À retenir

• GenIA peut rationaliser la documentation, l’analytique et l’engagement du patient, lorsqu’elle repose sur des données interopérables de qualité

• Les choix infonuagiques (SaaS ou infonuagique souverain) déterminent la rapidité d’obtention de valeur, le contrôle, la sécurité et la résidence des données

• À court terme : retranscription ambiante et messagerie; à moyen terme : analytique en libre-service; à long terme : soutien à la décision multimodal

• Le déploiement sécuritaire à grande échelle exige de la gouvernance, la conformité à l’HIPAA/RGPD, un clinicien dans la boucle et la cybersécurité dès la conception

• Prouvez le RSI avec des mesures d’unité (coût par note/message, minutes économisées) et des points de référence cliniques

L’intégration de l’intelligence artificielle (IA) et de l’IA générative (GenIA) dans l’industrie des soins de santé offre d’innombrables possibilités pour améliorer les soins et les résultats pour les patients. GenIA a le potentiel de révolutionner la façon dont les professionnels de la santé recueillent et analysent les données pour le diagnostic et le traitement. 

Selon un sondage mené en décembre 2023 par le panel de recherche de Gartner Healthcare Provider, 84 % des dirigeants de fournisseurs de soins de santé estiment que les grands modèles de langage (LLM) — la base de GenIA — auront un impact significatif (35 %), transformateur (37 %) ou perturbateur (12 %) sur l’ensemble de l’industrie des soins de santé.

Cependant, plusieurs obstacles existent à la fois du côté des fournisseurs et des utilisateurs qu’il faut surmonter pour assurer sa mise en œuvre réussie. 

Cet article approfondira le potentiel de GenIA dans les soins de santé, en explorant les principaux défis et en détaillant ses applications à court, moyen et long terme.

Qu’est-ce que l’IA générative en soins de santé ?

L’IA générative utilise de grands modèles pour créer des résultats cliniques et opérationnels utiles à partir de données de santé, afin d’assister les soins et l’administration.

 Contrairement à l’AM traditionnelle, qui prédit principalement des étiquettes/scores à partir de caractéristiques conçues, GenIA synthétise du nouveau contenu, explique son raisonnement avec des citations et converse en langage naturel.

Libérer le pouvoir des données

L’un des principaux défis de la GenIA dans les soins de santé est la disponibilité de données de qualité. Bien que le système de santé génère d’immenses volumes de données, une grande partie n’est pas adaptée à l’analyse par IA. Historiquement, la collecte des données en santé était motivée par les cas d’utilisation actuels, et non en vue de l’IA. Par conséquent, il faut faire des efforts pour recueillir et organiser des données spécifiquement adaptées à soutenir les cas d’utilisation en IA. En recueillant et en affinant des données exactes et représentatives, les professionnels de la santé peuvent maximiser le potentiel de GenIA pour offrir des diagnostics et traitements précis.

Les données de santé prêtes pour l’IA sont cliniquement organisées, documentées pour la provenance, désidentifiées au besoin, étiquetées/liées et vérifiées en continu sur la qualité. Établissez la complétude, l’exactitude, la surveillance des données manquantes, validez la couverture démographique et clinique pour minimiser les biais et ajoutez la détection de dérive sur les caractéristiques et résultats clés. Un exemple d’indicateur : réduire le % de données vitales manquantes de 22 % à 3 % d’un trimestre à l’autre avant l’entraînement.

Barrières de développement, données IdO et sécurité

En plus des défis liés aux données, la mise en œuvre de GenIA exige une importante barrière de développement et d’effort. Pour maximiser le potentiel de l’IA, la collecte automatisée de données à partir des dispositifs de l’Internet des objets (IdO) est nécessaire, remplaçant la saisie manuelle de données encore utilisée. La collecte de données en temps réel facilitée par des dispositifs IdO peut fournir une information continue et précise sur le patient à des fins d’analyse par IA, permettant ainsi aux professionnels de la santé de prendre des décisions plus éclairées.

De plus, la cybersécurité est une préoccupation primordiale en santé, car il s’agit d’un des secteurs les plus ciblés par les cyberattaques. Pour y répondre, les fournisseurs de cybersécurité se concentrent maintenant sur la sécurisation des solutions d’IA dès la conception, en tenant compte des particularités des centres de données en santé et de la conformité aux règlements sur la vie privée des données. Cela garantit que les données des patients demeurent protégées pendant l’utilisation de la GenIA pour améliorer les résultats en santé.

