Intelligence artificielle : quel futur pour la médecine ?


  • Serge Cannasse
  • Actualités Médicales
L'accès à l'intégralité du contenu de ce site est reservé uniquement aux professionnels de santé disposant d'un compte. L'accès à l'intégralité du contenu de ce site est reservé uniquement aux professionnels de santé disposant d'un compte.

L’irruption de l’intelligence artificielle dans le domaine de la santé suscite beaucoup d’interrogations, de craintes et d’espoirs. Deux chercheurs de l’ Institute of Global Health Innovation (Imperial College, Londres) ont fait le point sur ce qu’on est en droit d’attendre aujourd’hui d’une de ses principales branches, l’apprentissage automatique (AA – machine learning), qui « permet aux ordinateurs d’améliorer leurs performances pour résoudre des tâches sans être explicitement programmés pour chacune d’elles » (Wikipedia ).

Le principal apport de cette technique dans le domaine de la santé se trouve actuellement dans le traitement de larges bases de données issues de diverses sources, comme l’imagerie médicale, les dossiers médicaux informatisés ou les analyses de génomes. Chez les malades à haut risque, l’apprentissage automatique permet d’établir des pronostics plus fiables que ceux des scores classiques, que ce soit sur les risques de mortalité à l’hôpital, de réhospitalisation non planifiée, d’augmentation de la durée de séjour ou de diagnostic à la sortie de l’hôpital. Cependant, pour être efficace, il nécessite des données nombreuses et de très bonne qualité.

Le second champ d’application de l’AA est l’épidémiologie, notamment pour modéliser la diffusion de certaines maladies, comme la grippe, à partir des messages émis sur les réseaux sociaux. Cela permettrait de gérer la distribution des vaccins et peut-être même d’avoir des pistes pour comprendre les raisons de l’insuffisance de certaines couvertures vaccinales. Les possibilités sont nombreuses : repérer les ventes illégales d’opioïdes sur l’internet, modéliser les changements environnementaux préjudiciables à la santé (crises climatiques, pollution), repérer les zones urbaines à risque d’accident routier.

L’AA a le potentiel pour améliorer les techniques de promotion de la santé, en analysant les données personnelles des individus, y compris biographiques, notamment à partir des dossiers médicaux informatisés. Les auteurs pensent que cela permettrait, par exemple, de repérer les populations consommant tabac ou alcool en quantités excessives et ainsi de mieux cibler les actions de prévention.

L’AA pourrait aussi permettre d’améliorer le dépistage de certaines maladies, comme le cancer colorectal chez les patients ne se soumettant pas au programme de dépistage national. Des recherches sont en cours pour augmenter la fiabilité de la mammographie dans le diagnostic de cancer du sein.

L’AA pourrait être utile pour repérer les discriminations à l’égard de certaines populations dans les contrats d’assurance santé, pour l’élaboration des recommandations des autorités de santé et d’une manière générale, des politiques de santé.

Il pourrait également contribuer à la lutte contre les pénuries de professionnels de santé : aides au diagnostic, prises de rendez-vous, planification des interventions médicales, voire conseil médical. La crainte ici est la perte d’emplois, notamment dans les professions très techniques (imagerie, par exemple). Mais les auteurs pensent que l’AA peut au contraire créer des emplois et qu’il doit être pensé en lien avec des enjeux plus larges, dans les domaines sociétaux et économiques notamment. Pour eux, sa première vertu sera de libérer du temps médical, que le praticien pourra consacrer à ses malades.

Dernier champ d’application et peut-être le plus prometteur : l’évaluation des politiques de santé, aussi bien sur les plans législatifs et économiques qu’en termes d’efficience. Pour les auteurs, il s’agit d’un considérable bouleversement à venir.