Chat with us, powered by LiveChat

L’IA, au service du diagnostic médical et des nouvelles thérapies

Santé - Le 19/03/2020

Contenu retranscrit à partir de la table ronde du 11 Avril 2019, lors du SIDO 2019. Une conférence animée par Claudia Chagneau (Lyon Biopole) avec Alain Pluquet (Institut Mérieux), Delphine Charpigny (Ayming), Philippe Cristofalo (Softway Médical) et Bruno Virieux (Artificial Insight)

 

C.C : En 2020 et depuis plusieurs mois, la médecine est complètement bouleversée. Elle est souvent qualifiée par les 4P : Participative, Préventive, Personnalisée et Prédictive. La médecine personnalisée ou de précision est possible grâce aux outils de l’intelligence artificielle, une technologie qui permet notamment de récolter et analyser une collection de données gigantesque – Le Big Data – et très hétérogènes : Biologiques, cliniques, environnementales. Grâce à l’intelligence artificielle nous pouvons donner un sens à ces données et ainsi prédire, anticiper ou mieux soigner les patients.  Le corps médical commence à disposer petit à petit d’outils qui les aident dans leur pratique médicale, notamment pour trouver rapidement des traitements appropriés aux besoins du patient.

Depuis le mois d’avril 2018, la FDA – Agence du Médicament Américain, autorise l’utilisation d’un système de dépistage automatisé pour une pathologie oculaire, réalisé sans l’intervention humaine, uniquement basé sur un outil informatique. D’autres systèmes sont développés dans pleins de domaines : Chez les patients atteints de diabète, on voit apparaître des pancréas artificiels qui enregistrent en continu le taux de glycémie d’une personne et qui injectent la quantité d’insuline nécessaire au patient.

Tous ces outils sont une promesse de gain de temps, d’efficacité et de diminution des coûts pour la santé. Mais ils posent également beaucoup de questions, de freins et de challenges.  On se pose donc la question de ce qu’apportent ces technologies supplémentaires dans l’établissement de diagnostic, le développement de nouvelles thérapies, ou encore dans la transformation des systèmes et parcours de soin, ainsi que dans la transformation des hôpitaux.

 

Mr Alain Pluquet, pouvez-vous nous donner un panorama de l’utilisation des applications de l’Intelligence Artificielle au sein de l’Institut Mérieux ?

A.P : Dans les hôpitaux, un patient sur deux reçoit des antibiotiques avant et après une opération. Il est très compliqué de gérer ces situations car il faut privilégier le patient, d’autant plus lorsque les pathologies sont lourdes ou évoluent. L’enjeu pour le patient est très important lorsque l’on rencontre une situation d’urgence.

Il y a aujourd’hui une problématique de santé publique qui se pose, car la prescription d’antibiotiques de façon non contrôlée, entraîne une résistance de l’organisme à ces antibiotiques. C’est un problème majeur qui se pose pour la communauté mondiale. De plus les médecins sur le terrain sont surchargés de travail et n’ont pas le temps, ou la culture de l’antibiothérapie, ils leur arrivent de prescrire à l’aveugle. Nous venons donc les aider pour recommander des traitements optimisés. Il y a un bénéfice médical démontré , celui de réduire les frais de pharmacie de 20% pour les hôpitaux et de sortir les patients 2 jours plus tôt en moyenne.

 

C.C : Quand vous parlez d’Intelligence Artificielle, qu’elles sont les grandes technologies que vous pouvez utiliser ? 

A.P : Nous utilisons deux méthodes différentes : La méthode de règles qui s’appliquent en fonction de conditions. Cette méthode à l’avantage d’être très structurée, très documentée et explicable. Lorsque la machine prend une décision, on peut affirmer qu’elle l’a recommandé de façon réfléchie. Les résultats sont ensuite expliqués et précisés à travers des publications.

Il y a ensuite, la méthode d’apprentissage, où ici la machine va apprendre à mimer un comportement de référence, en général un comportement humain à partir d’un jeu de données de références. La mise en place de ce processus est très simple, mais les résultats ne sont pas facilement explicables. A contrario, il ne faut pas que la machine mime un modèle qui n’est pas idéal, car elle risque de le reproduire avec ses défauts. L’objectif premier étant de permettre à l’organisation médicale de progresser et de s’améliorer en terme de performances.

 

C.C : Mr Bruno Virieux, vous utilisez, vous, l’IA pour d’autres types d’applications notamment en imagerie ?

