5 façons d'utiliser l'IA générative dans le domaine de la santé

PwC prévoit que les coûts des soins de santé augmenteront de 7 % en 2024. Cette augmentation est principalement attribuée à l’épuisement professionnel des travailleurs de la santé, à la pénurie de main-d’œuvre qui en résulte, aux conflits entre payeurs et prestataires et à l’inflation. Pour garantir des soins efficaces aux patients sans encourir de coûts opérationnels excessifs, l’industrie explore des technologies innovantes, telles que l’IA générative dans les soins de santé.

Accenture rapporte que 40 % des heures de travail des prestataires de soins de santé peuvent être améliorées grâce à l'IA, tandis qu'un récent article de Forbes suggère que cette technologie peut épargner au secteur médical américain au moins 200 milliards de dollars de dépenses annuelles.

L'IA générative dans le domaine de la santé utilise des algorithmes d'apprentissage automatique pour analyser des données non structurées, telles que les dossiers de santé des patients, les images médicales, les enregistrements audio de consultations, etc., et produire de nouveaux contenus similaires à ceux sur lesquels elle a été formée.

Dans cet article, notre société de développement d’IA générative expliquera comment la technologie peut soutenir les organismes de santé.

Cas d'utilisation de l'IA générative dans le secteur de la santé

1. Faciliter la formation médicale et la simulation
2. Aide au diagnostic clinique
3. Contribuer au développement de médicaments
4. Automatisation des tâches administratives
5. Générer des données médicales synthétiques

Faciliter la formation médicale et les simulations

L'IA générative dans le domaine de la santé peut proposer des simulations réalistes reproduisant une grande variété de problèmes de santé, permettant aux étudiants en médecine et aux professionnels de pratiquer dans un environnement contrôlé et sans risque. L’IA peut générer des modèles de patients atteints de différentes maladies ou aider à simuler une intervention chirurgicale ou une autre procédure médicale.

La formation traditionnelle implique des scénarios préprogrammés, qui sont contraignants. L’IA, quant à elle, peut générer rapidement des cas de patients et s’adapter en temps réel aux décisions prises par les stagiaires. Cela crée une expérience d’apprentissage plus stimulante et authentique.

Exemple concret

L'Université du Michigan a construit un modèle d'IA générative dans les soins de santé qui peut produire divers scénarios pour simuler le traitement du sepsis.

L’Université de Pennsylvanie a déployé un modèle d’IA générative pour simuler la propagation du COVID-19 et tester différentes interventions. Cela a aidé les chercheurs à évaluer l’impact potentiel de la distanciation sociale et de la vaccination sur le virus.

Aide au diagnostic clinique

Voici comment l’IA générative pour les soins de santé peut contribuer aux diagnostics :

• Générer des images médicales de haute qualité . Les hôpitaux peuvent utiliser des outils d'IA générative pour améliorer les capacités de diagnostic de l'IA traditionnelle. Cette technologie peut convertir des analyses de mauvaise qualité en images médicales haute résolution avec beaucoup de détails, appliquer des algorithmes d'IA de détection d'anomalies et présenter les résultats aux radiologues.
• Diagnostiquer les maladies . Les chercheurs peuvent former des modèles d’IA génératifs sur des images médicales, des tests de laboratoire et d’autres données sur les patients pour détecter et diagnostiquer l’apparition précoce de différents problèmes de santé. Ces algorithmes peuvent détecter le cancer de la peau, le cancer du poumon, les fractures cachées, les premiers signes de la maladie d'Alzheimer, la rétinopathie diabétique, etc. De plus, les modèles d’IA peuvent révéler des biomarqueurs susceptibles de provoquer des troubles particuliers et de prédire la progression de la maladie.
• Répondre aux questions médicales . Les diagnosticiens peuvent se tourner vers l’IA générative dans le domaine de la santé s’ils ont des questions au lieu de chercher une réponse dans des livres de médecine. Les algorithmes d’IA peuvent traiter de grandes quantités de données et générer des réponses rapidement, faisant ainsi gagner un temps précieux aux médecins.

