12 façons pour l'IA d'influencer le secteur de la santé

L'intelligence artificielle devrait devenir une force de transformation dans le domaine des soins de santé. Alors, comment les médecins et les patients bénéficient-ils de l'impact des outils basés sur l'IA ?
L'industrie de la santé d'aujourd'hui est très mature et peut apporter des changements majeurs. Des maladies chroniques et du cancer à la radiologie et à l'évaluation des risques, l'industrie de la santé semble avoir d'innombrables possibilités d'utiliser la technologie pour déployer des interventions plus précises, efficientes et efficaces dans les soins aux patients.
Avec le développement de la technologie, les patients ont des exigences de plus en plus élevées en matière de médecins, et le nombre de données disponibles continue de croître à un rythme alarmant. L'intelligence artificielle deviendra un moteur pour promouvoir l'amélioration continue des soins médicaux.
Par rapport aux technologies traditionnelles d'analyse et de prise de décision clinique, l'intelligence artificielle présente de nombreux avantages. Lorsque l'algorithme d'apprentissage interagit avec les données de formation, il peut devenir plus précis, permettant aux médecins d'obtenir des informations sans précédent sur le diagnostic, le processus de soins, la variabilité du traitement et les résultats pour les patients.
Lors du Forum mondial de l'innovation médicale sur l'intelligence artificielle (wmif) 2018 organisé par Partners Healthcare, des chercheurs en médecine et des experts cliniques ont élaboré sur les technologies et les domaines de l'industrie médicale qui sont les plus susceptibles d'avoir un impact significatif sur l'adoption de l'intelligence artificielle dans le prochain décennie.
Anne kiblanksi, MD, co-présidente de wmif en 2018, et Gregg Meyer, MD, directeur académique de Partners Healthcare, ont déclaré que ce type de "subversion" apporté à chaque secteur de l'industrie a le potentiel d'apporter des avantages significatifs aux patients et a un large potentiel de réussite commerciale.
Avec l'aide d'experts des partenaires de la santé, dont le Dr Keith Dreyer, professeur à la Harvard Medical School (HMS), responsable de la science des données des partenaires, et le Dr Katherine andreole, directrice de la stratégie et des opérations de recherche au Massachusetts General Hospital (MGH) , a proposé 12 façons dont l'IA va révolutionner les services médicaux et la science.
1. Unifier la pensée et la machine via l'interface cerveau-ordinateur

Utiliser l'ordinateur pour communiquer n'est pas une idée nouvelle, mais créer une interface directe entre la technologie et la pensée humaine sans clavier, souris et écran est un domaine de recherche de pointe, qui a une application importante pour certains patients.
Les maladies du système nerveux et les traumatismes peuvent faire perdre à certains patients la capacité de conversation, de mouvement et d'interaction significative avec les autres et leur environnement. L'interface cerveau-ordinateur (BCI) prise en charge par l'intelligence artificielle peut restaurer ces expériences de base pour les patients qui craignent de perdre ces fonctions pour toujours.
"Si je vois un patient dans l'unité de soins intensifs de neurologie qui perd soudainement la capacité d'agir ou de parler, j'espère retrouver sa capacité à communiquer le lendemain", a déclaré Leigh Hochberg, MD, directeur du centre de neurotechnologie et de neuroréadaptation à Hôpital général du Massachusetts (HGM). En utilisant l'interface cerveau-ordinateur (BCI) et l'intelligence artificielle, nous pouvons activer les nerfs liés au mouvement de la main, et nous devrions être en mesure de faire communiquer le patient avec les autres au moins cinq fois pendant toute l'activité, comme en utilisant des technologies de communication omniprésentes telles que comme des tablettes ou des téléphones portables. "
L'interface cerveau-ordinateur peut grandement améliorer la qualité de vie des patients atteints de sclérose latérale amyotrophique (SLA), d'accident vasculaire cérébral ou du syndrome d'atrésie, ainsi que 500 000 patients atteints de lésions de la moelle épinière dans le monde chaque année.
2.Développer la prochaine génération d'outils de rayonnement

