L’intelligence artificielle au service de la santé

Le monde de la santé entre de plain-pied dans l’ère de l’intelligence artificielle ou « IA » comme elle est de plus en plus couramment appelée. Voici cinq usages de l’intelligence artificielle dans le domaine de la santé.

Lorsque les machines imitent une forme d'intelligence réelle

L’intelligence artificielle a vu le jour dès 1950. Elle cherche à reproduire le fonctionnement du cerveau humain, ou du moins sa logique (facultés cognitives), lorsqu’il s’agit de prendre des décisions. Si sa définition n’est toujours pas consensuelle, ses perspectives dans le domaine de la santé sont immenses. Dans le domaine de la santé, le transport, la défense et l’environnement, les géants de l’informatique -Google à Microsoft Apple, IBM ou Facebook et Amazon- sont déjà bien avancés dans les potentialités et les problématiques de l’intelligence artificielle, en créant notamment des réseaux de neurones artificiels constitués de serveurs, pouvant réaliser des calculs astronomiques au sein de gigantesques bases de données. Avec l’explosion de la puissance de calcul des machines, l’IA est devenue un enjeu scientifique crucial depuis une dizaine d’années à peine. L'Etat français vient d’ailleurs d'accorder une aide de 1,5 milliard d'euros pour développer l'intelligence artificielle.

Le gros potentiel de l’IA en santé

D'ici à 2024, l'IA pourrait investir le secteur médical dans son ensemble et « son développement en santé sera d'autant plus rapide que, dans ce domaine, la production de données nouvelles est particulièrement abondante », écrit le rapporteur Luc Pierron dans une étude remise à la mission du député Cédric Villani auprès du président Emmanuel Macron en mars dernier*.

Alors, incontournable l’IA ? En effet, en santé, les fantastiques volumes de données en tous genres (bilans biologiques et génomiques, imageries, antécédents familiaux et personnels etc.)** requiert désormais des programmes et des algorithmes de traitement de plus en plus complexes.

Les 5 applications de l’IA en santé :

Améliorer le diagnostic. A partir des masses de données amassées au fil des ans sur de très larges cohortes d’individus, l’IA en extrait des facteurs de risques vis-à-vis de certaines maladies (diabète, cancer, démences etc.). Un outil essentiel aussi pour affiner le diagnostic et le pronostic d’une maladie en prenant en compte de multiples paramètres individuels mais pas uniquement. L’IA est en train de devenir une aide essentielle au diagnostic. Certains programmes d’IA permettent déjà de repérer des anomalies sur des électrocardiogrammes, traitent des imageries (radiographies, IRM etc.) ou encore se convertissent en médecins virtuels qui analysent les centaines de données d’un même patient à la fois pour porter ou orienter le médecin vers un diagnostic. L’IA n’est pas censée remplacer le médecin, qui réalise l’examen clinique, mais se veut un outil supplémentaire. Exemple : un article paru dans une grande revue de cancérologie * vient de montrer qu’un programme de IA (un réseau neuronal convolutif, entraîné grâce à l’assimilation de 100 000 images de lésions de la peau et grains de beauté, et qui apprend par lui-même : « deep learning ») a obtenu 95% de bonnes réponses contre 89% pour les médecins (58 spécialistes de 17 pays) en observant 100 photos de taches suspectes de mélanome. De plus, l’ordinateur a moins souvent confondu des grains de beauté bénins avec un mélanome, d’où moins de chirurgies inutiles. Mais prédire la survenue de maladies et leur évolution reste le grand espoir de l’IA. Des systèmes prédictifs sont élaborés et perfectionnés, qui ne peuvent être conçus sans la constitution des banques de données de santé des individus à large échelle : on entre dans l’ère du « Big Data ».

Le traitement au plus juste. L’exploitation des Big Data à l’aide des algorithmes surpuissants peut être une aide à la décision thérapeutique, utile pour sélectionner le traitement adéquat (médicaments, greffe, chirurgie bariatrique etc.) en fonction des propres paramètres de santé du malade mais aussi, par exemple, de l’étude du génome de ses cellules cancéreuses ou de ses chances de survie en fonction du type de traitement etc.

Accélérer la recherche sur de nouveaux traitements en affinant la sélection de patients pouvant être inclus dans les cohortes des essais cliniques etc.

Suivre les patients en temps réel et améliorer la prise en charge. L’étape ultime sera d’exploiter des agents d’intelligence artificielle pour aider le professionnel de santé à intégrer plus rapidement les informations de dossiers de patients volumineux et complexes en lien avec les recommandations des sociétés savantes, lesquelles deviennent de plus en plus difficiles à appréhender sur des pathologies multiples, comme c’est le cas chez des patients qui souffrent de plusieurs pathologies. L’IA pourra favoriser la prise en charge du patient en favorisant les connexions entre les acteurs de santé en particulier mais aussi les modes de prise en charge tel que l’ambulatoire par exemple. Ceci est en train de se développer actuellement à l’aide de chatbots ou "robots conversationnels" faisant appel à l’intelligence artificielle afin de dialoguer avec les patients en pré et postopératoire par le biais d’un service de conversations automatisées, effectuées en langage naturel. Il engage une conversation par SMS sur téléphone mobile, individualise ses conseils et détecte les patients qui nécessitent une intervention de l’équipe médicale.

Contribuer à la pharmacovigilance (repérage des effets indésirables). C’est toujours grâce à l’analyse d’un nombre considérable de données provenant des cohortes de patients mais aussi des bases médico-économiques (Assurance maladie, délivrances en officine ou pharmacies hospitalières etc.) qu’il sera possible de faire émerger des liens potentiels entre une prescription et un évènement indésirable. Ce qui ne dispense pas les médecins de déclarer tout événement suspect. A une échelle encore plus vaste car incluant d’autres registres de données (publications officielles, données émanant des transports aériens, des ventes de médicaments, des notifications sur internet etc.), l’IA sera en mesure de repérer une épidémie de façon précoce et de la suivre en temps réel.

Un risque pour les libertés individuelles ?

La sécurité des big data en santé est l’élément majeur lié au développement de l’intelligence artificielle, gage de protection vis-à-vis du secret médical, mais aussi du risque d’intrusion dans la vie privée, du fait d’une surveillance parfois même justifiée avec le but louable de protéger la santé de la personne à son domicile. Selon Cédric Villani, contrairement aux États-Unis, la France et l’Europe sont plus protectrices des data de santé et plus conscientes des risques. La réglementation française est même l'une des plus rigoureuses au monde. Néanmoins, les spécialistes ne sont pas tous convaincus par les techniques actuelles pour anonymiser les données de santé. Des solutions sont en cours de développement qui ne capturent pas les data comme le font les GAFA (Google, Apple, Facebook et Amazon) dans l’objectif de réduire le risque de hacking (piratage).

La réflexion doit aussi inclure la question éthique suivante : que faut-il déléguer à l’IA parmi les diagnostics médicaux et les options thérapeutiques ? De plus, le rapport Villani met le doigt sur un autre problème complexe : avant d'envisager le déploiement massif des programmes d’IA dans un contexte médical, il sera nécessaire de clarifier le régime de responsabilité médicale en cas d'erreur.

* https://academic.oup.com/annonc/advance-article/doi/10.1093/annonc/mdy166/5004443

** Déjà 260 bases de données publiques en santé recensées par l'Institut national de la santé et de la recherche médicale (Inserm)

Hélène Joubert, journaliste