L'intelligence artificielle (IA) dans la santé

L'intelligence artificielle (IA) dans la santé est un terme générique qui décrit l'utilisation d'algorithmes entraînés par apprentissage automatique (AA) dans trois domaines majeurs du secteur médical : l'application des soins (scientifiques), la prestation (prestataires) et l'utilisation (organismes payeurs).

Grâce aux progrès réalisés dans l'AA algorithmique, il est désormais possible d'appliquer l'intelligence artificielle à davantage de cas d'utilisation dans le secteur de la santé qu'avec les anciennes technologies d'IA réactives. Ces avancées peuvent jouer un rôle considérable dans la transformation et la modernisation du secteur médical. 

Avant d'analyser les données médicales et d'agir en conséquence, il faut pouvoir y accéder et les exploiter. C'est la condition nécessaire à la mise en œuvre d'applications de services de santé plus complètes et plus efficaces.

Il existe quatre types d'IA :

• IA réactive : cette technologie, qui n'utilise pas l'apprentissage automatique pour progresser, réagit de la même manière à chaque situation identique rencontrée.
• IA à mémoire limitée : ce type d'intelligence artificielle utilise l'apprentissage automatique pour créer des algorithmes sur la base des performances passées. Couramment appelée « IA/AA », cette technologie connaît actuellement les plus grandes avancées. L'apprentissage profond, un sous-ensemble de l'apprentissage automatique, implique plusieurs niveaux d'analyse et permet d'extraire davantage de contenu exploitable à partir des données brutes.
• IA basée sur la théorie de l'esprit : cette technologie est capable de comprendre et mémoriser des émotions, pour interagir ensuite avec les utilisateurs. Pour l'heure, ce type d'IA en est encore à ses balbutiements et est très théorique.
• IA consciente ou « véritable » : ce type d'intelligence artificielle est capable de reconnaître ses propres émotions et présente un niveau de conscience semblable à celui d'un être humain. Cette technologie reste aujourd'hui purement théorique.

L'IA dans la santé fait essentiellement référence aux progrès rapides des applications et des algorithmes basés sur l'IA à mémoire limitée.

Les nouvelles avancées en matière d'IA peuvent largement contribuer à l'amélioration de l'état des patients en permettant aux médecins et aux autres professionnels de santé de réaliser des diagnostics et des plans de traitement plus précis. Ces avancées peuvent également aider les administrateurs à allouer plus précisément les ressources médicales.

Les bénéfices pour les trois acteurs majeurs du secteur de la santé, à savoir les scientifiques, les prestataires et les organismes payeurs, sont nombreux. Grâce à un plus haut niveau d'efficacité de la collecte, la diffusion et l'utilisation d'informations à jour, les médecins peuvent mieux traiter les patients, extraire rapidement des données issues de plusieurs sources afin de mieux gérer leurs problèmes de santé actuels, ainsi que prédire ou identifier de nouveaux problèmes médicaux ou de nouvelles maladies de manière précoce. 

Avec des processus de données mieux distribués, les administrateurs sont en mesure de hiérarchiser et valider plus efficacement les demandes, rationalisant ainsi le processus dans son ensemble, ce qui améliore la justesse des informations et la rapidité avec laquelle elles sont communiquées aux patients, aux clients et aux prestataires. Globalement, la collecte de données au moyen d'algorithmes facilite l'anticipation des risques et permet aux administrateurs des établissements de santé de mieux gérer et d'améliorer les soins disponibles au plus grand nombre.

Voici quelques-uns des avantages de l'IA pour les patients, prestataires de soins et organismes payeurs :

Accélération des diagnostics
L'utilisation des informations tirées des données par les algorithmes d'IA et des analyses prédictives en temps réel peut accélérer les diagnostics. Les patients peuvent ainsi bénéficier d'un traitement plus rapidement, ce qui améliore leurs résultats et limite les ressources mobilisées pour résoudre le problème. Par exemple, HCA Healthcare, l'un des plus importants prestataires de services de santé aux États-Unis, a utilisé des solutions Red Hat pour créer un système d'analyses prédictives en temps réel afin de détecter plus rapidement et précisément la septicémie, une infection potentiellement mortelle.

Amélioration de la gestion des demandes
Les démarches administratives liées aux demandes et au paiement des soins de santé peuvent représenter des milliers d'heures de travail. Le traitement manuel de chaque demande augmente également le risque d'erreurs, ce qui est préjudiciable à la fois pour le patient et pour le prestataire qui doit tenir ses comptes. L'IA permet d'automatiser le processus et de fournir des recommandations utiles d'après les données relatives à la gestion des demandes. Il est ainsi possible d'accélérer le traitement des demandes et, ce faisant, d'améliorer l'expérience du personnel et des clients.

Prévention de la fraude, du gaspillage et des abus
L'automatisation robotisée des processus (RPA) offre une rapidité et une précision de traitement des documents impossibles à obtenir manuellement. Ces algorithmes, qui détectent les problèmes de plus en plus efficacement à mesure qu'ils s'améliorent, peuvent ensuite signaler les activités frauduleuses ou les ressources gaspillées.

Développement de l'accès aux offres de soins de santé
Grâce aux diagnostics assistés par IA, davantage de patients peuvent bénéficier de soins. Par exemple, avec la radiologie et l'imagerie médicale assistées par IA, un plus grand nombre de professionnels pourraient interpréter les clichés, ce qui diminuerait la pression sur un petit nombre de spécialistes et permettrait à plus de patients de bénéficier de ces technologies.

Développement de médicaments
Le développement d'un nouveau médicament implique de rechercher le dosage optimal et les conditions d'administration. Les outils d'IA informatiques peuvent améliorer, voire remplacer les approches par tâtonnements, et permettent l'utilisation de modèles plus rapides et plus efficaces pour surveiller le processus dans son intégralité. Ces méthodes favorisent le développement plus rapide de nouveaux médicaments avec à la clé, des économies pour les entreprises pharmaceutiques et les clients finaux.

L'IA dans le secteur de la santé offre de nombreux avantages, mais sa mise en œuvre crée également certaines difficultés. En voici quelques exemples :

Collecte et gestion des données
De nombreux défis se posent lors de la collecte, de l'analyse et de l'utilisation des données de santé.

Pour que l'IA puisse correctement alimenter les algorithmes pertinents, il est nécessaire de traiter en temps réel un énorme volume de données. La collecte de données présente donc des difficultés à plusieurs niveaux.

Le matériel, les logiciels et les procédures qui permettent de la réaliser doivent être intégrés aux workflows de soins, lesquels s'articulent autour de structures et de hiérarchies spécifiques, et impliquent un certain nombre de tâches manuelles. Or, les données de santé sont souvent éparpillées sur plusieurs réseaux et ne sont pas centralisées dans des bases de données uniques. Il se peut même qu'elles ne soient jamais numérisées.

Pour faciliter le processus et faire en sorte que chacun tire parti des déploiements d'IA et d'AA, il est important de réussir à aligner toutes les parties prenantes : data scientists, équipes informatique et d'exploitation, professionnels de santé, prestataires, éditeurs de logiciels indépendants (ISV), fournisseurs et bien d'autres. Pour cela, il faudra parfois utiliser des logiciels agiles, indépendants de tout fournisseur, afin de gérer au mieux les problèmes et d'exploiter des données épurées et évolutives qui soient prises en charge par différents ISV.

Une fois rassemblées, les données doivent être converties dans des formats interopérables, exploitables et compatibles avec les informations provenant de sources diverses. Une quantité importante de bande passante est nécessaire pour transmettre les données depuis les points du réseau où elles ont été collectées, parfois par le biais d'équipements périphériques. L'espace de stockage utilisé augmente à un rythme inquiétant en raison de l'explosion du volume de données collectées dans les systèmes de santé, en particulier pour l'imagerie médicale, l'Internet des objets médicaux (IoMT) et l'edge computing.

Le cloud computing offre à la fois les performances et la capacité nécessaires pour relever ces défis. Toutefois, son utilisation s'avère souvent difficile, notamment dans les zones rurales non pourvues de systèmes informatiques et d'infrastructures de santé robustes. La réponse réside dans des solutions économiques qui améliorent l'exploitation en périphérie du réseau et analysent les données sur le lieu des soins.

À la différence des offres propriétaires, nos logiciels Open Source d'entreprise et entièrement pris en charge sont le fruit du travail collaboratif de milliers de développeurs, dont certains travaillent au sein même du secteur de la santé et utilisent et améliorent les logiciels afin qu'ils répondent à leurs besoins. Grâce à notre approche ouverte et modulaire en matière d'IA/AA, les clients peuvent mettre en œuvre plus rapidement leurs projets d'IA/AA et proposer des niveaux élevés de personnalisation, de transparence et de contrôle aux parties prenantes. Cette approche ouverte et flexible offre à votre entreprise les avantages suivants :

• Une valeur ajoutée là où elle est nécessaire et l'assurance que vos investissements informatiques existants seront protégés. Nos partenariats et intégrations permettent d'accélérer et de simplifier le déploiement et la gestion du cycle de vie des projets d'IA/AA. 
• L'accès à une suite complète de technologies Open Source de pointe grâce à une solution de cloud hybride qui inclut les fonctionnalités d'IA les plus demandées, parmi lesquelles les règles métier, l'automatisation des processus, la résolution des problèmes, l'optimisation métier et l'apprentissage automatique.
• De puissantes capacités de connectivité des données grâce à notre solution iDaaS (intelligent Data-as-a-Service), qui peut être adaptée pour suivre l'évolution des obligations internes et externes. 
• La possibilité de mettre à l'échelle les capacités en fonction de la plateforme avec des composants flexibles, pour un plus haut niveau de reproductibilité et de sécurité permettant d'innover rapidement.
• Une architecture normative et flexible d'intégration et de distribution continues (CI/CD) pour assurer une transition en douceur de la modélisation et de l'entraînement par apprentissage automatique au déploiement et à l'amélioration continue (ou MLOps).

Voici deux exemples de clients qui utilisent nos solutions d'intelligence artificielle dans la santé :

HCA Healthcare est une entreprise du secteur de la santé basée à Nashville aux États-Unis, qui exploite ses ressources de données pour trouver des solutions novatrices à des problèmes de longue date du secteur. Une équipe pluridisciplinaire regroupant des médecins, data scientists et professionnels des technologies du groupe HCA Healthcare a eu recours aux solutions Red Hat® OpenShift® Container Platform et Red Hat® Ansible® Automation Platform pour mettre au point l'outil SPOT (Sepsis Prediction and Optimization of Therapy), qui effectue des analyses prédictives en temps réel.

L'hôpital pour enfants de Boston utilise Red Hat OpenShift ainsi que des conteneurs Linux® pour améliorer ses capacités médicales et renforcer les capacités cognitives des médecins.

Vous souhaitez savoir comment nous pouvons aider votre entreprise à mettre en œuvre une stratégie d'IA/AA à l'aide d'une approche de plateforme ouverte, ou découvrir nos autres solutions qui favorisent l'innovation dans le secteur de la santé ? Consultez la page redhat.com/health.