En médecine : Intelligence Artificielle, impacts réels.

Cet article a été publié dans le cadre de l’étude “Intelligence Artificielle, un nouvel horizon : Pourquoi la France a besoin d’une culture du numérique” du cabinet Lysias Partners.

Karine LH
Karine LH
Jul 21, 2017 · 11 min read

L’application de l’Intelligence Artificielle à la médecine offre une perspective essentielle à l’essor de ces nouvelles technologies. Qu’il s’agisse de renforcer le lien entre patients et médecins, d’offrir des outils aux citoyens pour redevenir acteurs de leur santé, de poser des diagnostics plus rapides et plus précis, ou encore d’optimiser la création de nouveaux traitements, l’innovation tend ici vers un seul et unique objectif : combattre la mort et la maladie. Quoi de plus noble ?

Mais aussi, quoi de plus complexe et incertain ? Car si faire jouer le super-ordinateur Watson d’IBM aux échecs reste somme toute sans conséquence pour nous, êtres humains, il en va tout à fait différemment lorsque l’homme se prend au jeu autrement plus dangereux d’utiliser ces outils pour sauver des vies.

J’entends ainsi parfois reprocher au monde de la santé une réactivité faible, voire absente, quant à l’application des nouvelles technologies au sein de sa sphère. Mais ce qui pourrait être vu comme lenteur ou manque d’agilité n’est, à mon sens, que principe de précaution et respect de la vie humaine. Bien au contraire même, les exemples prouvant que la médecine avance dans le même sens que dans d’autres domaines sont nombreux. Le vrai enjeu, ici, n’est pas tellement d’aller plus vite, mais d’aller bien. De définir les bons objectifs et de se confronter aux justes problématiques. La médecine n’est pas là pour gagner la course à la technologie. En revanche, elle ouvre la voie vers de nouveaux débats éthiques et juridiques essentiels, dont s’emparera à son tour le reste de la société civile.

Renforcer, et non remplacer, le lien entre patients et médecins

Difficile de brosser un tableau complet des applications de l’intelligence artificielle dans la médecine, tant elles sont nombreuses et de nature variée. Du suivi à la recherche, en passant par le traitement, le diagnostic et la prévention, il est possible toutefois de retracer ce que la technologie change et va changer tout au long de la chaîne de la santé.

L’IA vient tout d’abord en appui au travail du corps médical et à ce que l’on pourrait appeler “l’expérience patient”, dans une optique de suivi amélioré, à l’intérieur comme à l’extérieur des centres de soins. Il s’agit d’offrir aux citoyens des outils concrets leur permettant d’accéder à des solutions pour mieux gérer leur santé et le suivi de leur traitement.

Ainsi les chatbots, outils conversationnels reposant sur l’intelligence artificielle et le big data, permettent à l’utilisateur d’obtenir des réponses aux questions qu’il se pose, à toute heure du jour ou de la nuit. La plupart de ces outils sont développés sur des app ou via Facebook, à l’instar de Vic, spécialisé sur le cancer. Mais l’entreprise Calmedica, plus méconnue du grand public et qui offre un service de suivi plébiscité par les professionnels de santé, a fait le choix de revenir à un outil plus basique : le SMS. Quand la technologie devient complexe, simplifier l’interface d’utilisation peut s’avérer judicieux, d’autant plus dans un contexte médical déjà difficile pour le patient. Hors des murs de l’hôpital, l’amélioration de l’observance des traitements et du suivi thérapeutique est également permis grâce à l’arrivée sur le marché d’outils contrôlant la prise des traitements, comme la plateforme d’intelligence artificielle AiCure et sa technologie de vérification visuelle.

Le médecin peut alors savoir de manière exacte les conditions (heure, quantité, régularité…) dans lesquelles le patient a pris ou non son traitement, et le patient dispose lui-même d’un outil de suivi rassurant. Enfin, d’autres outils d’IA entrent à l’hôpital, qui mènent à une amélioration globale de la prise en charge, comme l’aide à la rédaction de comptes rendus médicaux.

