Dans le monde d'aujourd'hui, Intelligence artificielle dans la santé est devenu un sujet d'une grande pertinence et d'un grand intérêt pour un grand nombre de personnes. Que ce soit en raison de son impact sur la société, de sa pertinence historique ou de son importance dans le domaine scientifique, Intelligence artificielle dans la santé a retenu l'attention des experts et des passionnés. Dans cet article, nous explorerons en profondeur les aspects les plus pertinents de Intelligence artificielle dans la santé, en analysant son impact dans divers domaines et son évolution au fil du temps. De ses origines à son état actuel, nous nous lancerons dans un voyage passionnant pour comprendre en profondeur tout ce que Intelligence artificielle dans la santé a à offrir.
L'intelligence artificielle (IA) dans la santé est l'utilisation d'algorithmes et de logiciels pour s'approcher de la cognition humaine dans l'analyse de données médicales complexes. Plus précisément, l'IA est la capacité des algorithmes informatiques à tirer des conclusions sans intervention humaine directe.
L'objectif principal des applications des IA dans le domaine de la santé est d'analyser les relations entre, d'une part, la prévention ou les traitements et, d'autre part, l'état de santé des patients. Les programmes d'intelligence artificielle ont été développés et appliqués à des pratiques telles que le processus de diagnostic, l'élaboration d'un protocole de traitement, le développement de médicaments, la médecine personnalisée, les soins des patients ainsi que leur suivi. Les institutions médicales telles que la Mayo Clinic, le Memorial Sloan Kettering Cancer Center, le Massachusetts General Hospital ainsi que le National Health Service ont développé des algorithmes d'IA pour leurs services. Les grandes entreprises de technologie comme IBM et Google ainsi que des startups comme Welltok et Ayasdi ont également développé des algorithmes d'IA pour les soins de santé.
La recherche menée dans les années 1960 et 1970 a produit le premier programme de résolution de problèmes ou système expert, aussi appelé Dendral. Alors qu'il a été conçu pour des applications dans la chimie organique, celui-ci a jeté les bases de son successeur immédiat, le système Mycin, considéré comme l'un des plus importants usages pionniers de l'intelligence artificielle en médecine. Mycin et d'autres systèmes comme Internist-1 et Casnet n'ont cependant pas intégré le quotidien des professionnels.
Les années 1980 et 1990 ont vu la prolifération du micro-ordinateur et de nouveaux niveaux de connectivité réseau. Pendant ce temps, les chercheurs et les développeurs ont reconnu le fait que les systèmes d'intelligences artificielles dans le soin doivent être conçus pour pallier l'absence de données parfaites et appuyer l'expertise des médecins. Les approches impliquant la théorie de l'ensemble flou, les réseaux Bayésiens et les réseaux de neurones artificiels, ont été appliquées aux systèmes informatiques intelligents dans la santé.
Les progrès technologiques et médicaux survenus au cours de ce demi-siècle, période qui a également permis la croissance des soins de santé liés à des applications de l'IA, comprennent : des améliorations dans la puissance de calcul plus rapides pour la collecte de données et le traitement de données ; une augmentation du volume et de la disponibilité des données liées à la santé des particuliers et des soins de santé liés à des dispositifs ; la croissance du séquençage génomique des bases de données ; la mise en œuvre généralisée des systèmes de gestion de dossiers de santé électroniques ; des améliorations dans le traitement du langage naturel et la vision par ordinateur, permettant à des machines de reproduire le processus humain de perception ; des améliorations de la précision de la chirurgie robotisée.
Au delà de l'utilisation de système expert codant les connaissances pour les utiliser sur des scénarios cliniques spécifiques, c'est l’apprentissage automatique qui offre la possibilité d'utiliser de nouveaux types de données dont le volume ou la complexité auraient rendu l'analyse inimaginables.
En 2016, l'OMS publie un guide pratique pour mener la recherche et les évaluations concernant les Interventions de santé numérique.
Dans les années 2020, toutes les spécialités de la médecine sont directement ou indirectement concernées par l'IA. La première spécialité qui a suscité l'attention est l'interprétation radiographique puis d'autres types d'imagerie médicale, mais l'avènement de l'IA générative pourrait aussi changer la relation du patient à la maladie et au médecin.
De nouvelles recherches menées par l'entreprise Neuralink se montrent de plus en plus concrètes grâce à une puce qui allierait intelligence humaine et artificielle. La mise en place de cette puce concernerait principalement le milieu médical, afin par exemple de traiter l'épilepsie, la dépression ou de permettre aux personnes paralysées d'écrire, parler ou se déplacer .
