dimanche, 17 mars 2024

Une révolution moderne : comment l’IA pourrait transformer le secteur de la santé

Nous savons tous que la technologie est un moteur de changement. Une grande partie du développement et des améliorations que nous avons constatés dans le secteur de la santé aujourd’hui par rapport à il y a 20, 10 ou même cinq ans, sont le résultat direct de l’innovation technologique. Alors que la technologie continue de devenir plus intelligente, plus rapide et plus fiable, il semble que les possibilités soient infinies.

L’intelligence artificielle (IA), et en particulier l’apprentissage automatique (ML), sont susceptibles d’avoir un impact considérable sur l’avenir du secteur de la santé pour les patients, les médecins et les chercheurs en médecine. Par exemple, selon un 2016 study out of Johns Hopkins, les erreurs médicales résultant d’erreurs individuelles et/ou systémiques ont été identifiées comme la troisième cause de décès aux États-Unis. L’utilisation des technologies d’IA dans les établissements de santé axés sur le traitement et les soins des patients peut aider à réduire ce nombre. Pourtant, il faudra du travail pour y arriver. Plus d’éducation sur les avantages des technologies d’IA, ainsi que sur les moyens d’intégrer correctement ces technologies, est nécessaire avant de voir une adoption généralisée dans l’industrie de la santé.

Que peut faire l’IA ?

L’une des principales questions posées aujourd’hui sur l’IA et le ML est apparemment la plus fondamentale : comment ces technologies peuvent être utilisées le plus efficacement. Qu’est-ce que j’obtiens en tant que médecin ou organisation de soins de santé en appliquant l’IA dans mon cabinet ou mon hôpital ? Quels sont les cas d’utilisation critiques ? Comment cette technologie profitera-t-elle finalement à mes patients ?

Au niveau fondamental, l’intelligence artificielle peut servir d’outil de présélection pour les médecins, en leur fournissant des éléments clés d’informations générales sur le patient avant qu’il ne soit vu. Ensuite, ces technologies peuvent fournir une augmentation, agissant comme un deuxième avis sur le traitement et le diagnostic.

Fournir des données de triage et de diagnostic 

Nous savons qu’il existe une corrélation significative entre les fumeurs de cigarettes et les personnes diagnostiquées avec un cancer du poumon. Cependant, de nombreux autres facteurs (profession, expositions chimiques, médicaments, suppléments) peuvent contribuer ou augmenter le risque de développer un cancer du poumon.

Un assistant virtuel intelligent, également connu sous le nom de chatbot, peut être utilisé pour naviguer dans une conversation initiale avec un patient afin de recueillir ses antécédents médicaux, ses symptômes ou d’autres informations importantes, idéalement avant même qu’il ne mette les pieds dans le cabinet de son médecin. Ces données peuvent ensuite être utilisées comme données d’entrée dans un modèle ML qui fournit au patient des données initiales de triage/diagnostic – tout en offrant aux médecins un score de risque global ou la probabilité qu’un patient puisse développer un cancer du poumon. Recherche a montré les résultats de triage pour être comparable à la précision des médecins humains, il y a donc beaucoup de potentiel ici.

Le modèle ML peut non seulement fournir aux médecins un score de risque pour le patient, mais il peut également identifier les caractéristiques actuelles et historiques spécifiques du patient qui ont le plus contribué à son score, telles que la durée ou les occurrences d’exposition à d’autres cancérogènes dans leur vie. environnement de travail. Parfois, ces corrélations sont évidentes pour le professionnel formé, mais d’autres fois elles ne le sont pas. L’IA et le ML peuvent aider à découvrir ces modèles complexes dans les données des patients qui ne sont pas toujours facilement identifiables par les humains. Il s’agit d’informations de présélection précieuses qui peuvent aider à mieux préparer les médecins aux examens, à rationaliser l’expérience du patient à l’hôpital et à réduire les erreurs humaines dans les diagnostics et/ou les plans de traitement.

L’IA à la rescousse des professionnels de la santé également

Un autre cas d’utilisation de plus en plus important pour l’IA et le ML est la lutte contre l’épuisement professionnel et même le risque de suicide chez les travailleurs de la santé. Les taux de suicide chez les médecins étaient déjà l’un des plus élevés du pays et n’ont fait qu’empirer en raison de la pression exercée par le COVID-19. Bien qu’il s’agisse d’un problème très sensible qui nécessite une intervention humaine réfléchie, la technologie jouera également un rôle de plus en plus important.

Les hôpitaux se tournent désormais vers l’IA et le ML pour aider à identifier les travailleurs de la santé les plus à risque d’impacts négatifs sur la santé mentale (fatigue, épuisement professionnel, dépression) afin qu’ils puissent, à leur tour, offrir un soutien. Les progrès des techniques de traitement du langage naturel (PNL) – qui peuvent rechercher et analyser des données non structurées, telles que les notes de médecins – ouvrent des opportunités au sein des organisations de soins de santé pour analyser les journaux d’activité et les mesures de charge de travail basés sur les dossiers de santé électroniques (DSE) afin d’identifier les tendances en matière de sentiment négatif et surmenage.