Loin de remplacer l’humain, ces applications aident donc au contraire le personnel de santé au jour le jour. En confiant à une intelligence artificielle fiable le suivi à distance, quotidien et rapproché de ses patients, que ce soit pour répondre à ses questions ou pour contrôler que les traitements prescrits sont respectés, le professionnel de santé est mieux informé, il peut dégager du temps pour soigner et accompagner le patient différemment. Pour le citoyen, ces solutions sont rassurantes, elles facilitent sa responsabilisation et réduisent le temps d’hospitalisation. Enfin, optimiser la charge de travail du personnel soignant permet aussi, à grande échelle, de réaliser des économies qui pourront être investies dans l’innovation, la recherche ou de meilleures infrastructures. Faciliter l’entrée de l’intelligence artificielle dans les établissement de santé apporte donc des bénéfices forts au système médical dans son ensemble.

Si l’IA assiste et soulage le médecin à l’hôpital sans se substituer à lui, il est des cas où l’IA est en revanche amenée à le remplacer, là où il fait défaut. Elle devient en effet une solution aux déserts médicaux : disparition des médecins de famille, concentration des généralistes dans les villes et répartition très hétérogène sur le territoire.

Avec, d’abord, la numérisation progressive des dossiers médicaux, puis la réalisation de consultations à distance grâce à des salles de télémédecine dotées des technologies dédiées, on imagine sans peine que la prochaine étape sera l’arrivée de robots dotés des bons algorithmes, capables de recevoir et de questionner les patients, de croiser les informations reçues avec d’immenses bases de données, et de réaliser des pré-diagnostics. Permettre aux patients d’être suivis plus régulièrement, leur faire gagner le temps des déplacements et opérer un premier “tri” pour le médecin sont autant de bénéfices à valoriser face au problème de la pénurie de médecins.

Du diagnostic au choix des traitements, orienter et assister le médecin

Mais les applications sont encore plus larges : l’IA nous ouvre déjà les portes d’une médecine personnalisée, adaptée à chaque individu, qui prend en compte l’ensemble de ses données personnelles, allant de son lieu de naissance, ses habitudes de consommation à ses mutations génétiques, les croisant avec les gigantesques bases de données disponibles et permettant aux médecins de choisir le traitement le plus adapté.

Les médecins sont débordés d’informations venant de la littérature scientifique, des essais cliniques réalisés ou en cours, mais aussi de leurs patients. Là où l’esprit humain n’est pas adapté pour gérer de telles quantité de données, les algorithmes peuvent désormais prendre le relai. C’est véritablement une médecine sur-mesure qui émerge, où ce qui est soigné n’est plus la maladie ponctuelle dans le corps du malade, mais le malade et toutes ses données, dans une approche globale. Le plus souvent, ce sont des tests génétiques qui sont utilisés pour orienter le choix des traitements et le cancer du sein est un domaine qui s’y prête particulièrement, comme l’illustrent MammaPrint, de l’entreprise américaine Agendia, capable de prédire le risque et le taux de survie des patientes au stade précoce, permettant au médecin d’avoir une gestion optimale de leur traitement, ou, plus dernièrement, un test développé au Centre Oscar-Lambret de Lille, en France. Encore plus spectaculaire : le projet mPower, mené par Sage Bionetworks aux États-Unis, est une application mobile qui analyse les indicateurs de la maladie de Parkinson comme la voix ou les mouvements fins, afin de suivre l’évolution des symptômes et de la maladie, et par conséquent d’orienter la prise en charge en fonction.

En amont du traitement, c’est bien sûr au niveau du diagnostic que l’IA a un impact essentiel. Sur le même modèle qu’évoqué plus haut, le croisement de grandes quantités de données et l’application d’algorithmes offrent aujourd’hui au professionnel de santé une aide sans précédent pour poser le bon diagnostic. Impossible ici de ne pas citer Watson d’IBM et Deepmind de Google, géants du deep learning qui se sont relativement récemment orientés dans la santé, avec l’objectif affiché de proposer le meilleur traitement au médecin en fonction de l’historique médical du patient, mais aussi de devenir un outil de diagnostic le plus précis possible et en un temps réduit grâce à l’exploitation de masses de données. Dans cette voie, la France n’est pas en reste : six centres de recherche français se sont associés au sein du projet ConSoRe, dans le but de développer le “Google 3.0 du cancer” : un outil permettant d’interroger une masse d’informations existantes et d’en extraire de la connaissance plus structurée qu’une “simple” liste de documents.