B.V : Quand nous parlons de l‘IA, nous parlons de technologies et d’accompagnement au changement. Nous collaborons avec des groupes académiques, des CHU, des groupes pharmaceutiques ainsi que des imageurs, pour construire un algorithme d’Intelligence Artificielle , de stratification de ces patients. Une fois formé, l’algorithme est ensuite mis à disposition du corps médical. Nous utilisons la technique d’apprentissage supervisé, car nous avons beaucoup de données venant de travaux académiques qui permettent de reconnaître des éléments dans une image. L’avantage de cette technologie est de réduire la variabilité du diagnostic, en aidant le praticien à approfondir son diagnostic et percevoir des éléments que leurs yeux expérimentés ne voient pas.

Pur construire des algorithmes très performants, il faut impérativement croiser les données biologiques, génétiques et autres avec celles de l’imagerie.

 

C.C : Philippe, vous travaillez sur l’optimisation des systèmes au sein des hôpitaux. Pouvez-vous nous en dire un mot ?

P.C : Softway Médical est un éditeur de logiciels à destination des cliniques, hôpitaux ainsi que des services administratifs, médicaux et les cabinets de radiologies. L’entreprise ne fait pas d’Intelligence Artificielle, elle s’appuie sur des partenaires pour développer un certain nombre de fonctionnalités.

La première problématique abordée est l’aide au diagnostic des factures de membres inférieurs et supérieurs. Le radiologue passe environ deux heures à analyser les radios à complexité modérée, temps, qu’il ne peut pas mettre à profit pour étudier les radios plus complexes qui demandent davantage de réflexions. Pour répondre à cette problématique, nous avons mis en place une machine équipée d’un moteur d’IA qui génère un compte rendu de la facture du patient à partir d’images et de données médicales biologiques. Le radiologue passe d’une situation de diagnostic à une situation de supervision et contrôle du résultat de l’IA.

Seconde problématique du secteur, la prescription médicamenteuse et l’intervention pharmaceutique. Un pharmacien gère quotidiennement, la gestion des stocks de son magasin et l’analyse des prescriptions médicales. Pour réduire ce temps de traitement, qui peut s’avérer chronophage, la machine trie en amont l’ensemble des prescriptions des patients à partir des différentes données : antécédents, allergies, motifs d’hospitalisation ou encore des données administratives. L’objectif est de sortir un score et de classer les patients par ordre décroissant afin de traiter les plus urgents en premier.

Troisième problématique qui touche les fonctions administratives de la santé, le diagnostic et la facturation des durées de séjour des patients. Ici l’Intelligence Artificielle a été développé pour les codages du diagnostic dans les hôpitaux et ainsi faciliter la facturation des séjours ayant une durée inférieure à 3 jours.

A savoir que pour facturer un séjour, il faut qu’un diagnostic soit posé par le corps médical. Dans un établissement de 300 lits, en général 200 lits sont ambulatoires (moins d’une journée), ce qui représente un volume de diagnostics très important, notamment pour des services informatiques médicales en sous-effectif avec 1 ou 2 personnes expertes et non pas des opérateurs de saisie. Nous avons intégré un système de diagnostic principal dans la chaîne de facturation, à partir des données du patient. Ce système permet aux personnes de l’informatique médical d’avoir simplement un rôle de supervision, de contrôle et de correction. Cela laisse plus de temps pour traiter les cas complexes, par exemple en réanimation.

La dernière problématique abordée traite du rapprochement des identités dans les groupements d’hospitalisation, GHP. Plusieurs établissements d’un territoire se regroupent et collectent les données des patients (antécédents, allergies) dans des bases. Les patients ne sont pas identifiés au niveau national, l’identification est locale. Il est donc très difficile d’accéder à l’ensemble de ses données médicales lorsque le patient est admis dans un autre établissement du groupe. Pour répondre à cette problématique, le moteur de l’Intelligence Artificielle va rapprocher toutes les identités du patient sur les différents traits (état civil, médicaux…) et va permettre au médecin d’accéder au dossier médical complet. L’Intelligence Artificielle fonctionne par apprentissage avec pour objectif de rapprocher automatiquement les données, bien qu’une intervention humaine reste nécessaire. Plus le soignant est renseigné précisément et rapidement sur le patient, mieux il pourra le soigner.

 

Rendez-vous les 3 et 4 Septembre 2020 pour la sixième édition du SIDO !

Nos partenaires 2020

Platinium Sponsors

Silver Sponsors

Avec le soutien de

Gold Sponsors

Bronze Sponsors