C’est une journée généralement froide en février et le pic de la saison de la grippe. Sans parler de la pandémie sans fin qui semble hanter ce monde depuis toujours. Et cela m’a fait réfléchir : la technologie peut-elle aider à lutter contre toutes ces maladies désagréables et à améliorer les résultats pour les patients ? Et surtout, l’intelligence artificielle aura-t-elle un rôle à jouer ? Vraisemblablement.
En 2021, nous avons franchi une nouvelle étape dans l’adoption de l’intelligence artificielle – 6,9 milliards de dollars de taille et de comptage du marché. D’ici 2027, le marché intelligent des soins de santé atteindra 67,4 milliards. Par conséquent, l’avenir de l’IA dans les soins de santé semble certainement brillant, mais pas serein.
Aujourd’hui, je vais vous présenter l’état de l’intelligence artificielle dans le domaine de la santé, ses principaux domaines d’application et ses limites actuelles. Tout cela vous aidera à construire une image holistique de cette technologie dans les services médicaux.
L’état de l’IA dans les soins de santé aujourd’hui
L’intelligence artificielle est désormais considérée comme l’un des domaines de recherche informatique les plus importants, favorisant la croissance industrielle. Tout comme la transformation de la technologie de l’énergie a conduit à la révolution industrielle, l’IA est aujourd’hui annoncée comme la source de la percée.
Dans le continuum des soins de santé, la COVID-19 a accéléré les investissements dans l’IA. Plus de la moitié des responsables de la santé s’attendent à ce que l’intelligence artificielle (IA) stimule l’innovation dans leurs organisations dans les années à venir. Dans le même temps, environ 90 % des hôpitaux ont mis en place des stratégies d’IA.
Voyons maintenant les principaux impacts des algorithmes intelligents en médecine.
Impacts technologiques actuels en médecine
Aujourd’hui, seuls des cadres spécifiques de la pratique clinique ont accueilli l’application de l’intelligence artificielle.
Les patients attendent le déploiement de la médecine augmentée car elle permet une plus grande autonomie et une prise en charge plus individualisée. Cependant, les cliniciens sont moins encouragés car la médecine augmentée nécessite des changements fondamentaux dans la pratique clinique.
Néanmoins, nous avons déjà suffisamment de cas d’utilisation de l’IA pour évaluer son potentiel.
Détection précoce des maladies
Dans la plupart des cas critiques, le pronostic du traitement dépend de la précocité de la détection de la maladie. La technologie basée sur l’IA est actuellement utilisée pour amplifier le diagnostic précis d’une maladie comme le cancer à ses débuts.
Les algorithmes d’apprentissage automatique peuvent également traiter les données des patients à partir d’images ECG, EEG ou radiographiques pour prévenir l’aggravation des symptômes.
Selon l’American Cancer Society, 1 femme sur 2 reçoit un diagnostic erroné de cancer en raison d’un taux élevé de résultats de mammographie erronés. Par conséquent, il existe certainement un besoin aigu pour une identification plus précise et plus efficace des maladies. Les mammographies sont examinées et interprétées 30 fois plus rapidement avec une précision allant jusqu’à 99 % avec l’IA, ce qui réduit le besoin de biopsies.
Découverte plus rapide de médicaments
Cette année, Alphabet a lancé une entreprise qui utilise l’IA pour la découverte de médicaments. Il s’appuiera sur les travaux de DeepMind, une autre unité d’Alphabet qui a été pionnière dans l’utilisation de l’intelligence artificielle pour prédire la structure des protéines.
Et ce n’est pas le seul exemple de recherche clinique basée sur l’IA.
Selon une enquête Deloitte, 40 % des start-ups de découverte de médicaments utilisaient déjà l’IA en 2019 pour surveiller les dépôts chimiques de candidats-médicaments potentiels. Plus de 20 % utilisent l’informatique intelligente pour identifier de nouvelles cibles médicamenteuses. Enfin, 17 % l’utilisent pour la conception moléculaire assistée par ordinateur.
Analyse des données de santé
L’explosion des données de santé a pris de l’ampleur ces dernières années. Ce pic soudain de données peut être attribué à la numérisation massive du secteur de la santé et à la prolifération des appareils portables.
Avec un seul patient représentant environ 80 mégaoctets de données par an dans les données d’imagerie et d’EMH, le taux de croissance annuel composé des données devrait atteindre 36 % d’ici 2025.
Par conséquent, les médecins ont besoin d’un outil rapide et efficace pour donner un sens à ce flux de données afin de produire des informations qui changent l’industrie. L’analyse prédictive est exactement l’un de ces outils. En particulier, l’analyse de données basée sur l’IA aide à découvrir les tendances cachées dans la propagation des maladies. Cela permet un traitement proactif et préventif, ce qui améliore encore les résultats pour les patients.
Par exemple, les Centers for Disease Control and Prevention (CDC) mettent en œuvre des analyses pour prédire la prochaine épidémie de grippe. À l’aide de données historiques, ils évaluent la gravité des futures saisons grippales, ce qui leur permet de prendre des décisions stratégiques à l’avance.
La pandémie mondiale n’a pas non plus fait exception. Ainsi, le National Minority Quality Forum a lancé son indice COVID-19. Ce dernier est un outil prédictif qui aidera les dirigeants à se préparer aux futures vagues de coronavirus.
