#MorningBy : IA et Santé
L’Intelligence Artificielle (IA) est l’une des innovations disruptives qui a fait le plus couler d’encre lors de la dernière décennie. Tellement, qu’il en devient difficile aujourd’hui de faire le tri entre les bonnes et les mauvaises informations ; entre les projets réalisables, utopiques, voir dystopiques… Le sujet de l’IA fait donc souvent écho à de nombreux débats de société.
Ces débats de société trouvent une résonance toute particulière dans le monde de la santé ! Les Français sont particulièrement attachés au capital humain autant dans leur vie privée qu’en entreprise. Cela en amène certains à voir l’IA comme une réelle menace pour les relations humaines.
IA & Santé… Je t’aime moi non plus !
Deux questions se posent :
- Devons-nous avoir peur de l’IA et de ceux qui l’utilisent ?
- Y a-t-il un amour ou un désamour pour l’IA en santé ?
Afin d’éclaircir les principales zones d’ombre liées à cette technologie nous avons eu le plaisir de recevoir au #MorningBy, le Dr Vincent Varlet, secrétaire général de l’institut de Myologie (AFM Téléthon), président du Lab e-Santé et auteur du rapport « Medical AI NOW » – matinale animée par Éric Phélippeau, président de By Agency.
Avant tout, malgré le fait que beaucoup de croyances nous font penser qu’il existe un réel « AI-dorado », il y a, en France et en Europe, des freins à l’innovation en santé que certains pays comme les USA et la Chine n’ont pas.
Cependant, il ne faut pas s’arrêter à ça ! Les réglementations, les pratiques et les mentalités changent et ce, malgré certains échecs qui ont tendance à polluer l’esprit du public.
Pour autant, ces freins et échecs ne doivent pas remettre en question la finalité et le but d’un projet d’IA en santé. Ce qui est à revoir ou à améliorer pour certains projets d’IA, c’est le chemin et la méthodologie mis en œuvre.
En effet, beaucoup de projets sont réalisés dans la précipitation, et du coup, dans bien des cas, ne peuvent aboutir, sont en retard dans la mise en place et/ou amènent à une perte de ressources car mal employées.
Les changements que l’on perçoit actuellement en Santé, passant d’un modèle « Cure » à un modèle « Care », devraient bénéficier de l’apport de l’IA dans la personnalisation des soins. Intégrer l’IA dans le parcours de soins s’impose comme une évidence en France comme ailleurs.
En effet, beaucoup de projets sont réalisés dans la précipitation et peuvent ne pas aboutir, prendre du retard dans leur mise en place et/ou amener à la perte de ressources mal employées.
L’IA en quelques chiffres :
Avec ce potentiel grandissant, il est important de suivre un processus précis s’appuyant sur les recommandations suivantes :
Les 11 recommandations du Dr Vincent Varlet
①
Être sûr que tous les interlocuteurs parlent le même langage. En effet, la diversité des interlocuteurs et la richesse du vocabulaire et de ses néologismes peuvent, dès le début, faire des dégâts.
②
Bâtir une roadmap agile selon la dimension projet, par étapes et en mobilisant les bonnes ressources au bon moment et avec le bon argent.
③
Suivre scrupuleusement les 16 étapes du data Management, pour éviter les biais, les fausses corrélations, les blocages réglementaires, un mauvais positionnement et/ou un problème d’acceptabilité
④
Définir, en amont, la gouvernance du projet et ses différents interlocuteurs, leurs rôles et responsabilités tout en gardant le patient et le clinicien au cœur du projet.
⑤
Garder constamment en tête que le projet est tout autant technologique que médical, et que bien s’entourer est souvent essentiel. Ainsi, ne pas faire piloter les projets seulement par des profils « technos ».
⑥
Définir les bonnes méthodes selon le projet concerné, car chaque projet peut demander des méthodes différentes. Symboliste, Analogiste, Bayesien, Connectionniste, matriciel… Des méthodes qu’il faut accompagner d’apprentissage, (re)vérifier, tester avec 3 sets de data et dont il faut valider la cohérence sur le terrain.
⑦
Éviter, à tout prix, les biais qui pourraient donner des corrélations aberrantes. Sachant qu’il vaut mieux prévenir que guérir, anticiper ces biais avec des solutions est une chose importante à faire.
⑧
Choisir une infrastructure robuste (partenaire) et qui peut déjà exister, afin de limiter les coûts et rendre plus accessible la compréhension de l’IA.
⑨
Stimuler la confiance chez le public afin de créer une base stable et saine à l’implantation de votre innovation. Par exemple via le concept du XAI (Explainable Artificial Intelligence).
①⓪
S’assurer de l’engagement de chaque porteur de projet avec une Charte en amont.
①①
Savoir s’inspirer des uses-cases, des échecs et des succès rencontrés.
Suite à ces recommandations, nous pouvons voir que ce n’est pas l’idée même de l’IA qu’il faut travailler, mais bien les interactions Humains/IA. En effet, l’IA n’apprend que ce que l’Humain lui donne.
Pour conclure, rappelons que l’IA a pour vocation d’augmenter les capacités humaines. C’est un outil formidable pour faire avancer la science et la médecine, et il existe déjà de nombreux uses-cases sur lesquels il faut s’appuyer par rapport à des besoins identifiés où cette IA peut être maitrisable.
