Xavier, infirmier: "Les soins palliatifs c'est ajouter de la vie aux jours lorsqu'on ne peut plus ajouter de jours à la vie"
Imaginez une rencontre avec la fille d'un patient gravement malade. La patiente (sa mère) a subi un arrêt cardiaque, souffre d'une défaillance multiviscérale et ne peut pas communiquer. La fille n'est pas à l'aise pour prendre des décisions car elles sont éloignées et n'ont jamais discuté de ce que sa mère voudrait dans ce type de situation. La patiente n'a pas de directive préalable ni de substitut alternatif.
Imaginez maintenant que cette rencontre a lieu dans un futur où les visites médicales de la mère ont été enregistrées en audio. De plus, vous avez accès à un algorithme d’intelligence artificielle (IA) qui peut identifier et diffuser des extraits de la mère parlant de ce qui comptait le plus pour elle.
Vous et la fille écoutez ces enregistrements ensemble. Puis vous dites qu’un autre algorithme, formé sur 7 millions de dossiers de patients, prédit que les chances de la mère de remarcher sont inférieures à 5 %. Il prédit également que 3 personnes sur 4 comme elle (une membre inscrite du Sierra Club et promeneuse de chiens bénévole qui achetait régulièrement du matériel de jardinage) souhaiteraient suivre un traitement axé sur le confort dans cette situation.
Reconnaissant que les prédictions ne peuvent pas éliminer toute incertitude, vous demandez à la fille ce qu’elle pense et ressent à propos de cette nouvelle.
Pour beaucoup, l’idée d’intégrer l’IA dans les discussions sur les objectifs de soins évoquera des visions cauchemardesques d’un avenir dystopique dans lequel nous confierons des décisions profondément humaines à des algorithmes. Nous partageons ces appréhensions. Cependant, notre expérience en gériatrie, en soins palliatifs et en soins intensifs renforce la difficulté pour les familles de prendre des décisions pour les patients en incapacité. Les personnes porteuses subissent un profond stress émotionnel et psychologique, les directives préalables écrites ne se sont pas révélées aussi efficaces qu’espéré, et la plupart des patients gravement malades n’ont jamais participé à une planification complète des soins préalables.
En outre, les cliniciens ne sont pas des pronostiqueurs parfaits et il existe de grandes disparités dans l’accès aux soins palliatifs selon la race et l’ethnicité, la géographie et la classe économique.
Compte tenu de ces limitations importantes et des progrès inexorables de l’IA, il nous incombe de réfléchir à la manière dont l’IA pourrait être déployée de manière sûre, éthique et équitable pour aider les mères porteuses de personnes gravement malades. Dans ce point de vue, nous explorons comment l’IA pourrait aider les mères porteuses tout en relevant certains des défis épistémiques et moraux qui en découlent .
La technologie de la voix ambiante, qui commence à être utilisée pour écrire des notes, pourrait créer une base de données consultable de chaque rencontre des patients avec un clinicien. Un algorithme pourrait alors recommander des passages saillants à écouter par les substituts et les cliniciens, y compris des échanges verbaux qui n’ont pas été consignés dans le dossier médical. En analysant le contenu, le contexte et la prosodie de la parole, l’IA pourrait élargir ce qui est traditionnellement considéré comme une planification préalable des soins, en mettant en évidence des conversations explicites sur les objectifs, les valeurs et les préférences, ainsi que des commentaires spontanés sur la famille, les loisirs ou les projets de week-end qui, en fait, montrent comment une personne a vécu. Les substituts pourraient bénéficier du fait d’entendre les patients discuter de ce qui compte le plus avec leur propre voix. Ces enregistrements pourraient également humaniser les patients pour l’équipe médicale à un moment où ils ne ressemblent plus à la personne qu’ils ont été. De plus, en élargissant la portée de ce qui est considéré comme une information pertinente, une telle technologie peut réduire les disparités existantes en mettant moins l’accent sur les directives préalables formellement documentées .
Prédire les résultats et les préférences centrés sur le patient
Les patients ne se soucient pas seulement de leur survie ou de leur mort, mais les modèles existants ne prévoient généralement que la mortalité. En exploitant des sources d'information traditionnelles (par exemple, les codes de diagnostic, les mesures de renouvellement des médicaments en pharmacie, les résultats de laboratoire) et non traditionnelles (par exemple, les appareils portables des consommateurs, le lieu de résidence, les besoins des soignants, les recherches sur Internet et l'historique des achats), les algorithmes pourraient être en mesure d'estimer la probabilité d'obtenir des résultats fonctionnels importants.
Au-delà de la prédiction des résultats, l’IA a le potentiel de prédire ce que choisirait un patient en incapacité.
Lorsque les patients ne peuvent pas s’exprimer eux-mêmes, nous demandons à des personnes de confiance de s’appuyer sur leur connaissance du patient pour aider l’équipe clinique à prendre des décisions de traitement individualisées. Bien qu’une personne de confiance bien informée puisse effectuer ce processus de jugement substitutif de manière efficace, de nombreux patients n’ont pas de personne de confiance bien informée. En combinant des données comportementales individuelles (publications sur les réseaux sociaux, fréquentation de l’église, dons, relevés de voyage et décisions de soins de santé historiques), l’IA pourrait apprendre ce qui est important pour les patients et prédire ce qu’ils pourraient choisir dans une circonstance donnée.
Malgré la capacité de synthétiser des sources d’information plus nombreuses et plus riches, les données peuvent être biaisées et les prédictions dérivées de l’IA peuvent être inappropriées ou erronées. Tout comme les directives anticipées peuvent devenir obsolètes, les données comportementales antérieures peuvent ne pas refléter avec précision les souhaits actuels. Les cliniciens et les patients peuvent accorder une confiance excessive aux machines, confondant précision et exactitude. Ils peuvent être réticents à passer outre la recommandation d’un algorithme, même si la marche à suivre suggérée n’a pas de sens (tout comme une dépendance excessive aux applications de navigation provoque parfois des accidents de voiture chez les automobilistes). Les options de traitement évoluent également au fil du temps. Nous ne voudrions pas qu’un algorithme prédise qu’un patient atteint d’un cancer du poumon métastatique choisira des soins axés sur le confort si une telle prédiction ignore une nouvelle thérapie ciblée qui offre la promesse d’une guérison. Les humains peuvent également connaître des informations pertinentes qui n’ont jamais été intégrées aux données d’apprentissage, ce qui limite l’utilité des recommandations algorithmiques.
Alors que les familles peuvent être compréhensives envers les cliniciens bien intentionnés qui font de leur mieux, un algorithme qui fonctionne mal perdrait rapidement confiance, tout comme il y a eu une réaction négative contre les voitures autonomes après qu’une d’entre elles a récemment heurté un piéton. En outre, l’IA pourrait aggraver les disparités de santé pour les personnes issues de communautés marginalisées, qui ont moins accès aux soins de santé et une empreinte numérique plus petite, ce qui souligne la nécessité de données de formation représentatives. L’inclusion de décisions générées par l’IA dans les données de formation du modèle pourrait créer une boucle de rétroaction, compromettant l’exactitude des recommandations futures.
L’IA pourrait améliorer – mais ne devrait pas remplacer – les substituts humains et les cliniciens.
Auteur correspondant : