L'intelligence artificielle contribue à optimiser le traitement des données et donc à rendre plus performant le secteur de la santé. A l'instar des diagnostics médicaux ou des travaux de recherche, dont la précision serait renforcée, l'incorporation d'informations de différents types permettraient aux acteurs de santé de gagner en efficacité et d’améliorer la qualité des soins estime Adam Howatson, directeur marketing d'OpenText, entreprise canadienne spécialisée dans la gestion de documents numériques et d'échanges de données.
Chatbots* pour la satisfaction client, domotique avec l’électroménager connecté… Les technologies de l’apprentissage automatique (Machine Learning), et plus globalement de l’intelligence artificielle (IA), offrent des possibilités étonnantes en interconnectant des ensembles disparates de données dans de nombreux secteurs.
Et en particulier dans le secteur de la santé où le marché de l’IA pourrait atteindre plus de 6,6 milliards de dollars en 2021, selon le cabinet Frost & Sullivan. L’IA, offre en effet l’opportunité de créer un système bien plus performant, en donnant naissance à des techniques plus efficaces de traitement et de recherche.
Rôle de support
L’IA provoque cependant une attitude encore sceptique, sinon hostile. Selon une récente enquête réalisée par OpenText auprès de 2000 Canadiens, seul un tiers des participants (34 %) déclarent qu’ils feraient confiance à un diagnostic médical résultant de cette technologie, et uniquement si celui-ci était validé par un médecin.
Lorsque l’on parle d’IA dans le domaine de la santé, nous sommes nombreux à imaginer des robots en salle d’opération. Pourtant, les technologies d’IA seront en réalité utilisées dans des rôles de support dans le but de renforcer la précision des diagnostics médicaux ou des travaux de recherche.
Le pouvoir de l’analytique
Le secteur de la santé, qu’il s’agisse d’établissements de soin ou de recherche, offre un champ d’application idéal pour les technologies d’intelligence artificielle. L’IA permet aux entreprises ayant adopté une approche qui donne la priorité au numérique de traiter des volumes de données considérables qui ne peuvent tout simplement pas l’être efficacement par l’humain, comme c’est souvent le cas dans la recherche (la génomique par exemple).
En effet, à mesure que les systèmes de santé passent au numérique, les diagnostics, mesures, notes cliniques et clichés (radiographies, par exemple) se multiplient. Néanmoins, les systèmes de stockage de ces informations ne sont pas toujours compatibles, formant des silos d’informations. En d’autres termes, il incombe souvent à un chercheur, un spécialiste ou un médecin de « faire le lien » entre les différents ensembles de données et de tirer des conclusions.
Qualité des informations analysées
Aujourd’hui, de nombreux acteurs de la santé font d’ores et déjà appel à des logiciels de gestion des informations d’entreprise (EIM) pour cataloguer et organiser la pléthore d’informations créées chaque jour. Les cliniciens dans les établissements ont désormais instantanément accès à des dossiers médicaux électroniques, qui peuvent regrouper des informations et notes provenant de soignants dans divers domaines.
Bien entendu, les résultats dépendent de la qualité des informations analysées. Meilleure sera la qualité des données entrées, meilleurs seront les résultats. Les établissements de santé cherchant à adopter l’IA dans le cadre de leur arsenal technologique doivent donc s’efforcer de numériser les informations à chaque stade pour accroître leur valeur.
Dans un environnement hospitalier, où le facteur temps est souvent critique en matière de traitement, l’IA peut faciliter l’incorporation d’informations de différents types – radios, IRM, notes non structurées, résultats de tests. Les médecins pourront rapidement évaluer des centaines de paramètres différents et poser des diagnostics plus précis et efficaces, et proposer des traitements adéquats en fonction de ces informations.
*robot logiciel pouvant dialoguer avec un individu via un service de conversations automatisées effectuées en grande partie en langage naturel