Malgré ces défis, le sondage de décembre 2023 révèle que la plupart des organisations de santé (78 %) évaluent formellement les cas d’utilisation, alors que 66 % développent les politiques et l’éthique pour une utilisation appropriée et 47 % financent des initiatives.

Rôle de l’infonuagique dans la GenIA pour la santé

« GenIA détient la clé pour ouvrir une nouvelle ère en santé, où l’intelligence issue des données permet non seulement d’améliorer les résultats en santé, mais aussi d’accroître l’engagement des patients et de dynamiser la chaîne de valeur administrative et opérationnelle qui soutient les soins », déclare Shrikanth Shetty, chef de la croissance, Sciences de la vie et santé chez HCLTech.

L’utilisation de GenIA en santé repose fortement sur l’infonuagique. Les solutions logicielles en tant que service (SaaS) permettent le déploiement à grande échelle des modèles d’IA tout en respectant la réglementation sur la confidentialité des données. De plus, les nuages souverains peuvent renforcer la protection et la sécurité des données. En tirant parti de l’infonuagique, les organisations de santé peuvent accéder sur demande aux technologies d’IA et traiter et analyser efficacement de gros volumes de données, permettant des soins aux patients plus exacts et personnalisés.

Choisir entre SaaS et nuage souverain 

SaaS (plateformes GenIA gérées)

• Avantages : déploiement le plus rapide, coût initial moindre, sécurité/prise en charge/patchs gérés par le fournisseur et mises à jour rapides de fonctionnalités

• Inconvénients : contraintes de résidence de données plus strictes, moins de personnalisation/contrôle, limites d’intégration et risque d’enfermement du fournisseur

Nuage souverain (régionalisé, contrôlé par le locataire)

• Avantages : forte résidence/contrôle, personnalisation avancée et meilleure conformité pour les règles nationales et les clients du secteur public

• Inconvénients : charge d’installation/exploitation plus grande, itération plus lente, coût total d’exploitation plus élevé et exige des équipes infonuagique/AM qualifiées

Cas d’utilisation à court terme de GenIA : TALN, retranscription ambiante et automatisation

À court terme, la mise en œuvre de GenIA en santé montre déjà des résultats prometteurs. Le traitement automatique du langage naturel (TALN), un domaine de l’IA axé sur l’apprentissage de la compréhension du langage humain par les machines, est en tête du développement. ChatGPT, le moteur d’IA qui excelle en TALN, peut être intégré en santé pour permettre par exemple la retranscription ambiante et réduire la lourdeur documentaire clinique. Cette technologie facilite la prise de notes numérique en temps réel pendant les consultations, allégeant ainsi le fardeau administratif des professionnels de la santé.

Selon le sondage de décembre 2023, 16 % mettent en œuvre ou ont déjà mis en œuvre un scribe IA ambiant, 14 % prévoient le faire dans les six prochains mois et 15 % dans six à 12 mois.

De plus, la messagerie automatisée pour les consommateurs, la réponse automatisée aux messages cliniques et la génération automatique de documents sont envisagées comme autres cas d’utilisation. Ces fonctions rationalisent la communication entre les fournisseurs de soins de santé et les patients, améliorant ultimement l’expérience patient et les soins.

Cas d’utilisation à moyen terme de GenIA : accès aux données en langage naturel et analytique

À moyen terme, les objectifs pour GenIA en santé impliquent d’intégrer des équipes de science des données dans les hôpitaux. En habilitant les moteurs d’IA à comprendre les requêtes en langage naturel pour les données, les professionnels de la santé n’auront plus à dépendre des TI pour accéder aux données de diverses sources. Cette rationalisation va économiser du temps et permettre des décisions plus efficaces. Les outils assistés par IA peuvent aider à extraire des informations pertinentes à partir des dossiers médicaux, des études et des données générées par les patients, favorisant des plans de traitement plus ciblés et efficaces.

Cas d’utilisation à long terme de GenIA : diagnostic multimodal et soutien à la décision clinique

À long terme, la vision ultime pour GenIA est celle où l’IA devient elle-même le médecin. Jusqu’ici, les développements en IA portaient principalement sur la reconnaissance de motifs, particulièrement utile en cybersécurité et pour la détection précoce du cancer. Dans certains cas, la précision de certains diagnostics de cancer a atteint un remarquable 98,35 % avec l’IA et l’apprentissage machine. 