Les images de rayonnement obtenues par imagerie par résonance magnétique (IRM), tomodensitogrammes et rayons X offrent une visibilité non invasive à l'intérieur du corps humain. Cependant, de nombreuses procédures de diagnostic reposent encore sur des échantillons de tissus physiques obtenus par biopsie, ce qui présente un risque d'infection.
Les experts prédisent que dans certains cas, l'intelligence artificielle permettra à la prochaine génération d'outils de radiologie d'être suffisamment précise et détaillée pour remplacer la demande d'échantillons de tissus vivants.
Alexandra golby, MD, directrice de la neurochirurgie guidée par l'image à l'hôpital pour femmes de Brigham (BWh), a déclaré : « nous voulons réunir l'équipe d'imagerie diagnostique avec des chirurgiens ou des radiologues interventionnels et des pathologistes, mais c'est un énorme défi pour différentes équipes de parvenir à une coopération et la cohérence des objectifs. Si nous voulons que la radiologie fournisse les informations actuellement disponibles à partir d'échantillons de tissus, alors nous devrons être en mesure d'atteindre des normes très strictes afin de connaître les faits de base d'un pixel donné. "
Le succès de ce processus peut permettre aux cliniciens de comprendre plus précisément la performance globale de la tumeur, plutôt que de prendre des décisions de traitement basées sur une petite partie des attributs de la tumeur maligne.
L'IA peut également mieux définir le caractère invasif du cancer et déterminer de manière plus appropriée la cible du traitement. De plus, l'intelligence artificielle aide à réaliser une « biopsie virtuelle » et à promouvoir l'innovation dans le domaine de la radiologie, qui s'engage à utiliser des algorithmes basés sur l'image pour caractériser les caractéristiques phénotypiques et génétiques des tumeurs.
3. Développer les services médicaux dans les zones mal desservies ou en développement

Le manque de prestataires de soins de santé qualifiés dans les pays en développement, y compris les techniciens en échographie et les radiologues, réduira considérablement les chances d'utiliser les services médicaux pour sauver la vie des patients.
La réunion a souligné qu'il y a plus de radiologues travaillant dans six hôpitaux de Boston avec la célèbre Longwood Avenue que dans tous les hôpitaux d'Afrique de l'Ouest.
L'intelligence artificielle peut aider à atténuer l'impact d'une pénurie critique de cliniciens en prenant en charge certaines des responsabilités de diagnostic normalement attribuées aux humains.
Par exemple, un outil d'imagerie IA peut utiliser des radiographies pulmonaires pour examiner les symptômes de la tuberculose, généralement avec la même précision qu'un médecin. Cette fonctionnalité peut être déployée via une application pour les prestataires dans les zones pauvres en ressources, réduisant le besoin de radiologues diagnostiques expérimentés.
"Cette technologie a un grand potentiel pour améliorer les soins de santé", a déclaré le Dr Jayashree Kalpathy Cramer, assistant en neurosciences et professeur agrégé de radiologie au Massachusetts General Hospital (MGH)
Cependant, les développeurs d'algorithmes d'IA doivent soigneusement considérer le fait que les personnes de différentes nationalités ou régions peuvent avoir des facteurs physiologiques et environnementaux uniques, qui peuvent affecter les performances de la maladie.
"Par exemple, la population touchée par la maladie en Inde peut être très différente de celle des États-Unis", a-t-elle déclaré. Lorsque nous développons ces algorithmes, il est très important de s'assurer que les données représentent la présentation de la maladie et la diversité de la population. On peut non seulement développer des algorithmes basés sur une seule population, mais aussi espérer qu'elle puisse jouer un rôle dans d'autres populations. "
4.Réduire la charge d'utilisation des dossiers de santé électroniques

