Le Dr Albert Hsiao et ses collègues du système de santé de l'Université de Californie à San Diego travaillaient depuis 18 mois sur un programme d'intelligence artificielle conçu pour aider les médecins à identifier la pneumonie sur une radiographie pulmonaire. Lorsque le coronavirus a frappé les États-Unis, ils ont décidé de voir ce qu'il pourrait faire.
Les chercheurs ont rapidement déployé l'application, qui ponctue les images radiographiques avec des taches de couleur où il peut y avoir des lésions pulmonaires ou d'autres signes de pneumonie. Il a maintenant été appliqué à plus de 6 000 radiographies thoraciques, et il apporte une certaine valeur au diagnostic, a déclaré Hsiao, directeur du laboratoire d'imagerie augmentée et d'intelligence artificielle de l'UCSD.
Son équipe est l'une des nombreuses à travers le pays qui a poussé les programmes d'IA développés dans un temps plus calme dans la crise COVID-19 pour effectuer des tâches telles que décider quels patients sont les plus exposés aux complications et qui peuvent être canalisés en toute sécurité vers des soins de moindre intensité.
Les programmes d'apprentissage automatique font défiler des millions de données pour détecter des modèles qui peuvent être difficiles à discerner pour les cliniciens. Pourtant, peu d'algorithmes ont été rigoureusement testés par rapport aux procédures standard. Ainsi, bien qu'ils semblent souvent utiles, le déploiement des programmes au milieu d'une pandémie pourrait être déroutant pour les médecins ou même dangereux pour les patients, avertissent certains experts en IA.
« L'IA est utilisée pour des choses qui sont discutables en ce moment », a déclaré le Dr Eric Topol, directeur du Scripps Research Translational Institute et auteur de plusieurs livres sur l'informatique de la santé.
Topol a distingué un système créé par Epic, un important fournisseur de logiciels de dossiers de santé électroniques, qui prédit quels patients atteints de coronavirus peuvent devenir gravement malades. L'utilisation de l'outil avant qu'il ne soit validé est un «exceptionnalisme pandémique», a-t-il déclaré.
Epic a déclaré que le modèle de l'entreprise avait été validé avec les données de plus de 16 000 patients COVID-19 hospitalisés dans 21 organisations de soins de santé. Aucune recherche sur l'outil n'a été publiée, mais, en tout cas, il a été « développé pour aider les cliniciens à prendre des décisions de traitement et ne remplace pas leur jugement », a déclaré James Hickman, développeur de logiciels au sein de l'équipe informatique cognitive d'Epic.
Pour d'autres, la crise du COVID-19 est une occasion de se renseigner sur la valeur des outils d'IA.
« Mon intuition est que c'est un peu du bon, du mauvais et du laid », a déclaré Eric Perakslis, chercheur en science des données à l'Université Duke et ancien directeur de l'information à la Food and Drug Administration. « La recherche dans ce contexte est importante. »
Près de 2 milliards de dollars ont été versés à des entreprises vantant les progrès de l'IA dans les soins de santé en 2019. Les investissements au premier trimestre de 2020 ont totalisé 635 millions de dollars, contre 155 millions de dollars au premier trimestre de 2019, selon le fondateur de la technologie de la santé numérique, Rock Health.
Selon Rock Health, au moins trois sociétés de technologie de l'IA des soins de santé ont conclu des accords de financement spécifiques à la crise du COVID-19, y compris Vida Diagnostics, une société d'analyse d'imagerie pulmonaire propulsée par l'IA.
Dans l'ensemble, la mise en œuvre de l'IA dans les soins cliniques quotidiens est moins courante que le battage médiatique sur la technologie ne le suggère. Pourtant, la crise des coronavirus a inspiré certains systèmes hospitaliers à accélérer les applications prometteuses.
L'UCSD a accéléré son projet d'imagerie AI en le déployant en seulement deux semaines.
Le projet de Hsiao, avec un financement de la recherche d'Amazon Web Services, de l'Université de Californie et de la National Science Foundation, effectue chaque radiographie pulmonaire prise à son hôpital via un algorithme d'IA. Bien qu'aucune donnée sur la mise en œuvre n'ait encore été publiée, les médecins rapportent que l'outil influence leur prise de décision clinique environ un tiers du temps, a déclaré le Dr Christopher Longhurst, directeur de l'information de l'UC San Diego Health.
