Publicité en cours de chargement...
Evaluer les dispositifs médicaux avec intelligence artificielle
L'intelligence artificielle bouscule le monde de la santé. Pour tous, patients et professionnels de santé, le numérique rend possible une nouvelle façon de travailler, de soigner, d'être soigné et de s'occuper de sa santé. Mais une innovation technologique n'est pas forcément une innovation clinique.
Dans ce contexte, la commission nationale d'évaluation des dispositifs médicaux et des technologies de santé (CNEDiMTS) – commission spécialisée de la HAS – a décidé de compléter ses outils d'évaluation pour se préparer aux demandes d'évaluation des dispositifs médicaux qui embarquent des algorithmes auto-apprenants. Pour établir l'intérêt de leur remboursement par l'assurance maladie, et comme pour tout autre dispositif médical, la CNEDiMTS doit se prononcer sur le bénéfice que ces technologies apportent au patient ou à la santé publique. Les critères d'appréciation de l'intérêt des innovations embarquant des procédés d'apprentissage automatique restent donc des critères cliniques, la grille d'analyse proposée constituant un pan descriptif complémentaire pour les technologies concernées.
Contribuer à un accès rapide à l'innovation
Pour mener ses évaluations, la CNEDiMTS utilise les données fournies par les industriels. Afin de les guider dans la constitution de leurs dossiers, elle met à leur disposition plusieurs documents élaborés par la commission et consultables sur le site de la HAS, et notamment un guide de dépôt de dossiers.
Aujourd'hui, ce guide s'enrichit d'un projet de nouvelle partie dédiée aux dispositifs médicaux dotés d'un ou plusieurs algorithme(s) auto-apprenant(s). Sous la forme d'une grille, ce projet balaie 36 items couvrant 8 domaines clés, comme le procédé d'apprentissage de l'algorithme, les données impliquées dans cet apprentissage ou celles qui le sont dans la décision du dispositif médical. A noter cependant, aucun des items ne porte sur le respect des exigences générales en matière de sécurité et de performances du marquage CE – prérequis à l'évaluation par la CNEDiMTS – ni sur le respect des exigences en matière de protection des données de santé à caractère personnel, obligation qui ne relève pas de la CNEDiMTS.
Aux yeux de la HAS, l'utilisation de cette grille lors des évaluations est une opportunité aussi pour les patients : ainsi complétés, les avis de la commission, tous rendus publics, comporteront les réponses techniques aux items évalués.
Une consultation publique pour une approche collective
Pour ce nouveau champ d'évaluation, la HAS estime qu'une approche collective est nécessaire : ce projet de grille est donc soumis à consultation publique jusqu'au 15 janvier 2020. L'objectif est de recueillir les avis et suggestions de tous les acteurs impliqués dans le développement ou l'utilisation de dispositifs médicaux intégrant des algorithmes apprenants : industriels, associations de patients, collèges nationaux professionnels, mais également développeurs de solutions informatiques, chercheurs, instituts Interdisciplinaires d'Intelligence Artificielle (3IA) … Il s'agit pour la HAS d'apprécier la lisibilité de ce projet de grille et la pertinence de chacun des items identifiés. Toutes les contributions seront analysées afin d'aboutir à la version finale de la grille d'analyse qui sera exploitée dans le cadre des futures demandes par les industriels de prises en charge par l'assurance maladi e de leu rs dispositifs médicaux. Cette grille devrait être définitivement adoptée et appliquée en avril 2020.
Les évaluations de la CNEDiMTS
La Commission nationale d'évaluation des dispositifs médicaux et des technologies de santé (CNEDiMTS) est la commission de la Haute Autorité de Santé (HAS) qui évalue notamment les dispositifs médicaux (DM) en vue de leur remboursement par l'Assurance maladie. Les DM évalués sont ceux possédant un marquage CE et à usage individuel. Les critères d'évaluation de la CNEDiMTS sont des critères réglementaires – ceux de l'article L. 165-2 du code de la Sécurité sociale – applicables quel que soit le type de DM. L'objectif est de rendre compte de l'intérêt du DM pour le patient et pour la santé publique (service attendu) : dimension individuelle au regard de l'effet thérapeutique, diagnostique ou de compensation du handicap et dimension collective, au regard notamment de l'impact en term es d'amélioration de l'état de santé d'une population, de mortalité, de morbidité, de qualité de vie, de réponse à un besoin thérapeutique, diagnostique ou de compensation du handicap). En complément, la CNEDiMTS s'exprime sur la place de ce DM dans l'arsenal disponible en France (amélioration du service attendu).
Pour en savoir plus : Accéder à la consultation publique
* Commission nationale d'évaluation des dispositifs médicaux et des technologies de santé
Avez-vous apprécié ce contenu ?
A lire également.

Le futur de l’IA : Big Crunch, Big Freeze ou TVA ?
12 mai 2026 - 06:50,
Tribune
-C’est un fait : nous finirons tous cramés comme des merguez ou gelés comme des ours polaires.

Cyber-résilience hospitalière : renforcer détection et réponse sans surcharger ses ressources
11 mai 2026 - 11:24,
Actualité
- Fabrice Deblock, DSIHLe secteur de la santé n’est plus une cible secondaire, mais un objectif récurrent pour le cybercrime organisé. Entre les exigences de NIS2 et l’interconnexion croissante des systèmes, la seule détection ne suffit plus à contenir les risques. Les établissements doivent désormais renforcer leur capac...
Centre hospitalier de Moulins-Yzeure : conserver une capacité de coordination lorsque la crise survient
05 mai 2026 - 07:15,
Actualité
- Fabrice Deblock, DSIHPlan Blanc, cyberattaque, intoxication… Les établissements de santé doivent piloter des crises impliquant SAMU, services, direction de garde et partenaires extérieurs. Au CH de Moulins-Yzeure, les solutions CrisiSoft structurent l’alerte, le suivi des ressources et la coordination territoriale.

Fuites de données en France : inquiétant, désabusé…ou espoir ?
28 avril 2026 - 08:10,
Tribune
-En 2025, la France a détenu le record du nombre de fuites de données personnelles (ramené à la population), tout pays de l’OCDE confondu.