Une telle capacité d'interpréter les résultats de l'imagerie peut permettre aux médecins d'être aidé à détecter un changement infime dans une image, ou quelque chose qu'un clinicien peut avoir accidentellement raté. Une telle étude qui a intégré l'IA en radiologie est une étude de Stanford : les résultats montrent que l'algorithme créé peut détecter la pneumonie mieux que les radiologues. La Conférence de la Société de Radiologique de l'Amérique du Nord a orienté une grande partie de sa recherche dans l'utilisation de l'IA dans l'imagerie.
En septembre 2022, le logiciel BoneView de la start-up Gleamer permet aux radiologues de l'hôpital Paris Armand Trousseau de détecter correctement les fractures chez les personnes âgées et jeunes. La capacité à détecter les fractures, qui était de 73,3 %, est passée à 82,8 % avec l'intelligence artificielle.
En psychiatrie, les applications de l'IA sont encore dans une phase pilote. Les domaines où les preuves s'élargissent rapidement comprennent les chatbots, des agents conversationnels qui imitent le comportement humain et qui ont été étudiés pour l'anxiété et la dépression.
Parmi les défis à relever, on peut citer le fait que de nombreuses applications dans ce domaine sont développées et proposées par des entreprises privées, comme le dépistage des idées suicidaires mis en place par Facebook en 2017. Ces applications en dehors du système de santé soulèvent diverses questions professionnelles, éthiques et réglementaires.
En 2018, une équipe de chercheurs français est parvenus à entraîner un ordinateur à analyser des images pour évaluer l’efficacité d’une immunothérapie.
L'augmentation de la Télémédecine a montré la montée possible de demande en IA. La capacité de surveiller les patients (à l'aide de l'IA) peut permettre la communication de l'information aux médecins, si la présence d'une maladie est décelée. L'utilisation d'un dispositif porté par une personne peut permettre une surveillance constante du patient et déceler des changements difficilement décelables.
En 2017, des études montrent que l'utilisation de capteurs connectés est utile pour les personnes qui ont déjà choisi de changer de comportement ; l'aide des soignants reste essentielle pour amener une personne à modifier son comportement dans le cadre d'une action d'éducation thérapeutique. Il existe des évidences scientifiques pour le diabète et les maladies coronariennes concernant les bénéfices des applications qui permettent aux patients d’introduire leurs données pour la gestion de leur affection. Cependant la majorité de ces patients souffrent généralement de plusieurs maladies chroniques. ce qui réduit l'avantage de l'utilisation ces applications.
Le subséquente motif de grande base la santé les sociétés de la fusion avec d'autres sociétés de produits de santé, en permettant une meilleure santé de l'accessibilité des données. Plus de données sur la santé pourraient permettre plus de la mise en œuvre d'algorithmes d'IA. Les exemples suivants sont des exemples de grandes entreprises qui ont contribué à des algorithmes d'IA pour une utilisation dans les soins de santé.
IBM Watson Oncologie est en cours de développement au Memorial Sloan Kettering Cancer Center et de la Clinique de Cleveland. IBM travaille également avec CVS de la Santé sur l'IA des applications dans les maladies chroniques, le traitement et avec Johnson & Johnson sur l'analyse d'articles scientifiques à trouver de nouvelles connexions pour le développement de médicaments.
Le projet Hanover de Microsoft analyse de la recherche médicale pour prédire le plus efficace du cancer de la drogue options de traitement pour les patients. D'autres projets incluent l'analyse d'images médicales de tumeurs et le développement programmable de cellules.
La plateforme DeepMind de Google est utilisée par le National Health Service du Royaume-Uni pour détecter certains risques pour la santé à travers les données collectées via une application mobile. Un deuxième projet avec le NHS implique une analyse des images médicales recueillies sur les patients pour développer des algorithmes de vision par ordinateur permettant de détecter les tissus cancéreux.
Google DeepMind a également conçu Alphafold, un système d'intelligence artificielle basé sur l'apprentissage profond qui permet de prédire la façon dont des protéines se replient. Cette nouvelle méthode, introduite en 2018 et améliorée en 2020, est nettement plus rapide que les approches traditionnelles et a été décrite comme une révolution dans le domaine de la recherche en biologie,.
Le fonds de capital-risque d'Intel, Intel Capital, a récemment investi dans la start-up Lumiata qui utilise l'IA pour identifier les patients à risque et développer des options de soins.
Predictive Medical Technologies utilise des données d'une unité de soins intensifs pour identifier les patients susceptibles de subir des incidents cardiaques. Modernizing Medicine utilise les connaissances recueillies auprès de professionnels de la santé ainsi que les données des patients pour recommander des traitements. Nimblr.ia utilise un dialogueur d'IA pour automatiser la programmation et la confirmation des patients, tout en raccordant ces informations avec les dossiers patients électroniques. AZmed aide les radiologues et urgentistes dans leur diagnostic en radiographie standard à l'aide d'algorithmes d'apprentissage profond.
