La confluence de la médecine et de l’intelligence artificielle permet de créer des soins spécialisés de haute performance pour les patients, avec un diagnostic de précision amélioré et une gestion personnalisée de la maladie. Mais pour suralimenter ces systèmes, nous avons besoin d’énormes quantités de données personnelles sur la santé, associées à un équilibre délicat de confidentialité, de transparence et de confiance.
Crédit d’image: mikemacmarketing via Wikimédia (CC BY 2.0)
Pour relever ces défis techniques et éthiques, des scientifiques du Laboratoire d’informatique et d’intelligence artificielle du MIT (CSAIL), de l’Institut des sciences médicales et de l’ingénierie du MIT (IMES), de l’Académie nationale de médecine française et du Health Data Hub se sont réunis pour explorer différents cas. études utilisant des outils des deux pays, dans le but de faire progresser les solutions cliniques d’IA. Pour que ces technologies soient correctement intégrées dans les flux de travail de la santé, nous devons identifier les bons outils pour les bonnes tâches.
IA et pratique clinique
La professeure du MIT et directrice du CSAIL, Daniela Rus, a commencé la discussion en reconnaissant le changement sismique des efforts en matière de ressources provoqué par la pandémie de coronavirus, de la désinfection des robots aux équipements de protection individuelle imprimés en 3D et aux modèles prédictifs puissants.
Rus a également discuté des efforts plus larges dans le domaine liés au rôle de l’utilisation de robots dans les environnements chirurgicaux, soulignant l’importance de la surveillance en médecine, où l’IA fonctionne en quelque sorte comme un «ange gardien».
Un cas d’utilisation particulier que certains pourraient avoir du mal à avaler est celui des dispositifs médicaux ingérables par voie orale. Plus précisément, l’équipe de Rus a créé un robot origami qui se déroule à partir de capsules ingérables et, dirigé par des champs magnétiques externes, peut ramper à travers un estomac simulé pour retirer les piles et potentiellement administrer des médicaments.
«La mise en œuvre de robots dans un cadre chirurgical ou médical doit être conservatrice, car l’environnement peut être très problématique, sans marge d’erreur», déclare Rus. «Pour faire face à la fois aux promesses et aux périls de l’IA en médecine liés à l’éthique, nous avons besoin d’une technologie évolutive et d’une réglementation adéquate, et d’identifier les bons outils pour les bonnes tâches.»
Dans un monde où les chirurgiens peuvent contrôler la machine, le Dr Ozanan Meireles, directeur du Laboratoire d’Intelligence Artificielle Chirurgicale et d’Innovation au Mass General Hospital, a expliqué lors de son panel les avantages d’exploiter des robots pour aider à la médecine de précision et de petites tâches comme la suture ou l’agrafage mineur. plaies cutanées pour chirurgie laparoscopique ou endoscopique. Même avec suffisamment connaissance de la situation et du matériel, Meireles a toujours mis en garde contre les limites techniques: la nécessité de grands ensembles de données et d’un apprentissage supervisé avec des annotations appropriées.
Plus tard lors du symposium, le Dr Ninon Burgos, chercheur CNRS à l’Institut du Cerveau de Paris (ICM), a abordé l’utilisation de l’IA pour la quête infinie d’une meilleure compréhension du cerveau, y compris une maladie à la fois complexe et déchirante: la démence.
Pour le diagnostic assisté par ordinateur du déclin cognitif, Burgos a expliqué que les scientifiques ont apporté des améliorations significatives par rapport aux pratiques de soins standard précédentes telles que les tests cliniques et cognitifs et les IRM structurelles. Maintenant, Burgos a déclaré que les techniques d’apprentissage en profondeur ont permis de meilleurs cadres pour l’analyse individuelle des données TEP afin d’identifier les modèles d’anomalies. Cependant, pour permettre une adoption plus large, Burgos a élucidé la nécessité d’une validation sur divers environnements cliniques pour éviter les biais et produire des prédictions cohérentes.
Sous-jacente aux progrès illustrés dans les pratiques cliniques guidées par l’image, on parlait d’un atout qui a sans doute surpassé le pétrole en valeur: data, et les défis techniques liés aux accords de partage de données, à l’anonymisation, à l’explicabilité et à la confiance des modèles d’IA.
