L’IA générative est une technologie transformatrice qui, selon certains, pourrait avoir à long terme plus d’impact que les technologies transformatrices précédentes. Elle influence déjà les soins de santé et il existe des défis importants ainsi que des considérations clés que les organisations du secteur doivent planifier alors qu’elles cherchent à tirer parti de cette technologie.

ChatGPT, Microsoft Azure OpenAI et d’autres technologies d’IA générative ont attiré l’attention de presque tout le monde. Évidemment, il s’agit d’une technologie puissante et, comme toute technologie, l’IA générative résout certains problèmes mieux que d’autres. Il est important d’identifier d’abord un problème à résoudre et de ne déployer l’IA générative que si elle peut régler ce problème. La plupart des dirigeants d’entreprise ont une bonne compréhension générale des expériences utilisateur uniques et de l’assistance intelligente offertes par ces technologies.

Mais ce n’est que la pointe de l’iceberg des capacités de l’IA générative. Combinée aux technologies d’apprentissage automatique (ML) traditionnelles, les possibilités d’utilisation incluent :

• Répondre aux questions en langage naturel des patients de façon conversationnelle
• Aider les employés à rester au fait des mises à jour et des changements réglementaires
• Automatiser les audits pour réduire leur durée de plusieurs semaines à quelques heures
• Fournir aux professionnels de la santé des résumés d’articles scientifiques et de publications dès leur parution
• Générer des réponses initiales aux demandes des patients, réduisant ainsi le temps que les praticiens doivent consacrer aux courriels et aux discussions en ligne
• Aider au diagnostic des maladies et à l’analyse des images médicales
• Remplir des fonctions administratives et de gestion telles que la détection et la prévention de la fraude dans les soins de santé

Au-delà des cas d’usage propres aux soins de santé, il existe des cas d’usage précieux en TI, tels que :

• Augmenter l’efficacité des équipes de développement et de maintenance logicielle de l’organisation
• Renforcer et automatiser les opérations de cybersécurité 

Les entreprises subissent la pression de la haute direction pour mettre en œuvre ces cas d’utilisation et d’autres encore. Toutefois, il est essentiel de s’assurer qu’ils produisent les retombées promises pour les fournisseurs de soins de santé, les assureurs, les professionnels de la santé et, surtout, les patients. Au bout du compte, l’IA générative promet de rendre les soins de santé plus efficaces et plus adaptés aux besoins des patients.
 

Défis du recours à l’IA générative dans les soins de santé 

Cela dit, l’écart entre le désir des dirigeants des soins de santé de devenir davantage axés sur les données et habilités par l’IA et leur situation actuelle reste considérable. Selon IDC, 87 % des cadres supérieurs en soins de santé disent que leur priorité principale est de devenir une entreprise intelligente. Mais seulement 30 % affirment que leurs actions sont guidées par l’analyse de données, et un tiers à peine se sentent à l’aise de remettre en question les indicateurs clés de performance (KPI) de leur organisation. Environ le même pourcentage (34 %) estime qu’il est facile de trouver des collaborateurs internes et externes pour soutenir cet effort.

La technologie de l’IA continue d’évoluer et, même à son rythme actuel de développement, les balises pour atténuer des conséquences non souhaitées telles que les atteintes à la déontologie, à la société et à la vie privée accusent un retard. À l’intérieur même de toute organisation de soins de santé, plusieurs obstacles doivent être levés.

Premièrement, l’IA générative a besoin d’un accès à de véritables masses considérables de données de qualité pour être efficace, et ce n’est pas facile à atteindre pour la plupart des organisations de soins de santé. Les données sont souvent stockées dans des silos déconnectés à travers plusieurs environnements différents. Parfois, le service TI n’a aucun moyen de savoir exactement quelles données l’organisation conserve ou où elles se trouvent.

Et ce n’est que le début. Un manque d’interopérabilité entre différents systèmes peut rendre les données inaccessibles, même si le service TI sait précisément où elles sont. De plus, les TI et le secteur des soins de santé utilisent souvent des guides de style différents lorsqu’il s’agit d’intégrer des données. Enfin, si la qualité des données est insuffisante, les résultats en seront affectés. En bref, l’IA générative a besoin de données de haute qualité pour générer des résultats de haute qualité.