Des applications digitales pour consultants comme Babylone (basée au Royaume-Uni) utilisent l'IA pour donner des consultations médicales fondées sur les antécédents médicaux personnels et la connaissance médicale. Les utilisateurs décrivent leurs symptômes à l'application, qui utilise la reconnaissance vocale pour comparer les informations à une base de données des maladies. Babylone donne alors une recommandation, en tenant compte de l'historique médical de l'utilisateur.
En 2023, la version de ChatGPT basée sur GPT-4 s'est montrée capable d'obtenir le diplôme de médecin aux États-Unis.
Bien que la recherche sur l'utilisation de l'IA dans les soins de santé vise à montrer son efficacité dans l'amélioration des résultats pour le patient avant son adoption plus large, son utilisation peut néanmoins introduire plusieurs nouveaux types de problématiques pour les patients et les fournisseurs de soins de santé, comme les biais algorithmiques, les questions liées aux ordonnances de « ne pas réanimer », et d'autres questions de moralité des machines. Ces défis liés à l'usage clinique de l'IA posent la question d'un potentiel besoin de réglementation. Par ailleurs, la prolifération sur les réseaux sociaux pendant la pandémie de Covid-19 de prépublications et d'analyses personnelles a conduit leur nombre à dépasser celui des études scientifiques, ce qui induit la nécessité pour des applications telles que chat-GPT d'être en mesure de qualifier le niveau d'expertise de chacune de ces sources.
Actuellement, il n'existe pas de réglementation spécifique à l'utilisation de l'IA dans les soins de santé. En , la Maison-Blanche a annoncé son intention d'héberger une série d'ateliers et de formations dispensés par le sous-comité de Machine Learning et de l'Intelligence Artificielle du National Science and Technology Council (NSTC). En , le groupe a publié La Recherche Nationale sur l'Intelligence Artificielle et le Plan Stratégique de Développement, présentant ses propositions prioritaires pour la R&D dans l'IA, recherche financée par le gouvernement fédéral. Le rapport propose un plan stratégique de R&D pour le sous-champ des technologies de l'information de la santé en plein développement.
En 2019, en France, la Haute Autorité en Santé (HAS), publie ses recommandations sur l'évaluation et la certification des dispositifs médicaux connectés (DMC). Ce guide concerne les applications disposant d'une fonction de télécommunication éventuellement liée à une intelligence artificielle et utilisés à des fins médicales par le patient. L'étude de la HAS conclut que « les méthodologies d’études se rapportant à un dispositif médical connecté ne se distinguent pas de celles des autres dispositifs médicaux ». Néanmoins les dispositifs médicaux connectés se distinguent par leur rapidité d’évolution, l'impact sur les patients et sur l’organisation des soins et l'interaction avec d’autres systèmes.
La France crée le Health Data Hub afin de simplifier et encadrer l'utilisation des données de santé. Le , le Health Data Hub lance un premier appel à projets qui donne lieu à la sélection de 10 projets lauréats le .
En Europe, le Règlement Général sur la Protection des Données (RGPD), concernant les patients au sein de l'UE, détaille les exigences en matière de consentement pour l'utilisation des données des patients lorsque des entités collectent des données de santé des patients.
Depuis le début des années 2020 notamment, les usages de l'intelligence artificielle et de l'apprentissage automatique, sont en pleine expansion dans la plupart des champs de la santé. Les médias ont largement relayé les discours sur améliorer la prévention, les soins aux patients, la technique et la clinique médicale, la médecine personnalisée, la médecine de précision… dans les établissements de soins de santé comme dans la vie courante.
Cependant, il faut s'attendre à des dilemmes et défis éthiques complexes, voire imprévus (quid de l'homme augmenté par exemple ? ou du croisement des nanotechnologies avec la médecine et l'intelligence artificielle ?), alors que d'autres défis sont encore à relever sur les questions de partialité, de protection des données de santé et de la vie privée (biais algorithmique, confidentialité algorithmique), de l'anonymat, du consentement éclairé, de la confidentialité et de la sécurité, de manque de transparence et d'explicabilité, ainsi que des impacts potentiels sur les relations médecin-patient lorsque des modèles d'intelligence artificielle à grande échelle sont intégrés à la médecine moderne. Des biais (raciaux et autres) à l'empathie en passant par la compassion, l'intelligence artificielle suscite de nombreux débats philosophiques, éthiques et moraux.
Les problèmes éthiques de l'intelligence artificielle en général se croisent avec les quatre piliers de l'éthique médicale que sont :
Les investissements du gouvernement nord américain dans les initiatives de santé qui s'appuient sur l'IA est d'un montant d'un milliard de dollars pour le Cancer Moonshot ainsi qu'un investissement de 215 millions de dollars proposé dans la Precision Medicine Initiative.