Optimiser le diagnostic avec l’IA, ce sont aussi de nouvelles méthodes non-invasives d’analyse médicale grâce à l’imagerie, comme la technologie développée par la start-up DAMAE Medical, qui reconstitue les images prises par un boîtier grâce à un algorithme et donne ainsi des indications quant au caractère bénin ou malin de l’échantillon visuellement analysé.

D’autres approches prouvent à quel point l’IA a encore de nombreuses portes à ouvrir : une équipe de chercheurs de Microsoft a ainsi mis en place un système d’analyse des requêtes internet, capable d’observer les comportements de recherche des utilisateurs et d’anticiper le diagnostic des cancers du pancréas. Qui sait si un jour, nous ne seront pas prévenus par Google qu’il serait bon d’aller rendre rapidement une petite visite à notre médecin ? Est-ce souhaitable ? C’est un autre aspect du problème, mais parions que nous aurons bientôt à nous poser la question.

Mieux vaut prévenir que guérir

En poussant plus loin ces applications de l’IA, capable de détecter de plus en plus tôt et de mieux en mieux les maladies, pourra-t-on un jour les éviter ? Si Google, encore eux, s’attaque déjà à la question avec son Google Brain, il n’est pas certain que les promesses annoncées pourront être tenues. En revanche, une équipe de chercheurs britanniques a récemment mis au point une IA capable de prédire les risques d’attaques cardiaques grâce à l’analyse de dossiers patients et la création de modèles de profils à risque. Anticiper grâce à l’IA pour mieux avertir le citoyen de ses risques est une chance inouïe pour le domaine de la médecine de changer de paradigme : la priorité ne devra plus être de guérir, mais de prévenir, l’objectif du médecin ne sera plus de soigner mais d’anticiper.

Il est un domaine où l’anticipation et la prévention ont déjà largement fait leur preuve : l’épidémiologie. En 2014, Orange a mené deux initiatives sur les données mobiles au Sénégal et en Côte d’Ivoire, dans le but d’extraire les données de réseau, puis de les packager et les anonymiser. Ce travail de traitement, retraçant les appels émis et reçus au niveau d’un pays, qui sont des indicateurs précis d’échanges humains, a rendu possibles plusieurs initiatives : la modélisation d’épidémies (malaria, SIDA…), la cartographie des zones encore inaccessibles à une intervention médicale rapide, ou encore les besoins en infrastructures, notamment de santé. Déployés et automatisés à grande échelle, ce type de projets pourraient permettre d’éviter la propagations de futures épidémies et optimiser l’accès aux soins pour toute une population. Ou quand l’IA rend vraiment l’homme plus malin.

Accélérer et démocratiser la recherche

Aujourd’hui, cette initiative Data 4 Development d’Orange a donné naissance au Sénégal à un challenge ouvert à tous, dans différents domaines (santé, agriculture, énergie, transports…). Ce “challenge d’innovation ouverte” comme il se définit, appelle les citoyens à travailler sur des données massives dans un objectif d’apport sociétal. Orange met donc à disposition des participants, des quantités massives de données TIC, afin de permettre à chacun d’apporter ses compétences et son énergie créatrice à un impact commun et global. Cette ouverture est l’illustration de la transformation qui s’opère au niveau de tout un domaine : parce qu’elle a besoin de nouvelles compétences (data science, machine learning, deep learning…), la recherche biomédicale commence à s’ouvrir… et par conséquent, à se démocratiser.

L’intelligence artificielle a besoin de l’intelligence collective. Les challenges comme Data 4 Development, Epidemium ou encore DREAM by Sage, sont en plein essor. Il ne s’agit pas tout à fait de science citoyenne, où n’importe quel individu, même un enfant, peut contribuer à recenser la faune d’un parc ou repérer les étoiles, mais bien de faire accéder à la recherche un certain type de compétences complémentaires, utiles, voire nécessaires, auxquelles les médecins et les chercheurs n’ont pas forcément l’habitude de se confronter mais qui sont porteuses de formidables accélérations pour la santé. Ainsi, dans le cadre d’Epidemium, les participants — du data scientist au médecin, en passant par le statisticien et le graphiste — sont invités à travailler sur les open data disponibles afin d’ouvrir de nouvelles voies dans la recherche contre le cancer.

