Lorsqu’il s’agit de l’utilisation de l’intelligence artificielle dans les soins de santé, un grand pouvoir s’accompagne de grandes responsabilités.
«L’IA a un rôle important à jouer dans la prestation des soins, la gestion des soins et les opérations de soins de santé», déclare Seema Wadhwa, fondatrice et PDG de l’organisation à but non lucratif Health in Climate et ancienne directrice exécutive de la gestion de l’environnement chez Kaiser Permanente.
L’Organisation mondiale de la santé a déclaré que le changement climatique constitue la plus grande menace pour la santé humaine. La puissance de calcul et l’infrastructure informatique nécessaires au fonctionnement de l’IA ont un coût énergétique évident. Toute discussion sur l’IA dans le domaine de la santé doit donc équilibrer son utilité et sa durabilité.
« La manière dont l’IA est déployée en interne et la manière dont les systèmes de santé exploitent leur voix en tant que grands acheteurs d’IA peuvent avoir un impact sur l’apparence d’une IA respectueuse de l’environnement », explique Wadhwa.
Identifier les principaux facteurs d’émissions d’IA dans le secteur de la santé
Le Dr Manijeh Berenji, professeur clinicien de santé environnementale et au travail à l’UC Irvine, note qu’il existe trois facteurs qui déterminent les contributions de l’IA aux émissions : les modèles de formation, les modèles d’exécution et l’infrastructure qui les prend en charge, des centres de données aux réseaux et à la chaîne d’approvisionnement dont elle fait partie.
Le développement de modèles a tendance à être considéré comme la phase la plus gourmande en énergie, mais le moteur des émissions de carbone à long terme pour les soins de santé est l’exécution de modèles (appelée inférence). « Une fois qu’un outil est déployé dans une entreprise, il peut être exécuté des millions de fois par an, souvent à chaque rencontre avec un patient », explique-t-elle.
La complexité du secteur aggrave le problème. Comme l’écrit Berenji dans , les modèles d’IA dans le domaine de la santé ont tendance à produire des émissions plus élevées que les modèles à usage général « parce qu’ils dépendent de modèles avancés et gourmands en ressources, capables de traiter des données médicales détaillées ».
Équilibrer les avantages cliniques de l’IA avec ses coûts environnementaux
En ce qui concerne les émissions, note Berenji, tous les cas d’utilisation de l’IA dans le domaine de la santé ne sont pas égaux.
Les scribes d’IA ambiante, qui fonctionnent en continu pendant qu’ils transcrivent et résument chaque visite, sont parmi les plus énergivores, tout comme les modèles d’imagerie d’IA qui stockent et retraitent les images haute résolution. En revanche, les modèles prédictifs ayant un objectif unique – fournir des alertes en cas de sepsie, générer des scores de risque de réadmission ou optimiser les calendriers – ont tendance à être plus légers.
« Les organisations doivent examiner si l’intensité informatique de l’outil d’IA correspond à la valeur clinique qu’il offre », explique Berenji. « Un outil qui augmente les émissions sans améliorer les soins n’est pas neutre ; il va à l’encontre de la mission de la plupart des systèmes de santé, qui est de ne pas nuire. »
Technologie de la santé
Berenji recommande aux organisations de traiter les implications environnementales de l’IA comme une dimension de valeur aux côtés de la sécurité, de la qualité et du coût. Cela signifie se demander ce qui se passe lorsqu’un modèle fonctionne à grande échelle ou si un bénéfice similaire peut être obtenu avec moins de ressources, en plus d’examiner les avantages cliniques d’un modèle.
Cela dit, l’impact en aval d’un modèle d’IA sur l’environnement n’est pas toujours facile à quantifier. Wadhwa utilise des modèles d’oncologie comme exemple : identifier le cancer au stade 1 plutôt qu’au stade 4 signifie que le traitement est moins fréquent et moins intensif, ce qui réduit son empreinte environnementale. Il en va de même pour les modèles d’imagerie qui éliminent le besoin d’une deuxième étude et d’un deuxième voyage en voiture du patient jusqu’à l’hôpital.
7 façons dont les établissements de santé peuvent adopter l’IA de manière durable
- Utilisez le bon modèle pour le travail. « Utilisez le plus petit modèle qui répond aux exigences de performances cliniques », explique Berenji. Les modèles haut de gamme conçus pour la recherche et la résolution de problèmes complexes, tels que Claude Fable, ChatGPT Pro ou Gemini Pro, sont inutiles lorsqu’ils sont appliqués au traitement de texte ou à la réponse à des tâches faciles.