Le dossier de santé électronique (elle) a joué un rôle important dans le parcours numérique du secteur de la santé, mais cette transformation a entraîné de nombreux problèmes liés à la surcharge cognitive, aux documents interminables et à la fatigue des utilisateurs.
Les développeurs de dossiers de santé électroniques (ses) utilisent désormais l'intelligence artificielle pour créer une interface plus intuitive et automatiser des routines qui prennent beaucoup de temps à l'utilisateur.
Le Dr Adam Landman, vice-président et directeur de l'information de Brigham Health, a déclaré que les utilisateurs consacrent la plupart de leur temps à trois tâches : la documentation clinique, la saisie des commandes et le tri de leurs boîtes de réception. La reconnaissance vocale et la dictée peuvent aider à améliorer le traitement des documents cliniques, mais les outils de traitement du langage naturel (NLP) peuvent ne pas suffire.
"Je pense qu'il peut être nécessaire d'être plus audacieux et d'envisager certains changements, tels que l'utilisation de l'enregistrement vidéo pour le traitement clinique, tout comme la police porte des caméras", a déclaré Landman. L'intelligence artificielle et l'apprentissage automatique peuvent ensuite être utilisés pour indexer ces vidéos en vue d'une récupération future. Tout comme Siri et Alexa, qui utilisent des assistants d'intelligence artificielle à la maison, des assistants virtuels seront amenés au chevet des patients à l'avenir, permettant aux cliniciens d'utiliser l'intelligence intégrée pour saisir les ordonnances médicales. "

L'IA peut également aider à gérer les demandes de routine des boîtes de réception, telles que les suppléments médicamenteux et la notification des résultats. Cela peut également aider à hiérarchiser les tâches qui nécessitent vraiment l'attention des cliniciens, ce qui permet aux patients de traiter plus facilement leurs listes de tâches, a ajouté Landman.
5.Risque de résistance aux antibiotiques

La résistance aux antibiotiques est une menace croissante pour l'homme, car la surutilisation de ces médicaments clés peut conduire à l'évolution de superbactéries qui ne répondent plus au traitement. Les bactéries multirésistantes peuvent causer de graves dommages dans l'environnement hospitalier, tuant des dizaines de milliers de patients chaque année. Clostridium difficile coûte à lui seul environ 5 milliards de dollars par an au système de santé américain et cause plus de 30 000 décès.
Les données du DSE aident à identifier les schémas d'infection et à mettre en évidence le risque avant que le patient ne commence à présenter des symptômes. L'utilisation d'outils d'apprentissage automatique et d'intelligence artificielle pour conduire ces analyses peut améliorer leur précision et créer des alertes plus rapides et plus précises pour les prestataires de soins de santé.
« Les outils d'intelligence artificielle peuvent répondre aux attentes en matière de contrôle des infections et de résistance aux antibiotiques », a déclaré le Dr Erica Shenoy, directrice adjointe du contrôle des infections au Massachusetts General Hospital (MGH). S'ils ne le font pas, alors tout le monde échouera. Parce que les hôpitaux ont beaucoup de données DSE, s'ils ne les utilisent pas pleinement, s'ils ne créent pas des industries qui sont plus intelligentes et plus rapides dans la conception des essais cliniques, et s'ils n'utilisent pas les DSE qui créent ces données, ils seront confrontés à l'échec. "
6.Créer une analyse plus précise pour les images pathologiques

Le Dr Jeffrey Golden, chef du département de pathologie du Brigham Women's Hospital (BWh) et professeur de pathologie au HMS, a déclaré que les pathologistes constituent l'une des sources les plus importantes de données de diagnostic pour une gamme complète de prestataires de services médicaux.
« 70 % des décisions en matière de soins de santé sont basées sur des résultats pathologiques, et entre 70 % et 75 % de toutes les données des DSE proviennent de résultats pathologiques", a-t-il déclaré. Et plus les résultats sont précis, plus tôt le bon diagnostic sera posé. C'est l'objectif que la pathologie numérique et l'intelligence artificielle ont une chance d'atteindre. "
Une analyse approfondie du niveau de pixels sur de grandes images numériques permet aux médecins de reconnaître des différences subtiles qui peuvent échapper à l'œil humain.
"Nous sommes maintenant arrivés au point où nous pouvons mieux évaluer si le cancer se développera rapidement ou lentement, et comment changer le traitement des patients en fonction d'algorithmes plutôt que des stades cliniques ou du classement histopathologique", a déclaré Golden. Ce sera un énorme pas en avant. "
Il a ajouté : « L'IA peut également améliorer la productivité en identifiant les caractéristiques d'intérêt dans les lames avant que les cliniciens n'examinent les données. L'IA peut filtrer les lames et nous guider pour voir le bon contenu afin que nous puissions évaluer ce qui est important et ce qui ne l'est pas. Cela s'améliore. l'efficacité de l'utilisation des pathologistes et augmente la valeur de leur étude de chaque cas. »
Apporter de l'intelligence aux appareils et machines médicaux