Exemples concrets

Une équipe de chercheurs a expérimenté des modèles de réseau contradictoire génératif (GAN) pour extraire et améliorer les caractéristiques des analyses médicales de faible qualité, en les transformant en images haute résolution. Cette approche a été testée sur des images d'IRM cérébrale, de dermoscopie, de fond d'œil rétinien et d'échographie cardiaque, affichant un taux de précision supérieur dans la détection des anomalies après amélioration de l'image.

Dans un autre exemple, le Med-Palm 2 de Google, alimenté par l'IA, a été formé sur l'ensemble de données MedQA et a atteint un taux de précision de 85 % tout en répondant à des questions médicales pertinentes. Google admet que l'algorithme doit encore être amélioré, mais c'est un bon début pour l'IA générative en tant qu'assistant de diagnostic.

Contribuer au développement de médicaments

Selon le Congressional Budget Office, le processus de développement de nouveaux médicaments coûte en moyenne entre 1 et 2 milliards de dollars, y compris les médicaments ayant échoué. Heureusement, il est prouvé que l’IA a le potentiel de réduire de près de moitié le temps nécessaire à la conception et au criblage de nouveaux médicaments, ce qui permettra à l’industrie pharmaceutique d’économiser environ 26 milliards de dollars en dépenses annuelles. De plus, cette technologie peut réduire les coûts associés aux essais cliniques de 28 milliards de dollars par an.

Les sociétés pharmaceutiques peuvent déployer l’IA générative dans les soins de santé pour accélérer la découverte de médicaments en :

• Concevoir et générer de nouvelles molécules dotées des propriétés souhaitées que les chercheurs pourront ensuite évaluer en laboratoire
• Prédire les propriétés de nouveaux médicaments candidats et de nouvelles protéines
• Générer des composés virtuels avec une affinité de liaison élevée pour la cible qui peuvent être testés dans des simulations informatiques pour réduire les coûts
• Prévoir les effets secondaires des nouveaux médicaments en analysant leur structure moléculaire

Vous pouvez trouver plus d’informations sur le rôle de l’IA dans la découverte de médicaments et sur la manière dont elle facilite les essais cliniques sur notre blog.

Exemples concrets

La montée des partenariats stratégiques entre les entreprises de biotechnologie et les startups de l’IA est un signe précoce de la prise de contrôle de l’IA générative dans l’industrie pharmaceutique.

Tout récemment, Recursion Pharmaceuticals a acquis deux startups canadiennes en IA pour 88 millions de dollars. L'un d'eux, Valence, est connu pour ses capacités d'IA générative et travaillera à la conception de candidats médicaments basés sur des ensembles de données petits et bruyants qui ne sont pas suffisants pour les méthodes traditionnelles de découverte de médicaments.

Un autre exemple intéressant vient de l’Université de Toronto. Une équipe de recherche a construit un système d’IA générative, ProteinSGM, capable de générer de nouvelles protéines réalistes après avoir étudié les représentations visuelles des structures protéiques existantes. Cet outil peut produire des protéines à un rythme élevé, puis un autre modèle d'IA, OmegaFold, est déployé pour évaluer le potentiel des protéines résultantes. Les chercheurs ont rapporté que la plupart des nouvelles séquences générées se replient dans de véritables structures protéiques.

Automatisation des tâches administratives

Il s’agit de l’un des cas d’utilisation de l’IA générative les plus importants dans le domaine de la santé. Des études montrent que le taux d'épuisement professionnel chez les médecins aux États-Unis a atteint le chiffre énorme de 62 %. Les médecins souffrant de cette pathologie sont plus susceptibles d'être impliqués dans des incidents mettant leurs patients en danger et sont plus enclins à l'abus d'alcool et aux pensées suicidaires.