« Les résultats à ce jour sont très encourageants et nous ne voyons aucune conséquence involontaire », a-t-il déclaré. « Pour l'anecdote, nous pensons que c'est utile, pas blessant. »
L'IA a progressé plus loin dans l'imagerie que dans d'autres domaines de la médecine clinique, car les images radiologiques contiennent des tonnes de données à traiter par les algorithmes, et plus de données rendent les programmes plus efficaces, a déclaré Longhurst.
Mais alors que les spécialistes de l'IA ont essayé de faire en sorte que l'IA fasse des choses comme prédire la septicémie et la détresse respiratoire aiguë – des chercheurs de l'Université Johns Hopkins ont récemment remporté une subvention de la National Science Foundation pour l'utiliser pour prédire les dommages cardiaques chez les patients COVID-19 – il a été plus facile de branchez-le dans des domaines moins risqués tels que la logistique hospitalière.
À New York, deux grands systèmes hospitaliers utilisent des algorithmes basés sur l'IA pour les aider à décider quand et comment les patients devraient passer à une autre phase des soins ou être renvoyés chez eux.
Au Mount Sinai Health System, un algorithme d'intelligence artificielle identifie les patients qui pourraient être prêts à sortir de l'hôpital dans les 72 heures, a déclaré Robbie Freeman, vice-président de l'innovation clinique à Mount Sinai.
Freeman a décrit la suggestion de l'IA comme un «démarreur de conversation», destiné à aider les cliniciens travaillant sur des cas de patients à décider quoi faire. L'IA ne prend pas les décisions.
NYU Langone Health a développé un modèle d'IA similaire. Il prédit si un patient COVID-19 entrant dans l'hôpital souffrira d'événements indésirables dans les quatre prochains jours, a déclaré le Dr Yindalon Aphinyanaphongs, qui dirige l'équipe d'analyse prédictive de NYU Langone.
Le modèle sera exécuté dans un essai de quatre à six semaines avec des patients randomisés en deux groupes: l'un dont les médecins recevront les alertes, et l'autre dont les médecins ne le recevront pas. L'algorithme devrait aider les médecins à générer une liste de choses qui peuvent prédire si les patients sont à risque de complications après leur admission à l'hôpital, a déclaré Aphinyanaphongs.
Certains systèmes de santé hésitent à déployer une technologie qui nécessite une validation clinique au milieu d'une pandémie. D'autres disent qu'ils n'avaient pas besoin de l'IA pour faire face au coronavirus.
Stanford Health Care n'utilise pas l'IA pour gérer les patients hospitalisés avec COVID-19, a déclaré Ron Li, directeur de l'informatique médicale du centre pour l'intégration clinique de l'IA. La région de la baie de San Francisco n'a pas vu la vague attendue de patients qui auraient fourni la masse de données nécessaires pour s'assurer que l'IA fonctionne sur une population, a-t-il déclaré.
En dehors de l'hôpital, la modélisation des facteurs de risque basée sur l'IA est utilisée pour aider les systèmes de santé à suivre les patients qui ne sont pas infectés par le coronavirus mais qui pourraient être sujets à des complications s'ils contractent COVID-19.
À Scripps Health à San Diego, les cliniciens stratifient les patients pour évaluer leur risque de contracter COVID-19 et de présenter des symptômes graves en utilisant un modèle de notation des risques qui prend en compte des facteurs tels que l'âge, les maladies chroniques et les récentes visites à l'hôpital. Lorsqu'un patient obtient un score de 7 ou plus, une infirmière de triage fournit des informations sur le coronavirus et peut prendre rendez-vous.
Bien que les urgences offrent des opportunités uniques d'essayer des outils avancés, il est essentiel pour les systèmes de santé de s'assurer que les médecins sont à l'aise avec eux et d'utiliser les outils avec prudence, avec des tests et une validation approfondis, a déclaré Topol.
« Lorsque les gens sont au cœur de la bataille et débordés, ce serait formidable d'avoir un algorithme pour les soutenir », a-t-il déclaré. « Nous devons simplement nous assurer que l'algorithme et l'outil AI ne sont pas trompeurs, car des vies sont en jeu ici. »
Cette histoire de KHN a été publiée pour la première fois sur California Healthline, un service de la California Health Care Foundation.
|
|