Les appareils intelligents envahissent les environnements de consommation et fournissent des appareils allant de la vidéo en temps réel à l'intérieur du réfrigérateur aux voitures qui détectent la distraction du conducteur.
Dans un environnement médical, les appareils intelligents sont essentiels pour surveiller les patients dans les unités de soins intensifs et ailleurs. L'utilisation de l'intelligence artificielle pour améliorer la capacité d'identifier la détérioration de l'état, comme indiquer qu'une septicémie se développe, ou la perception de complications peut améliorer considérablement les résultats et réduire les coûts de traitement.
"Lorsque nous parlons d'intégrer différentes données dans le système de santé, nous devons intégrer et alerter les médecins des soins intensifs pour qu'ils interviennent le plus tôt possible, et que l'agrégation de ces données n'est pas une bonne chose que les médecins humains peuvent faire", a déclaré Mark Michalski. , directeur exécutif du Clinical Data Science Center de BWh. L'insertion d'algorithmes intelligents dans ces appareils réduit la charge cognitive des médecins et garantit que les patients sont traités le plus rapidement possible. "
8.promouvoir l'immunothérapie pour le traitement du cancer

L'immunothérapie est l'une des voies les plus prometteuses pour traiter le cancer. En utilisant le propre système immunitaire du corps pour attaquer les tumeurs malignes, les patients peuvent être en mesure de vaincre les tumeurs tenaces. Cependant, seuls quelques patients répondent au schéma d'immunothérapie actuel, et les oncologues ne disposent toujours pas d'une méthode précise et fiable pour déterminer quels patients bénéficieront du schéma.
Les algorithmes d'apprentissage automatique et leur capacité à synthétiser des ensembles de données très complexes pourraient être en mesure d'élucider la composition génétique unique des individus et de fournir de nouvelles options pour une thérapie ciblée.
"Récemment, le développement le plus excitant a été les inhibiteurs de points de contrôle, qui bloquent les protéines produites par certaines cellules immunitaires", explique le Dr Long Le, directeur de la pathologie computationnelle et du développement technologique au centre de diagnostic complet du Massachusetts General Hospital (MGH). Mais nous ne comprenons toujours pas tous les problèmes, ce qui est très compliqué. Nous avons certainement besoin de plus de données sur les patients. Ces traitements sont relativement nouveaux, donc peu de patients les prennent réellement. Par conséquent, que nous ayons besoin d'intégrer des données au sein d'une organisation ou à travers plusieurs organisations, ce sera un facteur clé pour augmenter le nombre de patients pour conduire le processus de modélisation. "
9. Transformez les dossiers de santé électroniques en indicateurs de risque fiables

Le dossier de santé électronique (elle) est un trésor de données sur les patients, mais c'est un défi constant pour les fournisseurs et les développeurs d'extraire et d'analyser une grande quantité d'informations de manière précise, rapide et fiable.
Les problèmes de qualité et d'intégrité des données, associés à la confusion des formats de données, aux entrées structurées et non structurées et aux enregistrements incomplets, rendent difficile pour les personnes de comprendre avec précision comment effectuer une stratification des risques, une analyse prédictive et une aide à la décision clinique.
Le Dr Ziad OBERMEYER, professeur adjoint de médecine d'urgence au Brigham Women's Hospital (BWh) et professeur adjoint à la Harvard Medical School (HMS), a déclaré : « il y a un travail difficile à faire pour intégrer les données en un seul endroit. Mais un autre problème est de comprendre ce que les gens obtiennent lorsqu'ils prédisent une maladie dans le dossier de santé électronique (elle). Les gens peuvent entendre que les algorithmes d'intelligence artificielle peuvent prédire la dépression ou les accidents vasculaires cérébraux, mais constatent qu'ils prédisent en fait une augmentation du coût des accidents vasculaires cérébraux. C'est très différent du coup lui-même. "