Amélioration des données de diagnostic 

Comparable à un système de freins et contrepoids, le ML peut également approfondir l’imagerie diagnostique d’un patient. À l’aide de radiographies, de tomodensitogrammes et d’autres types d’imagerie, les méthodes de ML peuvent relier des modèles et des tendances dans les images qui peuvent ne pas être facilement détectés par les médecins, y compris les premiers signes de maladies et les niveaux de dégradation des tissus ou des os. Par exemple, la recherche a déterminé que le COVID-19 peut provoquer la présence d’opacités en verre dépoli (GGO) dans les poumons. Bien que de nombreuses maladies différentes soient également connues pour en être la cause, la présence de GGO spécifique au COVID-19 démontre un schéma et un emplacement uniques. Modèles ML ont été formés pour identifier la présence de COVID-19 en utilisant les radiographies des patients précédents comme référence, avec des scores de sensibilité actuels de 0,90 et des précisions d’environ 91 %.

Un autre exemple important concerne les patients et les appareils portables que leur médecin peut leur fournir pour aider à surveiller leurs diagnostics au fil du temps. Ces appareils peuvent être particulièrement critiques pour ceux qui gèrent des maladies chroniques et dégénératives telles que les maladies cardiaques ou le diabète. Les données collectées à partir de ces technologies portables peuvent être incorporées dans des algorithmes ML pour fournir des informations encore plus détaillées sur les habitudes et les tendances, ainsi que sur l’état futur d’un patient si une tendance donnée (telle que des niveaux de pression artérielle constamment plus élevés) se poursuit. De plus, les médecins peuvent utiliser ces données pour identifier les patients à haut risque qui luttent pour maintenir des niveaux sains et/ou partager des conseils pour aider le patient à s’autogérer entre les visites de contrôle.

Avoir un aperçu de ces types de points de données plus tôt dans le processus peut aider les médecins à fournir plus rapidement des réponses thérapeutiques plus fiables, tout en contribuant à réduire le risque d’erreur de diagnostic. Ceci est particulièrement important lorsque des études ont montré qu’il on estime que 40 000 à 80 000 décès chaque année dans les hôpitaux américains sont liés à des diagnostics erronés.

Utiliser l’IA dans les soins de santé de manière sûre et efficace

Comme c’est le cas avec la plupart des nouvelles technologies, il existe des hésitations et des inconnues concernant l’IA. Avant tout, l’IA n’est pas censée remplacer les médecins. La technologie devrait plutôt être utilisée comme une aide pour aider les médecins à évaluer et à traiter plus efficacement leurs patients. Il est également important de noter que les machines ont des limites et ne seront pas précises à 100 % tout le temps – il faudra une implication humaine continue tout au long du processus de diagnostic et de traitement.

Lorsqu’elles sont utilisées dans ce contexte, l’IA et le ML peuvent offrir au secteur de la santé une myriade d’avantages. Pourtant, les organisations qui l’utilisent doivent également savoir non seulement comment développer des modèles d’IA, mais aussi comment le faire de manière efficace, sûre et éthique.

Alors que ont révélé qu’environ 85 % des projets d’IA échoueront jusqu’en 2022, cette estimation ne doit pas nécessairement être la réalité pour une organisation donnée. La raison pour laquelle tant de projets d’IA échouent n’est pas nécessairement due aux processus d’IA eux-mêmes, mais plutôt au manque de gouvernance solide des données, de collaboration et de définition des problèmes. Les organisations qui exploitent avec succès l’IA commencent généralement leur conception avec un objectif final clair à l’esprit par rapport au rôle que l’IA jouera idéalement ou au problème qu’elle résoudra. Cette approche permet aux organisations de travailler en amont, en les guidant à travers les composants fondamentaux qui aideront à contribuer à l’objectif final.

Pour commencer à utiliser efficacement les technologies d’IA et de ML, une organisation doit également mettre en place la gouvernance et la sécurité des données appropriées afin de maximiser le retour sur investissement. Étant donné que le ML est fortement basé sur la probabilité et les statistiques, il est essentiel pour l’infrastructure d’un établissement de santé que les données exploitées dans les projets d’IA soient propres et fiables. Par exemple, l’une des façons dont l’IA et le ML peuvent être extrêmement bénéfiques est de les utiliser pour déchiffrer les tendances en prenant des images de patients au cours d’une période donnée. Un défi commun est où et comment l’imagerie est traitée. Des changements d’angle, de positionnement ou de traitement de l’imagerie peuvent faire en sorte que le modèle fournisse des résultats peu fiables. Pour avoir le taux de réussite le plus élevé avec l’utilisation de l’IA et du ML, les organisations doivent s’assurer qu’elles disposent de données de qualité et de processus définis. Cela commence par la construction d’une base solide de gouvernance et de sécurité des données.

Quelle est la prochaine ?

Ce que nous voyons actuellement de l’IA et du ML dans le secteur de la santé n’est que le début. À mesure que ces technologies continuent d’évoluer et de devenir plus avancées, les connaissances et les capacités qu’elles fourniront aux professionnels de la santé et aux patients seront véritablement transformationnelles. En exploitant ces technologies, non seulement les organisations de soins de santé obtiendront un avantage concurrentiel au fil du temps, mais elles travailleront également pour s’assurer que les patients reçoivent les meilleurs soins possibles.

.

Toute l’actualité en temps réel, est sur L’Entrepreneur

LAISSER UN COMMENTAIRE

S'il vous plaît entrez votre commentaire!
S'il vous plaît entrez votre nom ici