Utilisation des données en médecine : plus intelligent avec l’IA
La compréhension technique du développement de solutions logicielles qui génèrent ou utilisent des résultats basés sur l’IA est une chose. C’en est une autre de posséder les connaissances procédurales pour pouvoir évaluer et influencer la qualité des contenus. Pour améliorer la qualité des soins en médecine, il ne suffit donc souvent pas de disposer « seulement » d’une technologie adéquate. Il faut des solutions qui génèrent des informations fiables et compréhensibles à partir des données existantes. Pour cela, il faut reconnaître et utiliser les liens liés au contenu entre les données et leur qualité.
La société KMS Vertrieb und Services GmbH, basée à Unterhaching, en Allemagne, est un fournisseur qui incarne depuis toujours la symbiose entre le savoir-faire technique et le contenu. L’entreprise, qui fait partie du groupe CGM, est présente dans le domaine du datamining et des solutions d’entrepôts de données dans les établissements de santé depuis plus de 20 ans déjà et connaît parfaitement la mise en relation des données médicales dans le but de générer des connaissances. « Le thème le plus important actuellement pour nous est bien sûr l’utilisation de l’IA. Que ce soit pour optimiser les processus de facturation ou pour aider les médecins dans leur travail quotidien avec des connaissances générées par l’IA », explique Nils Wittig, CEO de KMS.
Minimiser le temps d’écran, maximiser les connaissances
Il ’agit essentiellement de consolider et de structurer la base de données qui s’est développée en continu depuis des décennies dans les établissements de santé et de l’enrichir de connaissances externes sûres. Par exemple, les informations contenues des notices d’emballage, les données scientifiques tirées d’études ou les connaissances spécialisées généralement disponibles. « Nous ne créons pas d’informations fondamentalement nouvelles avec l’IA. Au contraire, nous relions les informations existantes à de nouvelles connaissances et les mettons à disposition là où elles sont nécessaires. Par exemple, pour le diagnostic des maladies rares, pour lesquelles même les médecins expérimentés manquent de savoir-faire. Ou dans le domaine des soins, pour exclure les erreurs de médication. En principe, le médecin ou le personnel infirmier pourrait acquérir lui-même les informations sur les symptômes d’une maladie rare ou les interactions médicamenteuses en effectuant des recherches. Mais ils ne disposent souvent pas du temps nécessaire ou doivent l’utiliser pour d’autres tâches plus utiles », explique Nils Wittig.
Il va sans dire que la qualité des données joue un rôle important dans ce contexte. Pour s’assurer que la base de données avec laquelle un algorithme est alimenté est suffisamment sûre, il faut un très bon contrôle de la qualité des données. Un contrôle qui détecte automatiquement les anomalies et qui aide à classer les bonnes données des mauvaises. Nils Wittig : « Nous devons toutefois garder à l’esprit que même avec l’IA, il n’y aura pas de sécurité à 100 %. De la même façon qu’avec les collaborateurs, l’être humain fait lui aussi des erreurs. Les professionnels de la santé qui utilisent des connaissances générées par l’IA doivent le savoir. Ils doivent apprendre à utiliser correctement les connaissances et à évaluer les points faibles potentiels. En étant toujours pleinement conscients que les décisions médicales ne peuvent pas être déléguées à l’IA, mais que l’IA peut les appuyer dans ces décisions. »
Augmenter l’efficacité, c’est maintenir le niveau
Les établissements de santé savent désormais à quel point le soutien de l’IA est et sera important à l’avenir, y compris dans le cadre de la prise de décisions médicales – c’est une conséquence de la pénurie de personnel qualifié. « Il y a quelques années encore, l’amélioration de l’efficacité dans les établissements de santé était associée à l’idée de suppressions de postes et de pertes dans les soins. Cela a complètement changé. Aujourd’hui, les responsables des hôpitaux et des cabinets médicaux savent que l’amélioration de l’efficacité par l’augmentation du degré de numérisation est la base du maintien du niveau de soins. Ils sont donc ouverts à l’idée d’utiliser au mieux les données disponibles », explique l’expert en datamining.
Dans la perspective de l’utilisation de l’IA, un autre aspect joue un rôle essentiel en plus de la simple qualité des données : pour renforcer la confiance des utilisateurs et utilisatrices dans les résultats d’un logiciel, ce dernier doit être en mesure d’indiquer qu’il ne sait pas. Nils Wittig explique : « L’une des faiblesses connues de l’IA est sa tendance à l’hallucination. En ce qui concerne la confiance dans les solutions basées sur l’IA, une tâche essentielle pour nous est de contrôler ce phénomène. La frontière est mince, car nous ne voulons pas que les algorithmes ne fassent que des connexions linéaires. Ces dernières années, nous nous sommes donc concentrés sur l’établissement de liens là où ils existent réellement. Notre tâche consiste également à encourager l’IA à donner une réponse claire du type « je ne peux pas me prononcer » plutôt qu’une réponse erronée. Cela dit, c’est aussi difficile pour beaucoup de gens. »