Heureusement, l’IA générative dans le domaine de la santé peut alléger partiellement le fardeau des médecins en rationalisant les tâches administratives. Cela peut simultanément réduire les coûts associés à l’administration, qui, selon HealthAffairs, représentent 15 à 30 % des dépenses globales de santé. Voici ce que l’IA générative peut faire :

• Extrayez les données des dossiers médicaux des patients et remplissez les registres de santé correspondants. Microsoft prévoit d'intégrer l'IA générative dans le DSE d'Epic. Cet outil effectuera diverses tâches administratives, telles que répondre aux messages des patients.
• Transcrivez et résumez les consultations des patients, remplissez ces informations dans les champs DSE correspondants et produisez une documentation clinique. Nuance de Microsoft a intégré la technologie d'IA générative GPT-4 dans son logiciel de transcription clinique. Les médecins peuvent déjà tester la version bêta.
• Générez des rapports de santé structurés en analysant les informations sur les patients, telles que les antécédents médicaux, les résultats de laboratoire, les analyses, etc.
• Produire des recommandations de traitement
• Répondre aux questions des médecins
• Trouver des plages horaires optimales pour la planification des rendez-vous en fonction des besoins des patients et de la disponibilité des médecins
• Générez des rappels de rendez-vous personnalisés et des e-mails de suivi
• Examinez les réclamations d’assurance médicale et prédisez celles qui sont susceptibles d’être rejetées
• Rédigez des enquêtes pour recueillir les commentaires des patients sur différentes procédures et visites, analysez-les et produisez des informations exploitables pour améliorer la prestation des soins.

Exemple concret

Navina, une startup d'IA médicale, a créé un assistant d'IA générative qui aide les médecins à accomplir plus efficacement les tâches administratives. Cet outil peut accéder aux données des patients, notamment aux DSE, aux réclamations d'assurance et aux documents numérisés, fournir des mises à jour de statut, recommander des options de soins et répondre aux questions des médecins. Il peut même générer des documents structurés, tels que des lettres de recommandation et des notes d'évolution.

Navina a déjà obtenu un financement de 44 millions de dollars, ce qui indique un vif intérêt de la part de la communauté médicale.

Générer des données médicales synthétiques

La recherche médicale repose sur l’accès à de grandes quantités de données sur différents problèmes de santé. Ces données font cruellement défaut, notamment lorsqu’il s’agit de maladies rares. En outre, la collecte de ces données est coûteuse et leur utilisation et leur partage sont régis par les lois sur la confidentialité.

L'IA générative en médecine peut produire des échantillons de données synthétiques qui peuvent augmenter les ensembles de données de santé réelles et ne sont pas soumises aux réglementations en matière de confidentialité, car les données de santé n'appartiennent pas à des individus en particulier. L'intelligence artificielle peut générer des données DSE, des analyses, etc.

Exemples concrets

Une équipe de chercheurs allemands a construit un modèle basé sur l'IA, GANeAid, pour générer des données synthétiques sur les patients pour les essais cliniques. Ce modèle est basé sur l'approche GAN et peut produire des données médicales avec les propriétés souhaitées même si l'ensemble de données de formation d'origine était de taille limitée.

Une autre équipe de scientifiques a expérimenté l’IA générative pour synthétiser les dossiers de santé électroniques. Les chercheurs ont été motivés par des réglementations restrictives sur la confidentialité des données et par l’incapacité de partager efficacement les données des patients entre les hôpitaux. Ils ont construit le modèle EHR-M-GAN qui pourrait dériver des données DSE hétérogènes et de type mixte (ce qui signifie qu'elles contiennent à la fois des valeurs continues et discrètes) qui représentent de manière réaliste les trajectoires des patients.

Considérations éthiques et défis de l’IA générative dans les soins de santé

Même si les géants de la technologie et du conseil continuent d’investir dans l’IA, nous pouvons également constater comment d’éminents experts en IA, notamment Elon Musk, PDG de Tesla, et Sam Altman, PDG d’OpenAI, mettent en garde contre les risques associés à cette technologie. Alors, quels défis l’IA générative apporte-t-elle aux soins de santé ?

