité d’adopter ces technologies avec une démarche réglementaire bien conçue.  

Principes directeurs pour l’IA-ML dans les dispositifs médicaux

Les lignes directrices conjointes de la FDA des É.-U., de Santé Canada et de la MHRA du Royaume-Uni comprennent 10 principes applicables au développement et au déploiement de dispositifs exploitant la technologie IA-ML :

1. Multidisciplinaire : L’intégration d’une expertise variée est essentielle tout au long du cycle de vie total du produit (TPLC) des dispositifs IA/ML
2. Génie logiciel et sécurité : L’adoption de pratiques robustes en génie logiciel et en sécurité est incontournable
3. Pertinence clinique : Les participants aux études cliniques et les données doivent véritablement représenter la population de patients ciblée
4. Indépendance des données : Les ensembles de données d’apprentissage doivent être indépendants des ensembles de test afin d’assurer une validation impartiale
5. Meilleures méthodes disponibles : Les ensembles de données de référence doivent être choisis selon les meilleures méthodes analytiques disponibles
6. Conception de modèle adaptée : La conception doit refléter l’utilisation prévue, adaptée aux données disponibles
7. Performance de l’équipe humain-IA : Les mesures de performance doivent s’attarder à l’opération synergique de l’équipe humain-IA
8. Essais dans des conditions cliniques : Les dispositifs doivent être testés dans des conditions cliniquement pertinentes afin de démontrer les performances en situation réelle
9. Information claire à l’utilisateur : Les renseignements essentiels doivent être clairs et facilement accessibles aux utilisateurs
10. Modèles surveillés : Les modèles déployés requièrent une surveillance afin de gérer efficacement la performance et les risques liés au re-apprentissage

Conséquences sectorielles de l’IA-ML dans les dispositifs médicaux

Bien que ces principes énoncés par les organismes de réglementation offrent un cadre structuré, leur impact sur l’industrie va bien au-delà de la simple conformité. 

Premièrement, il est essentiel d’avoir un environnement collaboratif qui mise sur l’expertise multidisciplinaire. Cela englobe la technologie, la connaissance réglementaire et les applications cliniques, assurant que les dispositifs soient non seulement innovants, mais aussi conformes et pertinents pour les soins aux patients. Cela signifie que les entreprises doivent investir dans l’acquisition ou le développement de compétences traditionnellement absentes de leur domaine d’expertise. 

Deuxièmement, les organisations doivent clairement placer la cybersécurité au sommet de leurs priorités d’affaires, et non la considérer comme un simple enjeu informatique. Cela nécessitera un changement fondamental de culture organisationnelle vis-à-vis de la cybersécurité. 

Par ailleurs, une évolution vers des essais décentralisés sera observée pour valider la pertinence clinique de ces dispositifs nouvelle génération, puisque leur validation doit refléter les vraies caractéristiques démographiques et conditions des patients en contexte réel. 

Collectivement, ces impératifs soulignent la nécessité, pour les entreprises, d’adopter une approche proactive et centrée sur le patient afin de demeurer à l’avant-garde de l’innovation en santé.

Expertise : conformité réglementaire et intégration de l’IA

L’expertise de HCLTech en matière de conformité réglementaire et d’intégration de l’IA devient inestimable pour naviguer les impératifs sectoriels décrits ci-dessus.

En interprétant les dernières normes et en comprenant les complexités du paysage réglementaire, nous favorisons non seulement l’intégration de l’IA dans les dispositifs médicaux, mais aussi le déploiement de son plein potentiel pour améliorer les résultats pour les patients.

À l’avenir, l’IA transformera radicalement le secteur de la santé pour le mieux en accélérant les diagnostics et en bonifiant les soins aux patients.