Pour faire de l’IA une réalité en santé

Le Healthcare Data Institute est un think tank dédié à la transformation du système de santé par l’utilisation scientifique et économique des données de santé au bénéfice des acteurs du système de santé, des patients et des citoyens. Fin mars, il a publié le rapport Jusqu’où les données peuvent-elles accompagner la transformation de la santé par l’IA ?

Une IA ambitieuse face à une réalité complexe

L’IA serait en train de redéfinir les soins tels que nous les connaissons : l’optimisation et la personnalisation de la prise en charge associées à l’amélioration du pilotage des systèmes de santé se heurtent néanmoins à une réalité complexe. En effet, l’IA en santé serait caractérisée par une innovation foisonnante, mais confrontée à un manque de solutions matures exploitables industriellement.

La première ambition du rapport est de dresser un état des lieux des avancées, des défis et des perspectives de l’IA en santé, dans un contexte marqué par une diversité réglementaire et technologique.

Le premier défi identifié est la nécessité de simplifier les normes et de favoriser une adoption européenne collective de l’IA par les acteurs de la santé. Par ailleurs, la formation initiale et continue des professionnels de santé sur l’IA et la Data Science doivent être renforcées. Le troisième défi consiste à mettre en place un plan de communication national sur les bénéfices et les enjeux de l’IA pour associer le grand public. Enfin, le think tank aimerait éclairer les décideurs sur les questions d’IA en santé pour un accompagnement raisonné des solutions.

« Nous sommes à l’aube d’une transformation majeure en santé, guidée par des actions concrètes plus que par des promesses, explique le D^r Christian Deleuze, président du think tank. […] Il appartient désormais aux acteurs du secteur de la santé de répondre présent à cet appel pour que, demain, l’IA en santé soit synonyme de progrès pour chacun. »

Pour les auteurs du rapport, l’intégration réussie de l’IA en santé requiert une approche collaborative, centrée sur l’humain, qui embrasse autant les innovations technologiques que les impératifs éthiques et réglementaires.

Les dix recommandations

Les auteurs ont ainsi analysé les applications de l’IA dans la prévention, le diagnostic et le suivi des patients afin de cerner les principaux freins au développement de ces technologies et les facteurs qui permettraient de l’accélérer. L’obstacle majeur résiderait dans la fragmentation européenne en termes de normes, de réglementations, d’usages et de marché. Dix mesures permettraient en revanche de favoriser une réelle avancée en matière de santé :

1. Prioriser, en France et dans l’Union européenne, le financement de preuves de concept à grande échelle (incluant des projets d’apprentissage fédéré) au sein de tiers-lieux d’expérimentation dédiés. Ce soutien devrait être conditionné aux capacités d’interopérabilité et de déploiement rapide des programmes, mais aussi à une évaluation régulière et rigoureuse des avantages et des risques par un comité comprenant notamment patients et financeurs.

2. Élargir les méthodologies de référence pour couvrir un maximum de projets, faciliter l’accès aux données et encourager l’ensemble des acteurs de l’écosystème à participer à la consultation de la Cnil sur la révision des méthodologies de référence.

3. Rationaliser les processus d’évaluation éthique et scientifique en instituant le recours à un comité éthique et scientifique indépendant et unique.

4. Introduire des cadres réglementaires dynamiques alignés avec les autres États membres de l’Union européenne pour tendre vers une approche européenne unique dans l’évaluation des systèmes d’IA en santé à des fins de remboursement, tout en permettant des réévaluations plus fréquentes pour refléter les améliorations et les changements au fil du temps des technologies de traitement et de protection des données.

5. Clarifier le cadre réglementaire concernant la responsabilité médicale en cas d’erreur des systèmes d’IA en santé à vocation notamment diagnostique.

6. Mettre en place une convention unique régissant l’accès aux données de santé et leur valorisation, sur le modèle de ce qui est déjà pratiqué dans le cadre des études cliniques, dans un objectif d’alignement des positions des acteurs européens.

7. Imposer, lors de la mise en place de projets, des normes techniques avec des spécifications fonctionnelles, afin d’en assurer la robustesse, l’interopérabilité, la transparence ainsi que l’explicabilité et accroître la confiance.

8. Lancer une grande campagne nationale d’information à destination du grand public sur l’utilisation de l’IA dans le domaine de la santé afin de promouvoir une compréhension objective de cette technologie.

9. Mettre en place des modules de formation sur l’IA et la Data Science adaptés à chaque spécialité médicale dans le cadre de la formation continue avec des items obligatoires. Ces modules doivent inclure des cas pratiques, des simulations et des études de cas réels pour illustrer l’application de l’IA dans des contextes cliniques variés.

10. Standardiser les informations données aux utilisateurs pour leur permettre de comprendre facilement les recommandations de l’IA et les données sous-jacentes accessibles, notamment l’explicabilité des résultats de l’IA dans les diagnostics ou les traitements, et renforcer la confiance entre les patients, les professionnels de santé et les fournisseurs de solutions.