L’essor de l’IA entraîne aussi une diminution du coût de la recherche dans son ensemble. En effet, grâce aux données disponibles et aux technologies big data, plus besoin aujourd’hui de créer de nouvelles données, en formant de nouvelles cohortes, de nouveaux essais cliniques, coûteux et chronophages. Les chercheurs peuvent plonger dans l’immense masse de données exploitables et les réexploiter à l’envi selon leurs projets de recherche. Ces études prospectives sur les données sont une solution vers une réduction des coûts de production des médicaments car elles permettent aux chercheurs de repousser à des stades ultérieurs de preuve scientifique (obtenue par les données uniquement, donc à moindre coût) les recherches biologiques plus poussées sur les animaux, ou les essais cliniques auprès des patients. Il s’agit d’opérer un tri plus fort et plus en amont des projets de recherche, pour détecter ceux qui ne sont pas vérifiés par l’analyse big data. Evidemment, la réalisation d’essais cliniques et la constitution de cohortes restent essentiels, mais elles sont elles-mêmes facilitées avec l’IA. On peut mentionner ici des projets comme celui mené par la start-up Owkin et l’Institut Curie, qui vise à enrichir les cohortes de patients grâce à une approche “text-mining”, permettant de découvrir, dans les bases de données de patients existantes, des patients similaires dont l’identification complexe peut échapper à l’oeil du médecin seul.

De nouvelles pistes de réflexions éthiques et juridiques

Cependant, si de nombreux projets ambitieux voient le jour, il ne faut pas pour autant atténuer les difficultés qui se posent à la mise en oeuvre de ces initiatives. Collecter et exploiter des données médicales n’a rien de simple, et d’une manière générale, le big data et l’IA dans la médecine posent de nombreuses problématiques éthiques et juridiques qu’il devient urgent de résoudre.

Aujourd’hui, lorsqu’un centre hospitalier détient les données d’un patient avec son consentement, ces données collectées le sont dans un cadre précis et leur utilisation liée à ce cadre : la législation impose alors l’obligation de demander à nouveau au patient son autorisation si le médecin souhaite les exploiter en vue d’un autre projet, d’une autre utilisation. Cette approche est tout à fait incompatible avec le big data, qui nécessite d’avoir à disposition une masse de données la plus grande et complète possible. Quand on sait quel potentiel ces données représentent pour la recherche, on peut alors affirmer qu’il est non-éthique de ne pas permettre leur pleine exploitation. La loi est en retard sur l’éthique et le big data.

La question de la propriété des données est essentielle. Les centres hospitaliers et instituts de recherche sont responsables de veiller à ce que les données ne sortent pas de leurs “murs”. Comment permettre, dans ces conditions, une science plus ouverte et transdisciplinaire, nécessitant de faire appel à des compétences qui ne sont pas présentes dans les hôpitaux ? Embaucher des équipes de data scientists est très coûteux. Faire sortir les données n’est pas permis par la loi, ou bien seulement après des processus d’anonymisation et d’agrégation des données très lourds, défendus, et à juste titre, par la CNIL, mais qui font perdre à la donnée une grande partie de sa qualité et de sa pertinence. Le rôle de la CNIL est indispensable, car elle défend la vie privée du citoyen. Mais puisque cela se fait au détriment de la science et de la recherche, c’est que nous sommes face à un problème non résolu.

Idéalement, chaque citoyen devrait être propriétaire de ses données — médicales ou non. Il faudrait réaliser un travail d’éducation en profondeur auprès des citoyens, pour que chaque patient prenne conscience du potentiel d’utilisation qu’elles représentent et soit armé pour décider ou non, en toute connaissance de cause, de les proposer à la recherche. Ce qui nécessiterait de créer l’environnement technologique adéquat permettant le consentement et le suivi, au niveau national. En attendant qu’un tel cap soit franchi, il faudra trouver des solutions techniques et juridiques rapides pour permettre de faire sortir les données des centres hospitaliers et des instituts de recherche. Il faut s’y préparer dès maintenant, et tout faire pour que les données soient accessibles et exploitables lorsque les solutions seront trouvées.

)
    Karine LH

    Written by

    Karine LH

    Welcome to a place where words matter. On Medium, smart voices and original ideas take center stage - with no ads in sight. Watch
    Follow all the topics you care about, and we’ll deliver the best stories for you to your homepage and inbox. Explore
    Get unlimited access to the best stories on Medium — and support writers while you’re at it. Just $5/month. Upgrade