Pour alimenter ces modèles, de nombreuses questions subsistaient: qui aura une vision globale des données de santé d’un patient, et qui sera en charge du processus d’IA sur celles-ci? Comment les États-Unis et la France peuvent-ils tirer des leçons de leurs approches très différentes de la protection des données médicales sensibles, tout en faisant également progresser la médecine pour qu’elle devienne «surhumaine»?
Questions éthiques et réglementaires
Alors que historiquement les États-Unis et la France ont souvent développé des solutions différentes liées aux meilleures pratiques médicales, le nœud du symposium était centré sur la manière dont les deux pays ne doivent pas garder leurs cadres cloisonnés, mais plutôt faciliter la collaboration pour mieux comprendre les approches des deux côtés de l’Atlantique.
Le Dr Cédric Villani, médaillé Fields, membre de l’Académie des sciences et membre du Parlement français, a ouvert la deuxième discussion en encourageant un dialogue fructueux entre praticiens, chercheurs, universitaires et ingénieurs des deux disciplines de l’informatique médicale et des mathématiques.
Le Dr Daniel Weitzner, directeur fondateur de l’Initiative de recherche sur les politiques Internet du MIT et chercheur principal au CSAIL, a animé une discussion sur la réglementation et les politiques des données, ainsi que sur la trajectoire probable d’accès et d’utilisation des données de santé personnelles pour la recherche innovante et l’accès clinique.
«Les économistes comportementaux ont souligné les limites du choix rationnel, en particulier lorsqu’ils vivent dans un environnement de consommation axé sur les données», a déclaré Weitzner. «La réalité est que nous sous-estimons le profilage et la collecte de données qui se poursuivent, car ils peuvent être difficiles à maîtriser.»
Puisque, a-t-il noté, «les données circulent comme de la boue», les incitations à l’interopérabilité – la capacité de systèmes informatiques ou logiciels pour échanger et utiliser des informations – sont relativement faibles aux États-Unis.
Le professeur Nicholson Price de la faculté de droit de l’Université du Michigan a expliqué ce point en expliquant l’absence de dossier de santé électronique (DSE) universel et ce qu’il appelle la nature «insuffisante et surprotectrice» de la loi américaine HIPPA, la principale règle fédérale qui régit la santé des patients. Les données.
Price a déclaré que la nature «sous-protectrice» était liée au fait que les grandes entreprises de technologie qui ont accès au big data mais ne sont pas régies par HIPPA peuvent facilement réidentifier des informations qui ont été précédemment anonymisées à l’aide de l’IA. Cela semble en contraste avec une nature «surprotectrice», où les grands systèmes de santé n’ont pas d’exceptions en matière de recherche et peuvent faire des recherches en interne s’ils en ont les ressources. Cela est associé à des directives strictes concernant le consentement des patients – ce qui peut ralentir le processus de recherche ou fournir une portée plus étroite si ces informations sont complètement anonymisées.
L’approche de la France, tout en se concentrant également sur la protection des droits des personnes et la confidentialité des données de santé, est guidée par une réglementation opportune mise en place en 2018: le «Règlement général sur la protection des données» (RGPD), un cadre qui fixe des lignes directrices pour la collecte et le traitement de les informations personnelles des personnes résidant dans l’Union européenne (UE).
Le RGPD vise à simplifier les politiques permettant le traitement des données pour les stratégies Big Data et l’utilisation de l’IA. À ce stade, Jeanne Bossi Malafosse du cabinet d’avocats Delsol Avocats a noté que si le RGPD est très riche et protecteur pour l’individu, il existe des normes spécifiques que les chercheurs et les cliniciens établissent pour éviter d’obtenir plus facilement l’approbation d’un organisme de réglementation – tout en restant définir de manière transparente les conditions générales de l’individu entourant ses données.
«La gestion de la santé est devenue une question géopolitique», a déclaré le professeur Bernard Nordlinger de l’Académie nationale de médecine de Paris. «Nous devons déterminer l’équilibre entre les réglementations relatives aux données facilitant la coopération et les obstacles visibles. L’IA est-elle compatible avec l’éthique? La prise de décision automatique doit-elle toujours être validée par un humain? Je pense que la confiance est la clé de l’IA en médecine. »
Écrit par Rachel Gordon
La source: Massachusetts Institute of Technology
