L’intelligence artificielle ouvre la voie à la médecine prédictive et personnalisée. Pourtant, elle est encore très peu utilisée en France par les professionnels de santé et dans les hôpitaux. Coauteur avec Andy Smith de l’ouvrage « IA et santé, l’âge des possibles » (éditions Presses de Sciences Po), Olivier Cousin, professeur de sociologie à l’université de Bordeaux, nous explique pour quelles raisons.
Dans votre livre, vous écrivez que l’intelligence artificielle permet d’améliorer les performances, notamment grâce à la puissance des machines.
Effectivement, même si pour l’instant il ne s’agit que de promesses. Grâce aux ordinateurs et aux algorithmes, il est possible de brasser un nombre de données impossible à intégrer jusqu’alors. Cette opportunité permettrait de déboucher sur une médecine personnalisée : alors qu’habituellement on obtient des résultats sous forme de moyennes entre des individus. Grâce à l’IA, on pourrait s’approcher de résultats plus affinés permettant d’adapter éventuellement les prises en charge médicales.
Un autre domaine dans lequel l’IA va plus loin est celui des prédictions.
La prédiction a au moins deux dimensions. La première est celle d’une collecte d’indices permettant, par exemple, d’anticiper des épidémies. L’autre dimension repose sur le traitement d’une grande masse d’informations concernant les patients, via par exemple l’ensemble de leurs consultations. Le traitement et le croisement de ces données permettraient alors d’anticiper et donc de prévenir la survenue de tel ou tel type de pathologie ou de complication.
L’IA peut-elle pallier les déficiences humaines ?
Cela fait partie de ses promesses. Dans toutes les publications présentant les performances d’un algorithme dans le domaine de la santé, il est toujours question de comparer celles des humains à celles des machines. Elles font souvent aussi bien, et parfois mieux. Surtout, elles peuvent le faire 24 heures sur 24 et ne sont pas sujettes à la fatigue ou à la routine. Enfin, elles peuvent prendre en considération et associer un très grand nombre de données caractéristiques du domaine exploré bien au-delà de ce que l’intelligence humaine est capable de faire.
Vous dites que la plupart des projets d’IA en santé ont dépassé le stade des laboratoires de recherche. Est-elle désormais utilisée par les acteurs de ce domaine ?
Pas vraiment. Et c’est toute l’ambiguïté de la situation. Pour le dire simplement, il faut distinguer deux niveaux. Celui de la recherche, des tests et des expérimentations, où incontestablement l’intelligence artificielle avance à grands pas dans le domaine de la santé. Et celui des usages. Est-ce qu’aujourd’hui un cabinet médical ou un service hospitalier sont équipés et s’appuient, par exemple pour l’aide au diagnostic, sur une intelligence artificielle ? Non, pour l’essentiel, sauf si cet outil est en test. Autrement dit, ces outils ne sont pas encore au stade d’un usage courant, quotidien et ordinaire.
Pour quelles raisons ?
Il faut bien préciser ici qu’on ne parle pas de l’intelligence artificielle générative, du type de ChatGPT. Le monde de la santé est très fortement régulé. C’est ce qu’on peut appeler une institution forte, c’est-à-dire un univers qui impose des règles, des codes, des contraintes et des contrôles aux personnes comme aux machines. Pour pratiquer la médecine, on doit se soumettre à un certain nombre de règles et de codes. Il en va de même pour les machines. Prenons deux exemples : le scanner et l’IRM. Pour pouvoir être utilisés comme supports au diagnostic, ces méthodes d’imagerie sont passées par un certain nombre de phases afin de valider les techniques sur lesquelles elles reposent et leur intérêt pour la prise en charge. La singularité de l’intelligence artificielle est qu’elle n’a pas encore franchi ces étapes car les algorithmes n’intègrent pas les données des protocoles de médecine à partir des preuves observées et en particulier dans les études cliniques.
Ces freins sont-ils les mêmes dans le secteur hospitalier ?
