Intelligence artificielle et données de santé : le mariage du futur
Le recueil et le partage de données de santé de plus en plus nombreuses sont la condition sine qua non à son déploiement dans le domaine du soin.
Suivi des patients à distance, opérations assistées par ordinateur ou robot, prothèses intelligentes, traitements personnalisés : les perspectives sont enthousiasmantes.
Contexte :
● L’intelligence artificielle (IA) consiste à mettre en œuvre un certain nombre de techniques pour permettre aux machines d’imiter une forme d’intelligence réelle. Elle a de nombreux domaines d’application : commerce, finance, défense, industrie, transport, éducation, santé…
● Toutes les grandes entreprises informatiques dans le monde (Google, Microsoft, Apple, IBM…) travaillent aujourd’hui sur les débouchés de l’intelligence artificielle, en tentant de l’appliquer à quelques domaines précis. Concrètement, ces entreprises ont mis en place des réseaux de neurones artificiels constitués de serveurs et permettant de réaliser des calculs très complexes au sein de gigantesques bases de données.
● La France compte parmi les 4 pays leaders (avec la Chine, les Etats-Unis et le Royaume-Uni) en matière de production d’articles sur l’intelligence artificielle, grâce à son excellence en mathématiques, en sciences et technologie de l’information et de la communication et en sciences cognitives (1).
Enjeux :
● L’intelligence artificielle ouvre de nombreuses perspectives en santé :
○ mieux détecter les symptômes des maladies, via notamment un ensemble de capteurs (applications smartphone, montre connectée…) permettant d’agréger une grande quantité de données
○ prédire le développement d’une maladie
○ exploiter les résultats d’analyse (imagerie médicale…)
○ proposer des traitements plus personnalisés
○ améliorer la détection des effets secondaires d’un médicament lors des phases d’essais cliniques
○ faciliter l’exploration des publications scientifiques et l’analyse des résultats de recherches fondamentales grâce à la fouille automatique des données.
● Il est pour cela indispensable que notre système de santé se dote des moyens de captation, de structuration et d’annotation des données produites dans le cadre du suivi du patient (données cliniques, biomédicales, de bien-être, environnementales…).
Exemple : à partir des données d’hospitalisation en France entre 2008 et 2013, une étude parue en février 2018 dans The Lancet, a montré que la consommation excessive d’alcool était associée à un triplement du risque de démence.
● Dans son rapport (1), Cédric Villani préconise le lancement d’un nouveau chantier accompagnant le déploiement du dossier médical partagé (DMP) : y adosser un espace sécurisé où les individus pourraient stocker leurs données de santé et les partager avec d’autres acteurs (médecins, chercheurs…).
● Dans le champ de la cancérologie, l’utilisation de données « intelligentes » permettra d’avancer dans la connaissance du cancer. Des algorithmes existent déjà pour dépister le mélanome sur la base de photos de la peau. Cela nécessite de grands échantillons : 50 000 images dans le cas des mélanomes (2).
● Le développement de ces données massives pose des questions éthiques.
Faire sortir des données de l’hôpital n’est pas permis par la législation actuelle, ou seulement après un processus d’anonymisation et d’agrégation. Idéalement, chaque citoyen devrait être mis en capacité d’être décisionnaire sur la question du partage de ses données médicales, mais cela implique un travail d’éducation en profondeur.
Par ailleurs, qui est responsable lorsque c’est un robot qui opère ou une machine qui établit un diagnostic ?
Enfin, comme le souligne le Conseil national de l’ordre des Médecins, « il est impératif que les progrès attendus des technologies d’intelligence artificielle, big data et robotique profitent à tous et n’accentuent pas les fractures sociales, socio-économiques ou culturelles ».
Nos Actions :
● L’intelligence artificielle et les données interviennent à tous les stades de la recherche, du développement du médicament au suivi, en passant par la production.
● Plusieurs entreprises ont mis en place un contrôle en temps réel des paramètres de production, critiques en matière de bioproduction, tels que la température et le pH, avec le recours à des logiciels capables de détecter une dérive de la température ou du pH, et de la corriger avant qu'elle atteigne le seuil où le lot de production devrait être détruit.
● Rien qu’en 2018, les entreprises du médicament ont signé une quinzaine d'accords avec des start-up d'intelligence artificielle comme Berg, Exscientia ou Aktana. Auxquels s'ajoutent des partenariats plus anciens avec les géants du web.