Cependant, GenIA élargit l’accent pour inclure l’analyse linguistique des diagnostics cliniques. En apprenant aux moteurs d’IA le langage et les modèles de l’information diagnostique, GenIA prend en compte non seulement les images médicales, mais aussi des facteurs comme les analyses sanguines et les notes de médecin pour poser des diagnostics exacts. Cette approche holistique du diagnostic offre une vue d’ensemble de la santé du patient et aide à établir des plans de traitement individualisés.

Surmonter les défis et parvenir à l’adoption à grande échelle

L’adoption généralisée de la GenIA en santé comporte des défis. La puissance de calcul requise pour soutenir cette technologie n’est pas encore totalement comprise, et les coûts associés pourraient exploser. Cela présente des obstacles pour les fournisseurs et les utilisateurs finaux. 

Cependant, des subventions gouvernementales pourraient contribuer à compenser ces coûts et à encourager l’adoption de la GenIA. Les pays misant sur l’IA connaîtront sans doute des répercussions sociales importantes, menant à des populations plus en santé et plus heureuses. Il est important d’encourager la collaboration entre fournisseurs, organisations de santé et gouvernements pour relever ces défis et favoriser l’adoption généralisée de GenIA. 

       1. Gouvernance et éthique

• Effectuez des tests de biais avant et après le déploiement selon les groupes démographiques et pathologies

• Maintenez la supervision humaine avec des processus d’escalade et de dérogation clairs

• Faire respecter les garde-fous éthiques : filtres pour les invites/résultats, exigences de citation, pistes d’audit et simulation d’attaques (red-teaming)

  2. Réglementation et conformité

• Cartographiez les flux de données selon l’HIPAA (É.-U.) et le RGPD (UE), tout en réalisant les DPIA au besoin

• Préparez-vous à l’AI Act de l’UE et aux orientations pertinentes de la FDA sur les logiciels IA/AM

• Documentez la lignée du modèle, les sources de données d’entraînement, le contrôle des modifications et les plans de surveillance post-commercialisation 

  3. Adoption et confiance des cliniciens

• Co-développez avec les fournisseurs et intégrez dans les flux de travail DSE ou boîte de réception existants

• Formez les utilisateurs ; commencez par une validation “clinicien dans la boucle” et une responsabilité claire

• Mesurez l’utilisabilité, les taux de dérogation et la satisfaction. Itérez rapidement d’après la rétroaction

  4. Interopérabilité et normes

• Utilisez HL7 FHIR/DICOM pour l’échange et conservez la portabilité des données et la neutralité fournisseur

• Faites une gestion de versions des API et des terminologies, gardez les mappings transparents et vérifiables 

  5. RSI et mesures de valeur

Feuille de route de déploiement de GenIA en santé : du projet pilote à l’échelle

1. Choisissez un cas d’utilisation à fort impact et un coût de base pour quantifier le RSI.
2. Assurez la sécurité des données, le respect de l’HIPAA/RGPD et les contrôles d’accès, tout en mettant en place le clinicien dans la boucle.
3. Lancez le pilote, mesurez les minutes économisées par note et le temps de réponse aux messages.
4. Corrigez problèmes de sécurité, biais et utilisabilité, élargissez les jeux de données, surveillez la dérive et l’explicabilité.
5. Passez à l’échelle par API et formation, suivez coût/note, coût/message, taux d’erreur et disponibilité.

FAQ : IA générative au service de la santé

Comment l’IA générative est-elle utilisée dans la santé ? 
Rédige des notes cliniques, trie les messages, automatise des formulaires, résume des dossiers et soutient la décision, avec révision par un clinicien.

Comment GenIA améliore-t-elle l’engagement du patient ? 
Offre triage et éducation 24 h/24, rappels personnalisés, soutien multilingue et réponses rapides, avec escalade au besoin.

Pourquoi la qualité des données est-elle cruciale pour l’IA en santé ? 
Des données de mauvaise qualité ou non représentatives produisent des résultats risqués et biaisés. Une AQ rigoureuse et la surveillance réduisent ce risque.

Comment le nuage et le nuage souverain contribuent-ils à l’adoption de GenIA dans le secteur de la santé ? 
Ils offrent une puissance de calcul évolutive, des contrôles de sécurité et des options de résidence afin de respecter la conformité tout en accélérant la livraison.

Quels risques en sécurité comporte l’IA en santé ? 
Fuite de données, manipulation d’invites/modèles et risques liés à la chaîne d’approvisionnement. Atténuez avec le privilège minimal, chiffrement, garde-fous et audits.