Intelligence artificielle dans la santé

La recherche menée dans les années 1960 et 1970 a produit le premier programme de résolution de problèmes ou système expert, aussi appelé Dendral[7]. Alors qu'il a été conçu pour des applications dans la chimie organique, celui-ci a jeté les bases de son successeur immédiat, le système Mycin[8], considéré comme l'un des plus importants usages pionniers de l'intelligence artificielle en médecine[9]. Mycin et d'autres systèmes comme Internist-1 et Casnet n'ont cependant pas intégré le quotidien des professionnels[10].

Les années 1980 et 1990 ont vu la prolifération du micro-ordinateur et de nouveaux niveaux de connectivité réseau. Pendant ce temps, les chercheurs et les développeurs ont reconnu le fait que les systèmes d'intelligences artificielles dans le soin doivent être conçus pour pallier l'absence de données parfaites et appuyer l'expertise des médecins[11]. Les approches impliquant la théorie de l'ensemble flou[12], les réseaux Bayésiens[13] et les réseaux de neurones artificiels[14]^,[15] ont été appliquées aux systèmes informatiques intelligents dans la santé.

Les progrès technologiques et médicaux survenus au cours de ce demi-siècle, période qui a également permis la croissance des soins de santé liés à des applications de l'IA, comprennent : des améliorations dans la puissance de calcul plus rapides pour la collecte de données et le traitement de données ; une augmentation du volume et de la disponibilité des données liées à la santé des particuliers et des soins de santé liés à des dispositifs ; la croissance du séquençage génomique des bases de données ; la mise en œuvre généralisée des systèmes de gestion de dossiers de santé électroniques ; des améliorations dans le traitement du langage naturel et de la vision par ordinateur, permettant à des machines de reproduire le processus humain de perception ; des améliorations de la précision de la chirurgie robotisée.

Au delà de l'utilisation de système expert codant les connaissances pour les utiliser sur des scénarios cliniques spécifiques, c'est l’apprentissage automatique qui offre la possibilité d'utiliser de nouveaux types de données dont le volume ou la complexité auraient rendu l'analyse inimaginables[16].

En 2016, l'OMS publie un guide pratique pour mener la recherche et les évaluations concernant les Interventions de santé numérique[17].

Diverses spécialités de la médecine ont montré une augmentation de la recherche concernant l'IA. Cependant la spécialité qui a gagné le plus d'attention est le domaine de la radiologie.

De nouvelles recherches menées par l'entreprise Neuralink se montrent de plus en plus concrètes grâce à une puce qui allierait intelligence humaine et artificielle. La mise en place de cette puce concernerait principalement le milieu médical, afin de traiter l'épilepsie, la dépression ou de permettre aux personnes paralysées d'écrire.[18]

Bien que la recherche sur l'utilisation de l'IA dans les soins de santé vise à montrer son efficacité dans l'amélioration des résultats pour le patient avant son adoption plus large, son utilisation peut néanmoins introduire plusieurs nouveaux types de problématiques pour les patients et les fournisseurs de soins de santé, comme les biais algorithmiques, les questions liées aux ordonnances de « ne pas réanimer », et d'autres questions de moralité des machines. Ces défis liés à l'usage clinique de l'IA posent la question d'un potentiel besoin de réglementation[29].

Actuellement, il n'existe pas de réglementation spécifique à l'utilisation de l'IA dans les soins de santé. En Mai 2016, la Maison-Blanche a annoncé son intention d'héberger une série d'ateliers et de formations dispensés par le sous-comité de Machine Learning et de l'Intelligence Artificielle du National Science and Technology Council (NSTC)[30]. En octobre 2016, le groupe a publié La Recherche Nationale sur l'Intelligence Artificielle et le Plan Stratégique de Développement, présentant ses propositions prioritaires pour la R&D dans l'IA, recherche financée par le gouvernement fédéral. Le rapport propose un plan stratégique de R&D pour le sous-champ des technologies de l'information de la santé en plein développement[31].

En 2019, en France, la Haute Autorité en Santé (HAS), publie ses recommandations sur l'évaluation et la certification des dispositifs médicaux connectés (DMC). Ce guide concerne les applications disposant d'une fonction de télécommunication éventuellement liée à une intelligence artificielle et utilisés à des fins médicales par le patient[32]. L'étude de la HAS conclut que « les méthodologies d’études se rapportant à un dispositif médical connecté ne se distinguent pas de celles des autres dispositifs médicaux ». Néanmoins les dispositifs médicaux connectés se distinguent par leur rapidité d’évolution, l'impact sur les patients et sur l’organisation des soins et l'interaction avec d’autres systèmes[33].

La France crée le Health Data Hub afin de simplifier et encadrer l'utilisation des données de santé. Le 31 janvier 2019, le Health Data Hub lance un premier appel à projet qui donne lieu à la sélection de 10 projets lauréats le 18 avril 2019.

En Europe, le Règlement Général sur la Protection des Données (RGPD), concernant les patients au sein de l'UE, détaille les exigences en matière de consentement pour l'utilisation des données des patients lorsque des entités collectent des données de santé des patients.

Les investissements du gouvernement nord américain dans les initiatives de santé qui s'appuient sur l'IA[30] est d'un montant d'un milliard de dollars pour le Cancer Moonshot[34] ainsi qu'un investissement de 215 millions de dollars proposé dans la Precision Medicine Initiative[35].