Comment l’Intelligence Artificielle révolutionne-t-elle le diagnostic médical ?
Et si l’Intelligence Artificielle (IA) pouvait aider à détecter des résultats permettant le diagnostic de maladies qui, autrement, auraient pu passer inaperçues ? Et si l’intelligence artificielle réussissait à croiser les données de millions de patients ? Et si pathologies, traitements, effets secondaires, étaient rassemblés dans une base de données maline, capable d’éclairer les médecins pour préciser un diagnostic et affiner un traitement ? L’intelligence artificielle dans la médecine est en marche, mais où en est-elle ?
Imagerie et diagnostic
Sous l'effet d'évolutions technologiques permanentes, le recours à l'imagerie est de plus en plus fréquent. Les images disponibles sont donc de plus en plus nombreuses et complexes, dans des contextes de plus en plus variés : diagnostic, suivi, dépistage, planification de traitements, prédiction d’évolution, radiologie interventionnelle, etc…
L'intelligence artificielle (IA) a le potentiel de modifier radicalement le domaine des soins de santé, avec une promesse particulière dans l'imagerie médicale. L’objectif majeur est d’assister le radiologue, acteur essentiel de l’étape clé du diagnostic, en permettant une prise en charge plus rapide et efficace du patient avec un diagnostic encore plus précoce, précis et fiable.
2,3 milliards
de giga-octets de données sur les soins de santé estimés en 2020
Des algorithmes pour la recherche
L’exploitation des données de santé avec le numérique constitue également un levier d’innovation. En 2020, on estimait 2,3 milliards de giga-octets de données sur les soins de santé1 : les mettre en relation va permettre de dégager un nouveau savoir. Il sera possible, par exemple, de faire le lien entre des patients ayant des profils cliniques proches, et d’analyser l’historique de soins des uns pour définir, conforter, ajuster les soins des patients proches des profils observés.
Cette approche représente un véritable défi au niveau du développement des algorithmes qui permettront des croisements de données pertinents.
Le Groupement d’Intérêt Public (GIP) Health Data Hub2, créé en 2019 avec l’ambition de proposer un accès unifié, transparent et sécurisé aux données de santé, a déjà mené 2 projets d’IA, auquel Bayer a contribué. L’objectif ? Mieux caractériser les patients et le besoin médical dans les domaines de l’insuffisance cardiaque et de la maladie rénale chronique sur la base des données existantes (données de vraie vie), afin d’optimiser la prise en charge.
Les prochaines étapes
Unir les forces entre les disciplines devient de plus en plus important. La collaboration entre les radiologues, les professionnels de la data, les développeurs de logiciels, les experts en informatique hospitalière et les industries de la santé est nécessaire pour exploiter pleinement les possibilités offertes par l'IA.
Cependant, alors que le développement d'algorithmes d'IA pour les radiologues s'accélère, l'adoption dans la pratique clinique quotidienne fait encore défaut. À l'avenir, il s'agira également de faciliter leur intégration dans la pratique clinique quotidienne, afin que les radiologues disposent de cette aide et puissent se concentrer sur ce qui compte vraiment : fournir un diagnostic précis et rapide aux patients.
Sources :
1 - https://www.snitem.fr/wp-content/uploads/2018/11/Donnees-de-sante.pdf, SNITEM (page 3), information recueillie lors de la journée de débat du LIR pour les industries de santé, à Paris le 23 mars 2018, avec le soutien du G5 santé.
2 - https://www.health-data-hub.fr "Do you have the appropriate data infrastructure ?"
COR-CON-FR-0035-2