Données et IA au service de la santé publique : promouvoir l'équité pour tous

L'IA et les données peuvent transformer la santé publique en optimisant prévention et soins, mais leur succès exige des données représentatives et éthiques pour éviter d'accroître les inégalités.

Le pouvoir de transformation des données et de l'intelligence artificielle (IA) en matière de santé publique est indéniable. Qu'il s'agisse de suivre la propagation des variantes du COVID-19 ou d'identifier les déserts sanitaires dans les communautés rurales, ces technologies transforment de vastes quantités d'informations en connaissances exploitables qui peuvent sauver des vies. En tirant parti de l'automatisation cognitive, de l'analyse prédictive et de l'accès démocratisé à la technologie, les services de santé publique dans le monde disposent d'une occasion sans précédent de remédier aux inégalités systémiques dans la prestation des soins de santé. 

Pourtant, malgré la disponibilité des avancées technologiques, de profondes disparités persistent. Les systèmes de données fragmentés, les biais algorithmiques et le manque de renseignements exploitables continuent de laisser de côté les populations vulnérables. Le chaînon manquant, ce sont les données prêtes pour l'IA – des informations de haute qualité, représentatives et d'origine éthique qui peuvent conduire à une prise de décision équitable. Sans ces données, même les modèles d'IA les plus avancés risquent de renforcer les inégalités existantes au lieu de les démanteler. 

Pour véritablement exploiter le potentiel de l'IA dans le domaine de la santé publique, nous devons adopter une approche qui allie l'éthique de l'innovation à la rigueur éthique exigée par le service public. La question essentielle n'est plus de savoir si l'IA peut améliorer les soins de santé, mais comment la déployer de manière responsable pour garantir l'équité pour tous. 

Pourquoi les données compatibles avec l'IA sont essentielles pour la santé publique

De nombreux systèmes de santé sont aujourd'hui confrontés à des données cloisonnées, incomplètes ou de mauvaise qualité, ce qui limite considérablement leur capacité à identifier les disparités et à y remédier. L'efficacité des modèles d'IA dépend des données sur lesquelles ils sont formés, qu'il s'agisse de prédire les épidémies, d'optimiser la distribution des vaccins ou d'améliorer la précision des diagnostics. 

Cependant, lorsque les ensembles de données manquent de diversité et de représentation, les solutions basées sur l'IA peuvent involontairement aggraver les inégalités. Par exemple, il existe un risque que les algorithmes de diagnostic formés principalement à partir de données provenant de patients masculins ou caucasiens soient moins performants pour les femmes ou les minorités ethniques, ce qui entraîne des erreurs de diagnostic ou des retards de traitement. De même, les modèles prédictifs qui ne tiennent pas compte des populations rurales ou à faibles revenus risquent de mal répartir les ressources médicales essentielles, exposant ainsi les communautés mal desservies à des risques accrus. 

Le plus inquiétant est peut-être le risque que l'IA perpétue des préjugés historiques. Si les algorithmes sont construits sur des données qui reflètent une discrimination systémique, telle que l'inégalité d'accès aux soins, ils peuvent par inadvertance renforcer ces mêmes disparités. La solution réside dans des données inclusives et de haute qualité qui représentent fidèlement toutes les populations, garantissant que les outils d'IA servent d'instruments d'équité plutôt que de division. 

Comment exploiter les données de manière responsable

Pour éliminer les « angles morts de l'IA », il est impératif de décloisonner les données et favoriser la collaboration entre les gouvernements, les ONG et les prestataires de soins de santé. Cela signifie qu'il faut mettre en commun divers ensembles de données qui tiennent compte des facteurs socio-économiques, géographiques et culturels. Il est essentiel de déployer des efforts délibérés pour inclure les groupes sous-représentés dans la collecte de données. En l'absence d'une représentation complète, les modèles d'IA continueront à ignorer les communautés qui sont pourtant celles qui bénéficieront le plus des avancées technologiques. 

Le déploiement responsable de l'IA exige de la transparence, de la responsabilité et des garanties rigoureuses. Les algorithmes doivent pouvoir être expliqués, avec une documentation claire des sources de données et des processus de prise de décision. La surveillance continue des biais est essentielle pour détecter et corriger les schémas discriminatoires avant qu'ils ne nuisent aux patients. La conformité réglementaire est également essentielle. La loi européenne sur l'IA, par exemple, établit un cadre fondé sur les risques pour les applications de l'IA, interdisant les utilisations manipulatrices tout en imposant une surveillance stricte des outils médicaux à haut risque. Une solide gouvernance des données – y compris une anonymisation robuste et des contrôles d'accès – doit également s'aligner sur les lois sur la protection de la vie privée telles que le RGPD afin de protéger les informations de santé sensibles. 

La véritable valeur de l'IA réside dans sa capacité à avoir un impact sur le monde réel. En cartographiant les disparités en matière de santé en temps réel, telles que les lacunes dans l'accès aux vaccins, les responsables de la santé publique peuvent allouer les ressources plus efficacement. Au niveau communautaire, les outils alimentés par l'IA peuvent permettre des interventions ciblées, qu'il s'agisse de cliniques mobiles dans les quartiers mal desservis ou de programmes de dépistage personnalisés pour les groupes à haut risque. 

Pour aller de l'avant, il faut reconnaître que les données prêtes pour l'IA constituent un grand facteur d'égalité en matière de santé publique, mais seulement si ces technologies sont conçues et déployées en plaçant l'équité au premier plan. La réalisation de cette vision exige une collaboration sans précédent entre les secteurs, depuis les soins de santé et la technologie jusqu'à la politique et la défense des droits. Parmi les priorités, citons l'investissement dans une infrastructure de données interopérables qui élimine les cloisonnements et l'adoption de normes mondiales pour l'équité dans l'IA en matière de santé.

L'avenir de la santé publique dépend de notre capacité à utiliser les données et l'IA comme outils d'autonomisation, en veillant à ce qu'aucune communauté ne soit laissée pour compte, car les conséquences d'un manquement à cette règle pourraient être énormes. Il faut agir dès maintenant, car dans la poursuite de l'équité en santé, la technologie doit faire partie de la solution.