L’une des difficultés majeures auxquelles se heurte l’intelligence artificielle à l’hôpital est le principe de l’interopérabilité [capacité des systèmes ou composants à échanger des données, NDLR]. Pour qu’elle fonctionne, il faut qu’elle puisse se connecter à l’ensemble des outils numériques qui existent. Or, jusqu’alors, ils n’ont pas été faits pour communiquer entre eux et sont indépendants. Les outils numériques qui gèrent la pharmacie à l’hôpital ne sont pas les mêmes que ceux qui enregistrent les patients aux admissions. Le croisement des données suppose donc un très gros travail. Par ailleurs, il ne faut pas oublier que leur numérisation est très loin d’être achevée. On a affaire à des enjeux techniques et financiers extrêmement importants.
Vous évoquez aussi l’obsolescence des systèmes informatiques et les lourdeurs bureaucratiques propres à la France.
L’IA doit fonctionner avec un système qui n’a pas été initialement pensé pour que les données circulent. Pour en avoir une idée, si l’on prend le domaine de la radiologie, là où l’intelligence artificielle est présentée comme particulièrement performante, il existe 31 logiciels différents, et donc de constructeurs différents, permettant le système d’archivage et de communication des images (PACS*). Concrètement, les start-up qui se positionnent sur ce créneau doivent s’adapter au cas par cas. Mais ces « lourdeurs bureaucratiques » ne sont pas propres à la France. Au Québec, où nous avons aussi un peu travaillé, l’équivalent d’une carte Vitale unique n’existe pas. Si un patient circule entre les deux grands hôpitaux publics de la ville de Montréal, il utilise deux cartes patient différentes.
Certains évoquent aussi les freins liés à la confidentialité des données.
Le sujet est complexe et fait l’objet de longs débats en particulier sur les enjeux d’anonymisation des données. Mais préalablement se pose aussi la question de l’accès aux données. Elles sont dispersées et logées dans les établissements de santé. Un projet de mutualisation pour faciliter leur partage afin de favoriser la recherche a été lancé, le Health Data Hub – aussi appelé la Plateforme des données de santé (PDS) – en 2019. Il est toujours au stade de la construction. Un autre enjeu concerne la qualité des données. Comment les rendre exploitables ? Cette question est majeure et fait écho à celle de l’interopérabilité.
La question de l’éthique posera-t-elle aussi un problème ?
Évidemment. La loi n’autorise pas à établir un diagnostic sur la seule base d’une machine. Seul le médecin peut le faire. Si l’intelligence artificielle en santé se déploie massivement, comme on l’entend, une nouvelle question pourrait se poser. Pourra-t-on ne pas y faire appel, alors que sa fiabilité est au moins égale à celle des médecins experts et parfois supérieure ? Et, deuxième question, le médecin pourra-t-il ne pas suivre « l’avis » de l’algorithme ?
Pourquoi pensez-vous que l’IA s’inscrit dans un mouvement à la fois de rupture et de continuité ?
Toute la promesse autour de l’intelligence artificielle joue sur ce double registre. C’est une rupture car elle pourrait accomplir ce que nous ne pouvions pas faire jusqu’à maintenant. Mais elle s’inscrit aussi dans la continuité de la médecine moderne dans laquelle la technique joue un rôle essentiel. C’est pourquoi, il y a plutôt un regard bienveillant sur l’intelligence artificielle dans le monde médical !
* Picture Archiving and Communication System
Post Facebook
L’IA promet une médecine plus prédictive, personnalisée et performante. Pourtant, son déploiement dans les hôpitaux français reste limité. Pourquoi ce décalage entre les promesses et les usages ? Dans cette interview, Olivier Cousin, coauteur de « IA et santé, l'âge des possibles », décrypte les enjeux techniques, éthiques et organisationnels qui façonnent l’avenir de la santé.
#Innovation #Hôpital #Médecine #Numérique #IA #Prévention #Recherche
Astuce
Un évènement, un produit, une offre… pensez à compléter les articles avec des actualités de votre mutuelle.