"La majorite des medecins diagnostiqueront, prescriront et suivront leurs patients grace a l’IA" Xavier Comtesse , Daniel Walch
"L'IA ne remplacera pas les médecins. Elle augmentera leur productivité et leurs performances. Elle permettra, nous l’espérons, d’augmenter le temps qu’ils consacrent aux patients en détresse pour les accueillir, les écouter et les soulager. Hippocrate mais pas Platon !" Xavier Comtesse ,Daniel Walch
Patel MR, Balu S, Pencina MJ. Translating AI for the Clinician. Traduction de l'IA pour le clinicienJAMA. Published online October 15, 2024. doi:10.1001/jama.2024.21772
https://jamanetwork.com/journals/jama/fullarticle/2825145
https://jamanetwork.com/journals/jama/fullarticle/2825145
Article libre d'accès
EXTRAITS.......de cet excellent article
À ce jour, le développement de l’apprentissage automatique (ML) et de l’intelligence artificielle (IA) en médecine a été caractérisé par des progrès constants et des périodes de croissance rapide, chacun promettant d’améliorer les résultats des patients et la pratique clinique et, parfois, de réduire les coûts.
EXTRAITS.......de cet excellent article
À ce jour, le développement de l’apprentissage automatique (ML) et de l’intelligence artificielle (IA) en médecine a été caractérisé par des progrès constants et des périodes de croissance rapide, chacun promettant d’améliorer les résultats des patients et la pratique clinique et, parfois, de réduire les coûts.
Avec l’expansion de l’IA traditionnelle (ML, vision par ordinateur et traitement du langage naturel) vers l’IA générative utilisant des transformateurs pré-entraînés génératifs (GPT), de nouvelles opportunités stupéfiantes existent pour développer des connaissances et les présenter aux cliniciens et aux patients.
Cependant, pour maximiser l’impact positif de ces innovations, un cadre est nécessaire pour que les cliniciens et les patients comprennent l’IA dans le contexte de la pratique clinique, y compris les preuves d’efficacité, de sécurité et de surveillance dans l’utilisation clinique du monde réel.
Nous pensons que les progrès et l’adoption des outils ML et IA en médecine seront accélérés par un cadre clinique pour le développement et les tests de l’IA qui relie la génération de preuves à l’indication, aux avantages et aux risques et permet aux cliniciens de comprendre immédiatement dans le contexte des directives de pratique existantes
Pour exploiter pleinement leur potentiel, les technologies d’IA en santé doivent se concentrer sur les cas d’utilisation ou les indications cliniques que les technologies visent à améliorer. Plus précisément, les développeurs doivent donner la priorité à l’alignement des technologies sur les indications et les cas d’utilisation cliniques afin de maximiser l’impact. Nous pensons que cette première étape constitue un changement conceptuel radical par rapport au parcours de développement actuel, qui se concentre sur les techniques de calcul avancées et les sources de données de santé disponibles utilisées, en mettant l’accent sur la variété, la quantité et l’étendue. Bien que cela soit nécessaire pour la formation d’algorithmes et de modèles d’IA, ce n’est pas suffisant. Pour une adoption réussie des technologies d’IA en clinique, nous devons d’abord articuler les problèmes spécifiques ou les cas d’utilisation qui bénéficieraient de l’intégration de l’IA. Pour faciliter ce processus, le panneau A de la figure énumère 10 activités courantes que les cliniciens effectuent lorsqu’ils soignent des personnes. Il s’agit notamment de tâches cliniques telles que l’interaction avec les patients et la documentation des visites des patients, la stratification des risques, le diagnostic, l’interprétation des tests et le traitement des personnes avec un changement de comportement, des médicaments et/ou des procédures. Nous pensons également que la surveillance, l’apprentissage, l’engagement dans la recherche et la formation continue seront des indications clés pour les technologies d’IA dans les soins de santé. Cette approche, qui consiste à commencer par l'identification des cas d'utilisation, reflète la pratique éprouvée adoptée dans le développement de thérapies médicamenteuses et de dispositifs médicaux, qui commence par l'indication clinique. Une telle approche permet aux cliniciens et aux patients d'acquérir une compréhension claire des objectifs de la technologie de l'IA et de son utilisation potentielle dans la pratique clinique moderne.
Pour exploiter pleinement leur potentiel, les technologies d’IA en santé doivent se concentrer sur les cas d’utilisation ou les indications cliniques que les technologies visent à améliorer. Plus précisément, les développeurs doivent donner la priorité à l’alignement des technologies sur les indications et les cas d’utilisation cliniques afin de maximiser l’impact. Nous pensons que cette première étape constitue un changement conceptuel radical par rapport au parcours de développement actuel, qui se concentre sur les techniques de calcul avancées et les sources de données de santé disponibles utilisées, en mettant l’accent sur la variété, la quantité et l’étendue. Bien que cela soit nécessaire pour la formation d’algorithmes et de modèles d’IA, ce n’est pas suffisant. Pour une adoption réussie des technologies d’IA en clinique, nous devons d’abord articuler les problèmes spécifiques ou les cas d’utilisation qui bénéficieraient de l’intégration de l’IA. Pour faciliter ce processus, le panneau A de la figure énumère 10 activités courantes que les cliniciens effectuent lorsqu’ils soignent des personnes. Il s’agit notamment de tâches cliniques telles que l’interaction avec les patients et la documentation des visites des patients, la stratification des risques, le diagnostic, l’interprétation des tests et le traitement des personnes avec un changement de comportement, des médicaments et/ou des procédures. Nous pensons également que la surveillance, l’apprentissage, l’engagement dans la recherche et la formation continue seront des indications clés pour les technologies d’IA dans les soins de santé. Cette approche, qui consiste à commencer par l'identification des cas d'utilisation, reflète la pratique éprouvée adoptée dans le développement de thérapies médicamenteuses et de dispositifs médicaux, qui commence par l'indication clinique. Une telle approche permet aux cliniciens et aux patients d'acquérir une compréhension claire des objectifs de la technologie de l'IA et de son utilisation potentielle dans la pratique clinique moderne.
