Comment l'IA dans les soins de santé peut améliorer les résultats des patients

Sur le front de la santé, l'intelligence artificielle aide à combler les lacunes en extrayant autant de données que possible et en faisant des suggestions qui peuvent permettre d'identifier les problèmes médicaux plus tôt.

Comme le dit l'adage "mieux vaut prévenir que guérir". Il peut s'appliquer à diverses situations, mais il n'a jamais été aussi vrai que lorsqu'on parle de médecine. Repérer et prévenir les problèmes médicaux à un stade précoce est beaucoup moins coûteux et plus efficace que de les détecter tardivement. Le problème pour les médecins surmenés est que les problèmes ne sont pas toujours faciles à détecter pour les yeux humains. 

L'intelligence artificielle (IA) dans le domaine des soins de santé aide à combler les lacunes en extrayant avec diligence autant de données que possible et en faisant des suggestions utiles qui peuvent mener à des problèmes médicaux potentiels identifiés plus tôt.

Le besoin d'intelligence artificielle dans les soins de santé

La pénurie de personnel signifie que les travailleurs de la santé ont besoin de toute l'aide qu'ils peuvent obtenir. Avec le départ à la retraite des professionnels de santé issue du baby-boom, il y a moins de personnel soignant disponible pour une population croissante qui vit de plus en plus longtemps. En 2015, 37 % des infirmières ont déclaré que la pénurie s'était aggravée au cours des cinq dernières années. En 2017, ce nombre était passé à 48%. Les médecins - en particulier les résidents - passent jusqu'à 80 heures par semaine à l'hôpital, souvent par quarts de 28 heures, pour essayer de pallier à ce manque. Les longues heures de travail et le stress abondant sur le lieu de travail créent les conditions idéales pour les erreurs.

Les humains peuvent détecter des modèles dans les données, mais il peut s'agir d'un processus fastidieux et parfois les machines sont mieux adaptées, en particulier lorsqu'il y a beaucoup de variables ou de scénarios à référencer. Ajoutez à cela la pénurie de personnel et le manque de temps des médecins, et il devient encore plus facile pour eux de ne pas voir les signes révélateurs qui pourraient affecter un diagnostic. L'IA dans le domaine des soins de santé peut aider en faisant ressortir des signaux que les médecins bien intentionnés pourraient autrement manquer.

Pour ce faire, l’IA traite de grandes quantités de données historiques à l'aide de modèles statistiques qui identifient des tendances dans toutes sortes de données. Il peut ensuite traiter de nouvelles données par rapport au modèle historique pour rechercher des similitudes qui peuvent ne pas être immédiatement évidentes pour un médecin. Les hôpitaux pourraient expérimenter cette technologie pour scanner des images médicales et évaluer les diagnostics possibles à partir d'un grand choix d'images similaires.

Un exemple de cela est Microsoft qui alimente InnerEye avec la même technologie que celle qui a été initialement créée pour le périphérique Kinect de la Xbox. Ce système d'analyse par tomodensitométrie aide les oncologues à réduire le temps d'analyse de quelques heures à quelques secondes.

Etonnamment l'IA peut aller au-delà de la détection des problèmes de santé existants - elle peut même prédire les problèmes émergents. En analysant une grande variété de données d'entrée, les algorithmes de machine learning peuvent détecter les problèmes potentiels avant même qu'un humain ne puisse les connaître, ce qui contribue à rendre le traitement moins coûteux et plus efficace.

La société de logiciels médicaux Clearsense s'efforce de digérer une grande variété de données provenant des systèmes de surveillance des soins de santé (comme la pression du sang, le niveau d’oxygène, le taux de sucre, etc.) via des dispositifs IoT. L'entreprise traite ces données en temps réel à l'aide d'algorithmes de machine learning pour détecter des modèles subtils dans les conditions médicales des patients. Le logiciel peut donner l'alerte aux cliniciens de la détérioration de la santé d’un patient plusieurs heures à l’avance. Ces modèles permettent également d’établir des parallèles avec d’autres patients et d’anticiper l’état d’un patient qui présenterait les mêmes variables, et d’éclairer les praticiens sur les mesures à prendre.