• Biais . Les performances des modèles d’IA sont aussi bonnes que l’ensemble de données sur lequel ils ont été formés. Si les données ne représentent pas fidèlement la population cible, cela laissera place à des biais au détriment des groupes moins représentés. En tant qu’outils d’IA générative formés sur de grandes quantités de données de dossiers de patients, ils hériteront de tout biais qui y est présent, et il sera difficile de le détecter, et encore moins de l’éradiquer.
• Absence de réglementation . Même si l’IA présente des problèmes éthiques considérables, il n’existe pas encore de réglementation officielle régissant l’utilisation de cette technologie. Les États-Unis et l’UE s’efforcent de formaliser des politiques pertinentes, mais cela n’aura pas lieu dans un avenir proche.
• Problèmes de précision . L’IA commet des erreurs, et dans le domaine de la santé, le prix de ces erreurs est plutôt élevé. Par exemple, les grands modèles de langage (LLM) peuvent halluciner. Cela signifie qu’ils peuvent produire des résultats syntaxiquement probables qui sont factuellement incorrects. Les établissements de santé devront décider quand tolérer les erreurs et quand exiger que le modèle d’IA explique ses conclusions. Par exemple, si l’IA générative est utilisée pour aider au diagnostic du cancer, il est peu probable que les médecins adoptent un tel outil s’il ne peut pas justifier ses recommandations.
• Responsabilité . Qui est responsable du résultat final en matière de santé ? Est-ce le médecin, le fournisseur d’IA, les développeurs d’IA ou encore une autre partie ? Le manque de responsabilité peut avoir un impact négatif sur la motivation et la performance.

Prêt à améliorer votre pratique de soins de santé grâce à l'IA générative ?

Les algorithmes d’IA générative deviennent de plus en plus puissants. Robert Pearl, professeur clinicien à la faculté de médecine de l'université de Stanford, a déclaré :

« ChatGPT double sa puissance tous les six mois à un an. Dans cinq ans, il sera 30 fois plus puissant qu’aujourd’hui. Dans 10 ans, il sera 1 000 fois plus puissant. Ce qui existe aujourd'hui est comme un jouet. Dans les outils de nouvelle génération, on estime qu’il y aura un billion de paramètres, ce qui représente, de manière intéressante, le nombre approximatif de connexions dans le cerveau humain.

L’IA peut être un allié puissant, mais si elle est mal utilisée, elle peut causer des dégâts importants. Les établissements de santé doivent aborder cette technologie avec prudence. Si vous envisagez de déployer des solutions basées sur l'IA pour les soins de santé, voici trois conseils pour vous aider à démarrer :

• Préparez vos données . Même si vous décidez d'opter pour un modèle d'IA pré-entraîné et prêt à l'emploi, vous souhaiterez peut-être le recycler sur votre ensemble de données propriétaire, qui doit être de haute qualité et représentatif de la population cible. Protégez à tout moment les données médicales et protégez la vie privée des patients. Il serait utile de divulguer sur quel ensemble de données un algorithme a été formé, car cela permet de comprendre où il fonctionnera bien et où il pourrait échouer.
• Prenez le contrôle de vos modèles d'IA . Cultivez le concept d’IA responsable dans votre organisation. Assurez-vous que les gens savent quand et comment utiliser les outils et qui assume la responsabilité du résultat final. Testez les modèles d’IA générative sur des cas d’utilisation ayant un impact limité avant de passer à des applications plus sensibles. Comme mentionné précédemment, l’IA générative peut commettre des erreurs. Décidez où un faible taux d'échec est acceptable et où vous ne pouvez pas vous le permettre. Par exemple, une précision de 98 % peut suffire dans les applications administratives, mais elle est inacceptable dans les diagnostics et les pratiques en contact avec les patients. Élaborez un cadre qui régira l’utilisation de l’IA générative dans les soins de santé de votre hôpital.
• Aidez vos employés à accepter la technologie et à l'utiliser . L’IA a encore besoin de conseils humains, en particulier dans le secteur de la santé, fortement réglementé. L’humain dans la boucle reste un ingrédient essentiel au succès de la technologie. Le personnel médical et administratif devra superviser les modèles d’IA. Les hôpitaux doivent donc se concentrer sur la formation du personnel à cette tâche. Les salariés, quant à eux, devraient pouvoir réinventer leur quotidien, maintenant que l’IA en fait partie, pour utiliser le temps libéré pour produire de la valeur.

Vous souhaitez bénéficier de l’IA générative mais vous ne savez pas comment procéder ? Écrivez-nous! Nous vous aiderons à préparer vos données, à mettre en œuvre l’outil et à l’intégrer dans vos opérations.

Publié initialement sur https://itrexgroup.com le 6 septembre 2023.