L’intelligence artificielle en soutien aux systèmes de santé apprenants

Le domaine de l’IA regroupe plusieurs approches et les commentaires à large portée sont hasardeux, écrivent les auteurs.
Photo: Vicko Mozara Unsplash Le domaine de l’IA regroupe plusieurs approches et les commentaires à large portée sont hasardeux, écrivent les auteurs.

Ce texte fait partie d'un cahier spécial.

Les avancées en intelligence artificielle (IA) laissent entrevoir des bénéfices importants pour le domaine de la santé. La découverte de liens inattendus (entre certains profils de patients et les bienfaits d’un traitement, par exemple) permet d’espérer élucider plusieurs défis de la médecine moderne avec, à la clé, une diminution de la mortalité et des complications, une amélioration de la qualité de vie ainsi qu’une diminution des coûts. Pour y arriver, il faudra toutefois obtenir l’acceptation sociale nécessaire à un tel changement, mais surtout, intégrer l’IA de façon à ce que l’humain garde toujours la prérogative de faire ses choix de vie. 

Pour avoir un effet significatif et profond, les approches de type IA ne devront pas se cantonner au monde de la recherche, mais bien s’inscrire dans les systèmes de santé apprenants (SSA) qui intègrent la prestation des soins de santé, la recherche, mais aussi le transfert de connaissances afin de rapidement mettre en pratique les nouvelles connaissances provenant de la recherche.

Le domaine de l’IA regroupe plusieurs approches et les commentaires à large portée sont hasardeux. Plusieurs succès, particulièrement dans le domaine de l’analyse de l’image (comme la reconnaissance de cancer de la peau sur une photo), illustrent le potentiel important des approches dérivées de l’IA. Son déploiement en santé reste toutefois complexe.

Premièrement, plusieurs approches en IA basent leur apprentissage sur des données historiques. L’utilisation de données historiques porte un risque quant aux biais de soins qui sont présents en ce moment. On sait par exemple que le traitement pour l’hypertension chez les femmes est sous-optimal en regard des lignes directrices. Sans explorer les causes d’un tel état de fait, utiliser les données existantes pour suggérer un traitement pour une patiente pourrait perpétuer ce biais. L’absence de données peut aussi poser problème. La recherche en santé est très dynamique et de nouvelles études sont publiées fréquemment. Ces études mènent souvent à des changements de pratique rapides et considérables. On s’attend donc à ce que le traitement des patients soit rapidement ajusté… mais comment faire pour qu’un outil basé sur l’IA qui apprend à partir de données historiques suggère la bonne conduite, alors qu’aucun patient n’a encore été traité de cette façon (et donc qu’aucune donnée historique n’existe) ? L’arrimage des connaissances provenant des données et de la recherche clinique est donc un enjeu de taille.

Deuxièmement, pour répondre partiellement à l’absence de données, on peut tenter de baser l’apprentissage non sur les résultats historiques pour valider le modèle, mais plutôt sur une cible (la cible est donnée par un outil appelé « oracle » dans le domaine). Les évidences scientifiques jouent bien sûr un rôle important, mais les valeurs, les préférences et l’histoire de vie y sont aussi pour beaucoup. Disons qu’on discute moins de nos états d’âme avec notre Tesla qu’avec notre oncologue ! On ne peut donc pas réduire le but à un allongement de la vie ou à une tension artérielle qui a atteint la cible. Les données de santé ne traduisent pas fidèlement les interactions complexes et subjectives entre patients et soignants menant au choix d’un traitement et rendent donc l’apprentissage pour l’IA plus complexe. La bonne réponse, s’il en existe bien une seule, n’est pas évidente. Les outils provenant de l’IA devront donc s’insérer dans le processus de décision au centre des SSA pour le bonifier, mais ne pourront pas le remplacer.

À la lumière de ces défis, plusieurs publications en viennent donc à la conclusion que l’approche dite boîte noire (une réponse est donnée sans déterminer clairement les facteurs expliquant ce choix) ne sera pas acceptable à court et à moyen terme en santé, à tout le moins pour plusieurs situations.

Connaître les individus

Pour libérer le plein potentiel de l’IA, nous devrons nous assurer d’avoir la meilleure connaissance possible des individus afin de prendre en compte le plus d’aspects possible de leur santé… et offrir de meilleures suggestions. Les données pour y arriver ne sont pas cantonnées dans les hôpitaux ou les cliniques. On joue beaucoup plus souvent le rôle de citoyen que de patient. Il faut donc mieux comprendre les facteurs affectant la santé des individus hors des soins de santé : rapports de pollution, statuts socio-économiques et même les appareils de mesure personnels connectés (par exemple un podomètre). Ce n’est d’ailleurs pas de la science-fiction. Une publication datant de 2016 détaille la prise en charge d’un patient à l’urgence aux États-Unis grâce aux données de son bracelet d’exercice.

Des approches scientifiques existent pour faire face à ce défi, mais il faudra s’assurer au préalable d’une acceptation sociale sans faille. Cette dernière passera par un engagement non seulement des chercheurs en informatique et du domaine clinique, mais aussi, et surtout, des citoyens (patients et proches aidants). Il faudra aussi développer des mécanismes de transparence afin de permettre aux citoyens de comprendre et de s’approprier leurs données et les enjeux de leur utilisation. De plus, l’environnement législatif devra être adapté afin de protéger les patients des risques faibles, mais tout de même présents, d’une utilisation inappropriée des données (par exemple par une compagnie d’assurance). Il faut toutefois réaliser que de ne pas utiliser les données, qui pourraient sauver de nombreuses vies et nous permettre de donner de meilleurs soins à tous, n’est pas non plus éthiquement plus acceptable.
 

Texte rédigé par Jean-François Ethier, Luc Lavoie et Annabelle Cumyn, membres du Groupe de recherche interdisciplinaire en informatique de la santé (GRIIS.ca)