Deuxièmement, la conformité représente un énorme défi. Étant donné la nouveauté de l’IA générative, on ne sait pas clairement où elle peut ou non être utilisée. Les règlements HIPAA et FDA dictent la manière dont les renseignements de santé personnels peuvent être utilisés, stockés, partagés et sécurisés. En fait, les entreprises des sciences de la vie sont souvent rigoureusement limitées dans la façon dont elles sont autorisées à communiquer au sujet de leurs produits. Les affirmations qu’elles peuvent faire sont strictement encadrées, souvent jusqu’aux mots et aux expressions devant être employés. Certains règlements précisent même la disposition et la taille de la police.

Troisièmement, au-delà des défis techniques, plusieurs acteurs du secteur des soins de santé ne font pas confiance à l’IA. Pour surmonter cette méfiance et inspirer confiance, l’organisation doit faire preuve de transparence quant aux données utilisées pour entraîner les grands modèles de langage (LLM), et veiller à ce que des personnes soient impliquées dans la boucle d’entraînement du modèle, ces deux éléments étant essentiels pour garantir la qualité et instaurer la confiance. Fournir des comparaisons entre les résultats de l’IA générative et ceux produits par des humains et/ou des systèmes non dotés d’IA, selon le contexte le plus pertinent, peut aider. Rien ne vaut la précision démontrée en temps réel.

La sécurité doit être envisagée dès le départ. Surtout puisque le LLM aura accès à des données sensibles, le système doit être sécurisé. Cela signifie que le RSSI et les équipes de sécurité doivent être fortement impliqués dès le tout début du projet.

Enfin, il est essentiel de démontrer le rendement du capital investi aux décideurs et à l’organisation dans son ensemble afin de bâtir la confiance. Choisissez avec soin des KPIs concrets qui concernent précisément les résultats visés. Par exemple : réduction des étapes, gains de temps et accomplissement complet d’une tâche.

Conditions de réussite 

La réussite exige l’instauration d’un mécanisme de gouvernance de niveau organisationnel pour la gestion de la confiance, des risques et de la sécurité, avec des mécanismes centralisés pour piloter les politiques et la conformité afin de contenir et gérer l’IA générative. Un écosystème solide et complet de partenaires peut apporter des compétences technologiques et organisationnelles pour assurer la présence de l’infrastructure TI et des ressources humaines adéquates. Un intégrateur de systèmes possédant une expertise spécialisée en IA générative peut combler ces lacunes cruciales pour les organismes de soins de santé. 

Ensemble, HCLTech et Microsoft aident les clients du secteur des soins de santé à exploiter pleinement la puissance de l’IA en transformant leur environnement de données vers une plateforme de données unifiée et infusée d’intelligence artificielle, propulsée par Microsoft Fabric, laquelle s’intègre parfaitement aux outils IA.

HCLTech, avec ses solutions de données et d’IA éprouvées (Services d’analytique des données : propulser les entreprises | HCLTech), Modernisation des données, Simplify Insights et ScaleAI, peut aider les clients à accélérer leur adoption de Microsoft Fabric et leur transition vers la préparation à l’IA à l’échelle de l’entreprise. Les solutions de modernisation des données de HCLTech permettent une gestion intelligente des données et le SmartOps à l’aide de XOps (DataOps+ML Ops+BizOps), afin de garantir que les actifs de données sont prêts et accessibles pour l’analyse. La plateforme ScaleAI Foundry de HCLTech étend le portfolio d’IA de Microsoft Azure avec des actifs de données fiables et des patrons de solutions IA, permettant l’innovation IA à l’échelle de l’entreprise.

Les solutions Simplify Insights aident à éliminer le trop-plein de rapports et tableaux de bord et réunissent les technologies ainsi que les processus d’analytique pour générer des informations approfondies et marquantes soutenant la prise de décision. Quelques solutions ScaleAI construites sur les plateformes de données et d’IA de Microsoft incluent :

• Étiquetage intelligent
• Automatisation des audits
• Outils de rapports pour les urgences
• Réclamations
• Rapports administratifs
• Expérience patient 

L’IA est en voie de devenir une technologie incontournable pour les soins de santé, mais son déploiement et sa gestion nécessitent des compétences spécialisées. Collaborer avec un conseiller de confiance tel que HCLTech peut aider à garantir la fluidité du parcours et que l’IA tienne toutes ses promesses de valeur.

Pour plus d’information, visitez Écosystème Microsoft : partenariat HCLTech  et Microsoft, Mise à l’échelle de l’IA à l’échelle de l’entreprise | HCLTech et | HCLTech Solutions pour les sciences de la vie et la santé.