Cette capacité prédictive se manifeste souvent de façon inhabituelle. À l'hôpital El Camino de la Silicon Valley, le taux de chutes dangereuses parmi les patients a chuté de 39% grâce à un logiciel d'IA qui a utilisaient les données des systèmes de surveillance en temps réel. Chaque fois qu'un patient activait une lumière ou une alarme, le logiciel combinait cette information avec les données de son dossier médical existant, qui contenait des renseignements sur les traitements qu'il avait reçus. L'algorithme a permis d'alerter le personnel infirmier qu'un patient était à risque élevé de chute.

L'utilisation de l’IA dans d'autres secteurs de l'industrie de la santé

Les avantages de l'IA dans le secteur de la santé sont clairement visibles au cœur de l'industrie, où les médecins et les patients se rencontrent. Cependant, les algorithmes de machine learning ont également de la valeur à d'autres endroits de la chaîne de valeur des soins de santé, car ils peuvent aider les hôpitaux à apporter des améliorations en coulisses.

Dans certains hôpitaux, les données sur les temps de traitement sont traitées pour aider à prédire la durée d'une intervention chirurgicale particulière ou la durée d'utilisation possible d'un appareil d'imagerie. Cela permet d'éviter le gaspillage et d'améliorer les résultats pour les patients en établissant des calendriers de traitement qui maximisent l'utilisation des ressources humaines et technologiques limitées. Par exemple, la société de services de santé Vizient applique l'IA pour aider ses membres à fournir des soins de santé rentables. La reconnaissance de modèles sur les données de laboratoire et les données des patients peut fournir des recommandations sur la façon dont les clients peuvent améliorer efficacement les résultats des soins de santé.

Les données sont la clé de ces avancées. La consommation de grandes quantités de données historiques et en temps réel conduit à des modèles d'IA plus précis et à de meilleurs soins préventifs. Le défi pour les hôpitaux réside dans le traitement de ces données, qui arrivent souvent en grand nombre, grâce à l'imagerie médicale à haute résolution. Les dispensateurs de soins de santé doivent avoir accès à beaucoup de puissance de calcul et de capacité de stockage lorsqu'ils transforment ces données en connaissances. Ils doivent également adopter une approche prudente pour gérer ces données. L'information sur les soins de santé est l'une des plus sensibles qui soient, la protection de la vie privée et la sécurité des patients est un objectif primordial.

L'avenir de l'intelligence artificielle dans le domaine de la santé

Les outils qui aident à gérer ces grands volumes de données et à vérifier qui y a accès aident déjà les hôpitaux à profiter des avantages des soins médicaux assistés par l'IA. La création des bonnes plateformes pour gérer les données médicales dès maintenant permettra d'établir une base solide pour les développements futurs de l'IA.

Cet avenir s'annonce de plus en plus prometteur. Alors que les algorithmes d'IA deviennent de plus en plus sophistiqués, nous voyons déjà des outils de calcul cognitif digérer des tonnes de recherches médicales en langage naturel, les condensant en un corpus de connaissances pour rivaliser avec celui de tout médecin moderne.

Un exemple de ce constat réside dans le travail de Quanam, qui en partenariat avec GenLives, a mis au point un projet open source qui permet aux cliniciens de diminuer le temps passé dans les laboratoires à analyser des mutations géniques, et à étudier des milliers de pages de recherche pour en déterminer les conditions. Les généticiens cliniciens peuvent à présent prendre des décisions plus éclairées sur les dangers des variantes du génome. Le séquençage de l'ADN prend maintenant quelques heures, plutôt qu'une journée entière. De plus, la base de données de littérature maintenant pré-enrichie utilise des algorithmes pour établir des connexions entre des millions de ressources, ce qui permet d'avoir une idée plus claire de la variante génomique qui est dangereuse. Il en résulte un diagnostic plus rapide, passant d'une moyenne de 5 ans à 8-10 semaines.

Cela signifie-t-il que les médecins du futur seront tous numériques ? Bien sûr que non. La compréhension, l'intuition et l'empathie humaines auront toujours une place vitale dans les soins de santé. Il y a un "dernier kilomètre" dans les soins aux patients qu'aucun logiciel ne peut franchir. Néanmoins, les médecins de demain seront mieux informés, plus confiants et beaucoup moins stressés, grâce à un écosystème numérique qui soutient leurs processus décisionnels et réduit la probabilité d'erreur.