Contact
France
Contact us
Replay

Demain, tous soignés par des IAs ?

News and insights
#Artificial intelligence

Historiquement, le système expert MYCIN, mis au point en 1974, est considéré comme étant la première utilisation de l’intelligence artificielle dans le domaine de la santé. Celui-ci avait vocation à assister les médecins dans leur diagnostic, et dans le traitement de certaines maladies du sang. En tentant de reproduire les mécanismes cognitifs d’un expert dans un domaine particulier via un raisonnement basé sur des faits et règles connus (environ 700 règles), ce logiciel a abouti à des résultats plus concluants que ceux des humains. En 1979, afin d’évaluer sa pertinence, le système prend part à une compétition au cours de laquelle il fait face à 8 médecins, sur 10 cas présentés, MYCIN arrive premier.

Les promesses de l’application de l’IA au secteur de la santé sont nombreuses : grâce à une meilleure précision dans les diagnostics notamment, elles permettraient de diminuer les coûts opérationnels pour les établissements médicaux et d’aboutir à des plans de traitement de plus en plus personnalisés pour les patients.

Les fantasmes vont bon train lorsque l’on parle d’IA, toutefois, il est nécessaire de trouver le juste environnement à mettre en place pour intégrer pleinement l’Intelligence Artificielle au domaine de la santé.

L’Interopérabilité ouvre la voie à la médecine de précision

L’interopérabilité, soit la capacité de partager facilement des données entre différents acteurs, est une contrainte inhérente à l’industrie de la santé, pouvant entraver l’intégration de l’IA dans ce secteur. En effet, il n’existe souvent pas de banque de données médicales centrales ou de format de stockage standard – celles-ci sont la plupart du temps rédigées à la main, puis faxées, rendant impossible toute extraction de données compréhensibles par une machine.

Afin de mettre en place un environnement favorable à l’intégration de l’IA dans le secteur de la santé, il est nécessaire de démocratiser l’accès aux données médicales. Celles-ci sont primordiales pour nourrir et améliorer les modèles d’apprentissage automatique.

 

Plusieurs facteurs peuvent y concourir, tels que :

  • L’augmentation du volume des données médicales grâce à la multiplication des dispositifs portables (les wearables) ou encore à celle des bases de données de séquençage génomique
  • La disponibilité des données facilitée grâce à la généralisation des dossiers médicaux électroniques. Ils permettent aujourd’hui d’accéder facilement à un historique de données de plus de 10 ans.

La start-up française Lifen par exemple, a ainsi fait de l’interopérabilité dans le secteur de la santé son cheval de bataille. Celle-ci a mis au point une plateforme d’échanges sécurisée pour les praticiens et établissements médicaux, s’appuyant sur des algorithmes d’Intelligence Artificielle. Outre l’avantage de leur faire bénéficier de l’annuaire des professionnels de santé le plus complet de France, leur solution est compatible avec 100% des logiciels des cabinets médicaux : le format des données ne représente ainsi plus un frein au partage des données médicales et les informations des patients ne sont plus disséminées dans des logiciels multiples.

 

L’avènement de la télémédecine illustre parfaitement la démocratisation de l’accès aux données médicales.

De fait, le téléphone portable constitue  une nouvelle source de données et constitue aujourd’hui un puissant outil de diagnostic. L’utilisation croissante du téléphone et la réduction du taux d’erreur des algorithmes de reconnaissance visuelle ont incité les créateurs de SkinVision à mettre au point une application utilisant la caméra du téléphone pour surveiller les lésions cutanées et évaluer les risques de cancer de la peau.

Cette “télémédecine” permet ainsi aux médecins de se construire une connaissance plus affine des comportements et habitudes de vie des patients, et de développer des plans de traitement médicaux davantage préventifs que curatifs.

Dans cette optique, et grâce à l’alliance du Big Data, de l’analyse prédictive et de l’intelligence artificielle, le diagnostic et le traitement se personnalise, pour aboutir à une démarche totalement client-centric. C’est ce qu’on appelle aujourd’hui la médecine de précision.

L’assouplissement de la réglementation et le soutien des gouvernements sont nécessaires pour la mise en place rapide d’applications d’IA dans le secteur de la santé

 

Le rythme effréné des améliorations du machine learning et du deep learning dicte le ton et un assouplissement de la régulation est nécessaire pour que les mises en applications de l’IA suivent la cadence dans le secteur de la santé.

Aux Etats-Unis par exemple, depuis 2018, la FDA  (Food and Drug Administration) accélère les processus d’approbation des logiciels d’IA pour les diagnostics et l’utilisation de la vision par ordinateur en imagerie médicale. En avril, l’organisation a autorisé des algorithmes d’IA à diagnostiquer des maladies oculaires comme la rétinopathie diabétique, sans le second avis d’un médecin.

Dans la même optique, les grandes entreprises technologiques chinoises bénéficient d’un soutien solide du gouvernement, et ce, notamment dans la centralisation des données et l’automatisation des processus médicaux. Le ministère chinois des sciences et de la technologie a annoncé en 2017 qu’il s’appuierait sur Tencent pour l’ouverture d’une plateforme open source d’IA dans le domaine de l’imagerie et des diagnostics médicaux. Par ailleurs, l’utilisation du réseau social Wechat, appartenant à Tencent, dans l’inscription des rendez-vous en ligne et le paiement des honoraires se répand de plus en plus au sein des établissements médicaux. La stratégie semble payer puisqu’au premier semestre 2018, la Chine a devancé le Royaume-Uni pour devenir le deuxième pays le plus actif dans l’application de l’IA au secteur de la santé.

La mise en place de synergies entre les grands groupes technologiques et les établissements médicaux est une condition sine qua non à l’insertion de l’IA dans le secteur de la santé

 

Les géants de la tech facilitent l’accès des données aux établissements médicaux et leur mettent à disposition des outils technologiques optimisés en continu.

Apple par exemple y contribue, en construisant un écosystème favorable aux essais cliniques, dont le processus peut s’avérer particulièrement long et coûteux. En fournissant aux chercheurs un flux de données en continu, issus des dispositifs portables tels que l’Apple watch, ces derniers peuvent disposer en temps réel d’informations sur la santé des patients participants à leurs études. La firme américaine a également lancé depuis 2015 deux frameworks open source, ResearchKit et CareKit, facilitant la recherche et le jumelage optimal des patients pour les essais cliniques, ainsi que le suivi des progrès de ces derniers au cours de l’étude initiée. Cette initiative n’est qu’un exemple parmi des dizaines entreprises depuis 2015 par Apple qui entend se positionner en tant que leader dans le secteur.

 

Ainsi, l’interopérabilité, le soutien des gouvernements et l’assouplissement de la régulation, ainsi que l’instauration de synergies entre les entreprises tech et les établissements médicaux constituent trois variables environnementales indissociables, capables de fournir le terrain fertile pour une pleine exploitation du potentiel de l’IA dans l’industrie de la santé.

 

Découvrez comment l’IA peut améliorer le secteur de la santé en participant à la Nuit Européenne de l’IA !

PArticipez a la nuit européenne de l’ia