Intelligence clinique
Au cours de la dernière année, les laboratoires ont effectué plus de 2800 essais cliniques pour tester des médicaments et des vaccins vitaux contre le coronavirus. Cependant, ce vaste champ d’essais cliniques n’a pas été fructueux et a généré des attentes trompeuses. Mais ce sont de vieilles nouvelles.
Le marché des essais cliniques de 52 milliards de dollars souffre depuis longtemps d’investigations et de planifications précliniques inefficaces. L’un des aspects les plus difficiles de la recherche clinique consiste à trouver des patients. Cependant, bon nombre de ces essais cliniques – en particulier les essais en oncologie – sont devenus plus sophistiqués, ce qui rend encore plus difficile la recherche de patients dans un court laps de temps.
L’intelligence artificielle recèle un grand potentiel pour accélérer le processus de sélection. Il peut amplifier la sélection des patients en :
- Maximiser l’unification des patients. Cela pourrait être accompli par l’harmonisation d’énormes données EMR et EHR de différents formats et niveaux de précision, ainsi que par l’utilisation du phénotypage électronique.
- Fournir des résultats cliniques pronostiques. Il s’agit de sélectionner les patients les plus susceptibles d’avoir un objectif clinique mesurable.
- Prédire une population qui bénéficiera du traitement.
Soins personnalisés
Alors que l’intelligence artificielle entre dans le paysage de la médecine de précision, elle peut aider les organisations à bénéficier de la médecine de précision de multiples façons. Tout d’abord, la médecine personnalisée peut prendre la forme de solutions numériques permettant une interaction individuelle avec des spécialistes sans quitter la maison.
Selon les statistiques, il existe actuellement plus de 53 000 applications de soins de santé sur Google Play. Pourquoi sont-ils si populaires ? Les patients apprécient la commodité offerte par les applications de soins de santé. Les patients peuvent économiser de l’argent, obtenir un accès immédiat à des soins personnalisés et avoir un meilleur contrôle sur leur santé grâce aux progrès de la technologie des soins de santé mobiles.
Voici quelques statistiques encourageantes pour démontrer l’importance de cette aubaine technologique :
- Le marché des applications mHealth s’élève à 47,7 milliards de dollars en 2021 et devrait atteindre 149 milliards de dollars d’ici 2028.
- Le marché a connu une croissance de 14,3% en 2020, favorisée par la pandémie. En outre, ce marché devrait connaître une croissance annuelle de 17 à 18 % au cours des cinq prochaines années.
- Le principal avantage économique des applications mHealth réside dans la réduction des coûts hospitaliers en diminuant les taux de réadmission et la durée du séjour, et en aidant les patients à se conformer aux plans de médication.
Un autre visage de la personnalisation dans les soins de santé est la médecine de précision. Il s’agit d’un modèle innovant de services médicaux qui offre une personnalisation individualisée des soins de santé grâce à des solutions, des traitements, des pratiques ou des produits médicaux adaptés à un sous-ensemble de patients. Les outils qui sous-tendent la médecine de précision peuvent inclure le diagnostic moléculaire, l’imagerie et l’analyse.
Cependant, la médecine de précision est impossible dans l’approche médicale traditionnelle. Au lieu de cela, il nécessite un accès à des quantités massives de données associées à des fonctionnalités de pointe. Ces données comprennent un large éventail de données sur les patients, y compris les dossiers de santé, les appareils personnels et les antécédents familiaux. L’IA calcule ensuite ces données et génère des informations, permet au système d’apprendre et renforce la prise de décision des cliniciens.
Qu’est-ce qui entrave la transformation de l’IA dans les soins de santé ?
L’impact clinique de l’intelligence artificielle recèle un grand potentiel pour perturber les soins de santé, les rendant plus accessibles et abordables. Cependant, l’adoption de l’IA en est actuellement à ses débuts en raison d’un grand nombre de limitations de l’industrie. Certains d’entre eux incluent:
- La fragmentation des données médicales est l’un des défis majeurs sur la voie de l’automatisation. Une combinaison difficile de sorties non structurées et structurées aggrave encore la capture efficace des données. Ainsi, environ 80 % de toutes les données sont stockées dans des éléments cloisonnés non structurés dispersés dans les systèmes médicaux.
- Un réseau complexe de facteurs économiques et de considérations éthiques a également un impact sur la vitesse d’adoption de l’IA. Actuellement, il n’y a pas de normes pour les systèmes d’IA dans les soins de santé, ce qui suscite des inquiétudes chez les médecins et les patients. De plus, les systèmes intelligents ne peuvent pas être déployés dans des environnements pauvres en ressources, ce qui nécessite des investissements importants.
- La confidentialité est une autre limite liée à la transformation numérique, puisque les algorithmes intelligents se nourrissent d’une énorme quantité de données, cela élargit la surface d’attaque des cybercriminels. En outre, la prédominance des informations sensibles signifie la nécessité de mesures de sécurité suprêmes et de conformité aux réglementations fédérales telles que HIPAA.
Le dernier mot
L’intelligence artificielle dans les soins de santé est une perturbation attendue depuis longtemps et qui mûrit depuis un certain temps. Ses possibilités sont pratiquement illimitées et s’étendent de la découverte plus rapide de médicaments aux diagnostics à domicile. En 2021, l’IA a connu une croissance significative en raison de la crise induite par la pandémie et du besoin aigu d’automatisation. Bien qu’à ses débuts, nous verrons davantage d’IA révolutionner notre secteur de la santé.
Crédit image : fourni par l’auteur ; Merci!
Pavel Tantsioura
Générer des milliards de valeur pour nos clients en créant des produits que les gens aiment.
