TECHNOLOGIE DE SANTÉ : Que signifie pour vous la normalisation des données et comment l’abordez-vous dans votre travail ?
WANG : Il existe 26 façons de dire « test A1C » et elles sont toutes présentées dans des formats différents. Sans connaissances cliniques, il est très difficile de tous les obtenir. Cela signifie que vous ne pouvez réaliser un test A1C que pour la moitié des patients. Ils sont effectivement très bien traités, mais leur nombre ne contribue pas au résultat final. La normalisation consiste à convertir toutes ces variations en une seule. Nous l’appelons le modèle de données commun. En ce sens, la normalisation est extrêmement importante.
SCHWAMM : Vous devez comprendre comment gérer divers formats de données. Il n'y a pas de pré-formation sur ce que vous êtes susceptible de rencontrer. Il existe également des incohérences provenant de chacune de ces différentes sources de données. Ainsi, vous disposez d'une diversité de formats de données, et traiter des données non structurées telles que du texte et des images signifie qu'il est extrêmement important et difficile de garantir la confidentialité et la sécurité des données tout en maintenant la qualité des données. Vous souhaitez le faire d'une manière qui ne génère pas de perte d'informations importantes ni ne fausse les résultats dans une direction qui n'est pas cohérente avec un examen manuel attentif, humain et manuel des mêmes données. Je pense que les gens croient à tort qu’un algorithme d’IA peut anonymiser de manière fiable les données non structurées. C'est une idée fausse très courante.
LIU : Nous savons qu'il est difficile d'avoir des données statiques et normalisées pour de nombreux cas d'utilisation différents. L'IA peut faciliter ce processus de normalisation des données grâce à un cadre de normalisation des données activé par l'IA. Il existe de nombreuses normes à adopter, et si les normes ne correspondent pas au cas d'utilisation, vous devez également faire preuve d'agilité dans votre processus. Il est essentiel de disposer de ce cadre de normalisation doté de capacités basées sur l'IA. Cela facilitera un processus beaucoup plus rapide d’utilisation des données.
TECHNOLOGIE DE SANTÉ : Dans quelle mesure la responsabilité des flux de travail de recherche clinique basés sur l’IA incombe-t-elle aux cliniciens plutôt qu’aux responsables informatiques ?
WANG : Les cliniciens doivent absolument intégrer leurs connaissances et leurs expériences dans le flux de travail. Leurs connaissances du domaine, notamment en matière d'évaluation clinique et d'application éthique, sont également très importantes, tout comme l'interprétation des résultats de l'IA dans l'ensemble du flux de travail et dans le contexte des soins aux patients. Les responsables informatiques gèrent la configuration de l'infrastructure, la sécurité des données, l'interopérabilité entre les différents modules du système et la conformité. Ils doivent également garantir un déploiement évolutif, qui fonctionne non seulement pour quelques médecins mais pour tous les médecins, et qui s'intègre parfaitement à l'ensemble du flux de travail.
SCHWAMM : Il existe une question importante et non résolue : à qui incombe la responsabilité de l’utilisation responsable de l’IA ? Je pense que nous avons besoin d'un modèle partagé de responsabilité qui intègre les deux concepts traditionnels de responsabilité du fait des produits, depuis le fournisseur qui a développé l'algorithme, jusqu'aux responsables informatiques qui déterminent comment déployer cet algorithme, jusqu'aux utilisateurs finaux qui sont ensuite censés l'utiliser en gardant à l'esprit les principes de bonnes pratiques cliniques. Je pense que tout le monde possède une part de cette responsabilité partagée. Vous ne confiez pas un outil électrique à un tout-petit parce que vous savez qu'il n'a pas les compétences et l'expérience nécessaires pour l'utiliser en toute sécurité, même s'il est accompagné de toutes sortes d'avertissements et d'instructions d'utilisation. Nous devons nous assurer que nos utilisateurs finaux sont correctement formés et compétents dans l'utilisation de ces outils, mais les fournisseurs doivent également assumer une certaine responsabilité pour garantir que leurs produits sont utilisés d'une manière conforme à leurs indications.
LIU : Cela devrait être une responsabilité partagée. Oui, les cliniciens doivent définir des cas d’utilisation significatifs, valider les résultats et s’assurer qu’ils sont scientifiquement rigoureux et reproductibles. Les responsables informatiques et informatiques sont là pour garantir la qualité, la fiabilité, la conformité et la gouvernance des modèles de données, car les données cliniques elles-mêmes sont utilisées pour la recherche clinique. Ils sont généralement associés à un élément de confidentialité ou de réglementation, ils ne peuvent donc pas fonctionner seuls. Les organisations ne peuvent pas considérer l’IA comme une simple solution informatique. Le monde est aux prises avec l’impact de l’adoption, la copropriété est donc nécessaire pour un déploiement fiable et efficace de l’IA pour la recherche clinique.
TECHNOLOGIE DE SANTÉ : Quels sont les mythes entourant les objectifs commerciaux de l’IA dans le domaine de la santé ?
WANG : Avec l’IA, les gens pensent définitivement que la réduction des coûts se produira demain, car beaucoup de choses sont automatisées. Je pense que l’aspect retour sur investissement n’est pas clairement défini pour la plupart des tâches. De nombreuses entreprises travaillent sur des applications, mais nous ne voyons toujours pas de retour sur investissement clair car il est encore relativement tôt. En revanche, si l’on se concentre sur une petite tâche très définie, on voit clairement la réduction des coûts.
SCHWAMM : Je pense que le grand mythe est que l’IA dans le domaine de la santé vise à améliorer les résultats en matière de santé. La réalité est que la plupart de l'IA déployée actuellement se concentre soit sur la maîtrise des coûts, sur la croissance des revenus ou sur la réduction de la charge des fournisseurs. Très peu de ces algorithmes ont un impact direct sur les soins aux patients eux-mêmes. La vérité est que la plupart des applications déployées actuellement ne touchent pas directement aux soins aux patients ou aux soins cliniques. La plupart d'entre eux sont des processus de back-office, un support de codage, qui facilitent un peu la vie des fournisseurs. Ce sont les domaines où les risques sont les plus faibles, c'est donc là que s'est concentré l'essentiel du travail.
