L’épuisement professionnel des médecins, les expériences négatives des patients et les mauvais résultats en matière de santé sont autant de problèmes que les outils d’intelligence artificielle générative pourraient atténuer. De la documentation automatisée à l’aide à la décision clinique, la technologie a le potentiel de transformer les flux de travail et la prestation des soins de santé. L’IA générative peut gérer des tâches routinières et donner aux médecins un aperçu plus accessible des données des patients. Cependant, la capacité d’un algorithme d’IA dépend de la qualité des données elles-mêmes.
Lors du sommet AWS qui s'est tenu en juin à Washington, DC, des experts en IA et des responsables du secteur de la santé ont discuté des avantages, des risques et des applications pratiques de l'IA générative dans le secteur de la santé. Le Dr Naqi Khan, médecin responsable des solutions d'intelligence artificielle générative et d'apprentissage automatique dans le secteur de la santé chez Amazon Web Services, a exploré l'importance de la qualité des données comme base des implémentations de l'IA dans le secteur de la santé.
Le succès de l’IA nécessite que les soins de santé soient axés sur les données
« Les données sont le facteur de différenciation en matière d’IA et d’IA générative », a déclaré Khan, qui a recommandé aux responsables de la santé de passer plus de temps à réfléchir à leurs données.
Selon Khan, le secteur de la santé connaît une croissance annuelle des données de 30 téraoctets pour les dossiers médicaux électroniques, de 100 téraoctets pour les données de surveillance des patients, de 2 pétaoctets pour les données d'imagerie médicale, de 2 pétaoctets pour les données omiques et de 5 pétaoctets pour les données de pathologie numérique. Au total, les hôpitaux génèrent 50 pétaoctets de données par an, selon le Forum économique mondial. Cependant, 97 % de ces données ne sont pas utilisées car elles ne sont pas structurées.
« Tout le monde veut être axé sur les données, mais seulement environ un quart des organisations estiment y parvenir », a déclaré Khan.
Les hôpitaux ne veulent pas seulement être axés sur les données, mais les patients l’exigent également. Ils veulent être traités de manière judicieuse en fonction de leur situation particulière. Appliquer des outils d’IA à des données de qualité est un moyen d’orienter le secteur vers des données adaptées à leurs besoins, mais Khan a souligné l’importance de former de grands modèles linguistiques (LLM) avec les données des patients sans les exposer et sans risquer de porter atteinte à la confidentialité des données des patients. Il a expliqué que les données des patients devraient être exploitées pour des cas d’utilisation significatifs tels que la mise en correspondance des patients avec des essais cliniques et la connexion d’ensembles de données individuels.
« Le principal défi est que ces données augmentent de manière presque illimitée et deviennent de plus en plus complexes. Alors que nous essayons de rendre ces données plus utiles et plus significatives pour un organisme de santé, il est important de les relier », a déclaré Khan, ajoutant que l'intégration de données génétiques lors d'un examen radiographique, par exemple, peut en révéler davantage sur l'état de santé réel d'un patient.
Les LLM peuvent être utiles pour décortiquer toutes les différentes sources de données dont disposent les organisations de soins de santé au sein de leurs écosystèmes. Un LLM, un type de modèle d'apprentissage automatique, peut prédire ce qui pourrait se passer ensuite dans une séquence. Pour qu'il puisse être appliqué à des cas d'utilisation réels, il est impératif que les données ne contiennent pas de biais ou de lacunes d'information. Khan a déclaré que le secteur doit réfléchir aux données dans le contexte de l'utilisation de l'IA générative.
Il a souligné que les réponses de ChatGPT ne sont pas toujours transparentes et que les utilisateurs peuvent utiliser un modèle à usage général pour des tâches nécessitant des données spécifiques.
Comment les organisations de santé peuvent-elles élaborer une stratégie de données intégrée ?
« Tout d’abord, les données doivent être votre principal atout », a déclaré Khan, expliquant que les modèles devraient finalement devenir des produits de base pour les organisations. « Les organisations prospèrent et réussissent en analysant leurs données et en réalisant qu’elles sont ce qu’elles ont passé tant de temps à collecter et qu’elles doivent les traiter comme l’atout qu’elles sont. »
Nous fournissons aux gens des outils auxquels ils n'avaient tout simplement pas accès ou qui n'étaient pas possibles en raison de la manière dont les données étaient gérées auparavant.
Dr Naqi Khan
Médecin responsable des solutions du secteur de la santé en matière d'IA générative et de machine learning, AWS
Il est tout aussi essentiel que les organisations de santé puissent soutenir la collaboration et le partage de données au sein du système de santé afin que les scientifiques citoyens des données puissent chercher des réponses à des questions importantes. La prochaine étape est la fédération des données, qui peut créer des modèles de données plus utiles et moins biaisés. La formation d'un algorithme utilisé pour prédire l'insuffisance cardiaque congestive à partir de données de la Nouvelle-Angleterre rendra son déploiement difficile quelque part en Asie ou en Afrique, par exemple.
Khan a suggéré qu’une approche fédérée peut réduire les biais et permettre le partage de données d’une manière significative qui maintient la conformité et protège les données des patients.
AWS propose plusieurs services pour aider les organisations de soins de santé à atteindre leurs objectifs de stratégie de données intégrées :
- AWS HealthLake : un service cloud qui permet aux organisations de soins de santé de visualiser les données à l'aide des ressources d'interopérabilité rapide des soins de santé, de stocker les données en toute sécurité et d'analyser les données à l'aide de modèles d'apprentissage automatique
- AWS HealthImaging : un service cloud qui permet aux organismes de santé de stocker, d'analyser et de partager des images médicales
- AWS HealthOmics : un service qui aide les organismes de santé et leurs partenaires à stocker, interroger et analyser les données omiques, y compris les données génomiques et transcriptomiques
- AWS HealthScribe : un service qui permet aux organisations de soins de santé de capturer l'audio des rencontres des patients avec les cliniciens et de le transformer en notes cliniques à l'aide de l'IA générative
- Amazon Bedrock : un service qui donne aux organisations de santé accès à plusieurs modèles fondamentaux pour créer des applications d'IA génératives
- Amazon Q Developer : un service qui aide au développement de logiciels à l'aide de l'IA générative
- Amazon SageMaker : un service qui aide les organisations de santé à créer, former et déployer des modèles d'apprentissage automatique
Grâce à ces outils, les sociétés biopharmaceutiques peuvent automatiser le processus de mise en relation des patients avec les essais cliniques pertinents. Cette technologie peut aider les chercheurs à synthétiser les données plus rapidement qu'auparavant. Elle peut également transformer le partage des données pour faire progresser la recherche sur le cancer pédiatrique, un objectif du partenariat entre AWS et le Children's Brain Tumor Network.
« Nous fournissons aux gens des outils auxquels ils n'avaient tout simplement pas accès ou qui n'étaient pas possibles en raison de la manière dont les données étaient gérées auparavant », a déclaré Khan.
Gorodenkoff/Getty Images