- Demandez aux vendeurs ce qu’ils font. « Les achats sont le principal levier dont disposent la plupart des systèmes de santé », note Berenji. De nombreuses organisations ont déjà utilisé cet effet de levier pour réduire leurs déchets physiques ou leur exposition à des produits chimiques toxiques. Les dirigeants devraient interroger les fournisseurs sur la consommation d’énergie par inférence, la consommation d’eau pour le refroidissement et l’endroit où les charges de travail sont hébergées. Le guide d’approvisionnement durable en IA de Health Care Without Harm constitue un bon point de départ, dit-elle.
- Concevoir pour l’efficacité. Si un patient reste à l’hôpital pendant plusieurs jours, le fait de coller continuellement ses informations dans un scribe alimenté par l’IA génère beaucoup de redondance. Éliminer cela avant de déposer des enregistrements dans un modèle peut réduire l’utilisation des jetons jusqu’à 40 %, explique Wadhwa. Berenji ajoute : « N’exécutez pas l’IA à chaque rencontre par défaut alors que cela n’est utile que pour certains. »
- Apportez de la discipline à l’utilisation de l’IA. Les organisations peuvent exécuter des charges de travail non urgentes telles que le recyclage de modèles ou l’analyse par lots lorsque la demande est faible ou que de l’énergie propre est disponible, explique Berenji. Les cycles de mise à niveau doivent tenir compte de l’efficacité du refroidissement, de la consommation d’énergie et de la prolifération des déchets électroniques, en plus des performances du matériel.
- Mesurer et évaluer. Il est impératif de savoir où sont exécutés les modèles d’IA. Les organisations devraient mettre hors service les outils qui n’apportent pas de valeur, déclare Berenji. Les projets pilotes qui ne décollent jamais sont une source cachée de gaspillage de ressources et contribuent à des émissions inutiles.
- Repositionner l’IA comme une question de coût. L’environnement n’est pas toujours une priorité pour les dirigeants du secteur de la santé, explique Wadhwa. Cependant, l’argent est une priorité. « Si vous considérez l’utilisation respectueuse de l’environnement de l’IA comme une mesure de réduction des coûts, alors c’est une autre conversation. Les dirigeants se rendent compte que les jetons coûtent de l’argent et devraient être utilisés plus efficacement. »
- Collaborer. De nombreuses organisations utilisent des modèles d’IA pour améliorer l’efficacité de la gestion des déchets, de la consommation d’énergie et de l’optimisation de la chaîne d’approvisionnement. C’est bien beau, dit Wadhwa, mais cela signifie que les dirigeants ratent des occasions d’apprendre les uns des autres et de réduire les émissions dans le processus : « Chaque système de santé essaie-t-il de résoudre le problème lui-même ? Si un hôpital résout le problème, le suivant utilisera-t-il davantage de jetons pour faire la même chose ? »
À quoi ressemble l’IA durable dans les soins de santé pour l’avenir
Les décisions prises au cours des trois à cinq premières années de mise en œuvre des dossiers de santé électroniques ont jeté les bases de la manière dont les DSE sont utilisés, note Wadhwa. Aujourd’hui, les organisations peuvent apporter des changements mineurs, mais les éléments majeurs sont déjà en place.
Les soins de santé sont aujourd’hui dans la même situation en ce qui concerne l’IA, dit-elle. L’industrie est dans une position unique pour faire les choses correctement. Environ 75 % des patients estiment que l’utilisation de l’IA dans les soins de santé présente des avantages. Le soutien du public existe donc. De plus, l’industrie représente près de 20 % du produit intérieur brut des États-Unis, son poids peut donc exercer une pression sur les vendeurs.
« Les hôpitaux constatent l’impact du changement climatique en première ligne », explique Wadhwa, qui était à Kaiser lorsque le système de santé a ressenti les effets des incendies de forêt dans la région de Los Angeles et du dôme thermique du nord-ouest du Pacifique. « L’action est l’antidote au désespoir, et nous devons prendre part à la conversation. »
Pour Berenji, deux étapes inaugurales importantes consistent à lier la gouvernance de l’IA aux engagements d’une organisation en matière de développement durable et à élever la durabilité à un rôle de direction ou de direction. À partir de là, elle espère voir les implications environnementales de l’utilisation de produits de santé, et pas seulement d’un modèle d’IA, « devenir une question aussi courante que l’exactitude ou la partialité ».
Berenji affirme que l’IA peut apporter une contribution nette à la santé de la planète – si les modèles fonctionnent en utilisant de l’énergie propre, uniquement là où ils ajoutent de la valeur, et si ils concentrent leurs résultats sur les moyens de « décarboniser » la prestation des soins grâce à une plus grande efficacité et moins de gaspillage. « Le premier principe des soins de santé est de ne pas nuire, et cela doit inclure le fait de nuire à l’environnement dans lequel vivent nos patients », dit-elle.