Il a poursuivi : « s'appuyer sur les résultats de l'IRM semble fournir un ensemble de données plus spécifique. Mais maintenant, nous devons réfléchir à qui peut se permettre l'IRM ? Donc la prédiction finale n'est pas le résultat attendu. »
L'analyse RMN a produit de nombreux outils efficaces de notation et de stratification des risques, en particulier lorsque les chercheurs utilisent des techniques d'apprentissage en profondeur pour identifier de nouvelles connexions entre des ensembles de données apparemment sans rapport.
Cependant, OBERMEYER estime que s'assurer que ces algorithmes n'identifient pas les biais cachés dans les données est crucial pour déployer des outils qui peuvent réellement améliorer les soins cliniques.
"Le plus grand défi est de s'assurer que nous savons exactement ce que nous avons prédit avant de commencer à ouvrir la boîte noire et à chercher comment prédire", a-t-il déclaré.
10.Surveillance de l'état de santé à l'aide d'appareils portables et d'appareils personnels

Presque tous les consommateurs peuvent désormais utiliser des capteurs pour collecter des données sur la valeur pour la santé. Des smartphones avec tracker de pas aux appareils portables qui suivent la fréquence cardiaque toute la journée, de plus en plus de données relatives à la santé peuvent être générées à tout moment.
La collecte et l'analyse de ces données et le complément des informations fournies par les patients via des applications et d'autres dispositifs de surveillance à domicile peuvent offrir une perspective unique pour la santé individuelle et collective.
L'IA jouera un rôle important dans l'extraction d'informations exploitables à partir de cette base de données vaste et diversifiée.
Mais le Dr Omar arnout, neurochirurgien à l'hôpital pour femmes de Brigham (BWh), directeur général du centre de résultats en neurosciences computationnelles, a déclaré qu'il faudrait peut-être du travail supplémentaire pour aider les patients à s'adapter à ces données de surveillance intimes et continues.
"Auparavant, nous étions assez libres de traiter les données numériques", a-t-il déclaré. Mais à mesure que des fuites de données se produisent chez Cambridge Analytics et Facebook, les gens seront de plus en plus prudents quant à qui partager quelles données ils partagent. "
Les patients ont tendance à faire davantage confiance à leurs médecins qu'aux grandes entreprises comme Facebook, a-t-il ajouté, ce qui pourrait aider à atténuer l'inconfort de fournir des données pour des programmes de recherche à grande échelle.
"Il est probable que les données portables aient un impact significatif car l'attention des gens est très accidentelle et les données collectées sont très approximatives", a déclaré Arnout. En collectant en permanence des données granulaires, les données sont plus susceptibles d'aider les médecins à mieux soigner les patients. "
11.faire des téléphones intelligents un outil de diagnostic puissant