Le processus de développement des thérapies médicamenteuses ou des dispositifs médicaux doit tenir compte de deux éléments supplémentaires qui devraient éclairer les meilleures pratiques en matière de technologies d’IA en santé : les tests et l’adoption. Tout comme les thérapies médicamenteuses ou les dispositifs, les outils qui utilisent des données et fournissent un soutien aux cliniciens ou aux patients avec des logiciels basés sur des technologies d’IA ou d’autres outils numériques doivent subir des tests appropriés de sécurité et d’efficacité. Le panneau B de la figure montre les 4 phases du cycle de développement des thérapies médicamenteuses avec leurs étapes correspondantes pour les technologies d’IA en santé, conformément au processus déjà adopté par certains systèmes de santé. Le développement de molécules et les études pharmacocinétiques et pharmacodynamiques précoces correspondent au développement et aux tests de technologies d’IA sur des données rétrospectives. Les études de phase II, qui collectent des données de sécurité ainsi que certains signaux d’efficacité, correspondent à une évaluation silencieuse ou pilote où la technologie d’IA est mise en œuvre mais les résultats ne sont pas partagés avec les cliniciens (phase silencieuse) ou un petit groupe présélectionné de cliniciens teste la technologie dans un cadre contrôlé (phase pilote). Nous pensons également que cette validation pilote silencieuse doit être effectuée sur chaque site de mise en œuvre pour garantir la sécurité et l’efficacité locales. Vient ensuite l’essai pivot, qui, pour les technologies d’IA, comparerait la stratégie qui intègre l’IA avec la pratique actuelle. Enfin, l’utilisation dans le monde réel signifie que la technologie d’IA a été déployée et qu’une surveillance locale a été mise en œuvre.
Les prochaines décennies d’innovation dans le domaine de la santé dépendront sans aucun doute du volume de données médicales générées dans le cadre de la prestation quotidienne de soins.
Associées aux avancées technologiques permises par la croissance rapide des capacités de l’IA, ces innovations dans le domaine de la santé pourraient véritablement révolutionner la pratique de la médecine telle que nous la connaissons.
Cependant, ce potentiel ne sera pas exploité sans une réorientation du développement des technologies de l’IA vers une adéquation plus étroite avec les objectifs de santé que les cliniciens et les patients comprennent comme étant nécessaires pour garantir une adoption généralisée et un impact maximal pour améliorer la santé humaine.
Cependant, ce potentiel ne sera pas exploité sans une réorientation du développement des technologies de l’IA vers une adéquation plus étroite avec les objectifs de santé que les cliniciens et les patients comprennent comme étant nécessaires pour garantir une adoption généralisée et un impact maximal pour améliorer la santé humaine.
Nous avons besoin d’indications cliniques clairement articulées, de processus de tests cliniques basés sur les risques bien définis et de production de preuves, ainsi que d’une surveillance continue liée à ces indications.
Sans ce type de changement de paradigme, nous craignons que l’utilisation des technologies de l’IA ait du mal à gagner suffisamment la confiance des cliniciens et des patients, ce qui à son tour limitera son adoption et son impact sur la santé.
Commentaire
Cet article à le mérite de clarifier le rôle de l'IA en médecine
Deux parties distinctes à cette clarification
* le domaine du médecin clinicien
* le domaine du développement des thérapies
Cette séparation artificielle reste logique et évite de partir avec l'IA dans tous les sens
Il est important de séparer ces deux domaines et j'insisterai sur la partie médicale , avec une recommandation d'experts, type C
* l'interaction avec le patient type bureautique
* la stratification du risque par exemple CV (médecine de précision),
* Apport sur le diagnostic
* Interprétation des examens biologique sous forme de synthèse rapide
* La préférence des patients, entretien ave Chatbot
* Assistance traitement chirurgical : la robotique
* Les interactions médicamenteuses
* Suivi en direct par exemple du diabète
* Recherche et éducation
* Simulation virtuelle en médecine et chirurgie dans le cade de la formation
Comme on peut le voir il s'agit de l'IA OUTIL
Cet article à le mérite de clarifier le rôle de l'IA en médecine
Deux parties distinctes à cette clarification
* le domaine du médecin clinicien
* le domaine du développement des thérapies
Cette séparation artificielle reste logique et évite de partir avec l'IA dans tous les sens
Il est important de séparer ces deux domaines et j'insisterai sur la partie médicale , avec une recommandation d'experts, type C
* l'interaction avec le patient type bureautique
* la stratification du risque par exemple CV (médecine de précision),
* Apport sur le diagnostic
* Interprétation des examens biologique sous forme de synthèse rapide
* La préférence des patients, entretien ave Chatbot
* Assistance traitement chirurgical : la robotique
* Les interactions médicamenteuses
* Suivi en direct par exemple du diabète
* Recherche et éducation
* Simulation virtuelle en médecine et chirurgie dans le cade de la formation
Comme on peut le voir il s'agit de l'IA OUTIL
IA affaire à suivre
Copyright : Dr Jean Pierre Laroche /2024
Copyright : Dr Jean Pierre Laroche /2024