Si l’on en croit le buzzword actuel, nous sommes à l’aube d’une révolution dans le domaine de la santé. L’utilisation de l’IA dans la médecine de précision peut aboutir à des traitements personnalisés basés sur la donnée et la preuve. Mais laissons de côté un instant notre enthousiasme, et regardons la réalité des choses.
Délivrer des soins basés sur l’intelligence artificielle est un objectif qui comporte des risques. Pour s’engager sur une telle voie et être en mesure d’intégrer des jeux de données dans le processus de diagnostic, les établissements de santé devront d’abord assurer la qualité des données et mettre en place des processus de gouvernance clinique et de surveillance éthique pour garantir que les solutions d’IA soient fiables, sûres et bénéfiques pour les patients.
De la donnée au marqueur clinique
Les solutions d’intelligence artificielle reposent sur des données. Il est donc impératif de disposer de jeux de données fiables et impartiales pour éviter les biais dans les résultats. Mais qu’est-ce qu’une donnée « fiable et impartiale » ? On peut citer en exemple les données démographiques, les résultats de laboratoire, les plannings de rendez-vous, les ordonnances, les PROMS (Patient-Reported Outcomes Measures), etc. Tous ces points de données doivent être réévalués et les algorithmes réajustés pour pondérer correctement les informations. Pour que la médecine de précision soit efficace, elle doit examiner le patient sur la base de marqueurs cliniques fiables.
Développer la médecine de précision dans l’ensemble de l’écosystème n’est pas une tâche facile. Les prestataires de soins de santé ont besoin de solutions simples à déployer, offrant un bénéfice pour les patients et minimisant le risque clinique. La gestion de la transformation nécessaire au déploiement de l’IA dans les de santé réclame donc une action coordonnée. Avant de déployer l’IA, les organisations doivent mettre en place des équipes de gouvernance appropriées : éthiques, cliniques et opérationnelles.
Avant le déploiement, trouvez votre MVP
Les acteurs de la santé qui souhaitent intégrer l’IA dans leurs opérations peuvent suivre ce processus en cinq étapes :
- Examinez votre historique de données et définissez les renseignements que vous pensez pouvoir obtenir en exploitant ces données. La plupart des organisations ne disposent pas de cette expertise en interne et auront intérêt à collaborer avec une équipe spécialisée d’informaticiens cliniques et d’experts de la donnée.
- Travaillez avec l’équipe clinique pour identifier les groupes de clients ou les workflows pour lesquels les soins sont susceptibles d’être améliorés (sur la base du quadruple objectif de l’IHI) en exploitant plus efficacement les données.
- Évaluez le retour sur investissement potentiel en appliquant l’analyse des données définies à l’étape 1 à la cible clinique identifiée à l’étape 2.
- Modélisez la solution avec un MVP (Minimal Viable Product, ou Produit Minimum Viable) et effectuez un projet pilote en vue d’un déploiement rapide dans l’environnement clinique réel.
- Poursuivez le backtesting et travaillez avec les équipes cliniques pour valider la pertinence et l’impact.
Alors que de nombreuses institutions éprouvent cette approche, d’autres se lancent dans l’IA à l’aveugle, sans stratégie cohérente, en tentant de récolter avant tout la lumière et le buzz. Sans une équipe spécifiquement dédiée à la médecine de précision au sein de l’organisation, le projet est voué à l’échec.
L’IA dans la santé est une nouvelle frontière. Un partenariat étroit entre les prestataires de soins de santé, les équipes cliniques et les fournisseurs de technologies est essentiel pour obtenir des résultats positifs pour les patients. Et vous pouvez commencer dès maintenant !