Les experts pensent que les images obtenues à partir de téléphones intelligents et d'autres ressources grand public deviendront un complément important à l'imagerie de qualité clinique, en particulier dans les zones mal desservies ou les pays en développement, en continuant à utiliser les puissantes fonctions des appareils portables.
La qualité de la caméra mobile s'améliore chaque année et elle peut générer des images pouvant être utilisées pour l'analyse de l'algorithme d'IA. La dermatologie et l'ophtalmologie sont les premiers bénéficiaires de cette tendance.
Des chercheurs britanniques ont même développé un outil pour identifier les maladies du développement en analysant des images de visages d'enfants. L'algorithme peut détecter des caractéristiques discrètes, telles que la ligne de la mandibule des enfants, la position des yeux et du nez, et d'autres attributs qui peuvent indiquer des anomalies faciales. À l'heure actuelle, l'outil peut faire correspondre des images communes avec plus de 90 maladies pour fournir une aide à la décision clinique.
Le Dr Hadi shafiee, directeur du laboratoire de médecine micro/nano et de santé numérique à l'hôpital pour femmes de Brigham (BWh), a déclaré : « La plupart des gens sont équipés de téléphones portables puissants avec de nombreux capteurs intégrés. C'est une excellente opportunité pour nous. Presque tous Les acteurs de l'industrie ont commencé à intégrer des logiciels et du matériel d'IA dans leurs appareils. Ce n'est pas une coïncidence. Dans notre monde numérique, plus de 2,5 millions de téraoctets de données sont générés chaque jour. Dans le domaine des téléphones mobiles, les fabricants pensent qu'ils peuvent l'utiliser données pour l'intelligence artificielle afin de fournir des services plus personnalisés, plus rapides et plus intelligents. »
L'utilisation de téléphones intelligents pour collecter des images des yeux, des lésions cutanées, des plaies, des infections, des médicaments ou d'autres sujets des patients peut aider à remédier à la pénurie d'experts dans les zones mal desservies, tout en réduisant le temps de diagnostic de certaines plaintes.
"Il peut y avoir des événements majeurs à l'avenir, et nous pouvons profiter de cette opportunité pour résoudre certains problèmes importants de gestion des maladies dans le point de soins", a déclaré Shafiee.
12.Innovation dans la prise de décision clinique avec l'IA au chevet du patient

Alors que le secteur de la santé se tourne vers les services payants, il s'éloigne de plus en plus des soins de santé passifs. La prévention avant les maladies chroniques, les événements de maladie aiguë et la détérioration soudaine est l'objectif de chaque fournisseur, et la structure de rémunération leur permet en fin de compte de développer des processus qui peuvent réaliser une intervention active et prédictive.
L'intelligence artificielle fournira de nombreuses technologies de base pour cette évolution, en prenant en charge l'analyse prédictive et les outils d'aide à la décision clinique, pour résoudre les problèmes avant que les fournisseurs ne réalisent la nécessité d'agir. L'intelligence artificielle peut fournir une alerte précoce pour l'épilepsie ou la septicémie, ce qui nécessite généralement une analyse approfondie d'ensembles de données très complexes.
Brandon Westover, MD, directeur des données cliniques au Massachusetts General Hospital (MGH), a déclaré que l'apprentissage automatique pourrait également aider à soutenir la fourniture continue de soins aux patients gravement malades, tels que ceux dans le coma après un arrêt cardiaque.
Il a expliqué que dans des circonstances normales, les médecins doivent vérifier les données EEG de ces patients. Ce processus est long et subjectif, et les résultats peuvent varier selon les compétences et l'expérience des cliniciens.
Il a dit : « Chez ces patients, la tendance peut être lente. Parfois, lorsque les médecins veulent voir si quelqu'un se rétablit, ils peuvent consulter les données surveillées toutes les 10 secondes. Cependant, voir si cela a changé par rapport à 10 secondes de données collectées en 24 heures, c'est comme regarder si les cheveux ont poussé entre-temps. Cependant, si des algorithmes d'intelligence artificielle et de grandes quantités de données provenant de nombreux patients sont utilisés, il sera plus facile de faire correspondre ce que les gens voient avec des modèles à long terme, et des améliorations subtiles peuvent être trouvées, ce qui affectera la prise de décision des médecins en soins infirmiers. . "
L'utilisation de la technologie de l'intelligence artificielle pour l'aide à la décision clinique, la notation des risques et l'alerte précoce est l'un des domaines de développement les plus prometteurs de cette méthode d'analyse de données révolutionnaire.
En alimentant une nouvelle génération d'outils et de systèmes, les cliniciens peuvent mieux comprendre les nuances de la maladie, fournir des services infirmiers plus efficacement et résoudre les problèmes à l'avance. L'intelligence artificielle inaugurera une nouvelle ère d'amélioration de la qualité des traitements cliniques et fera des percées passionnantes dans les soins aux patients.


Heure de publication : 06 août-2021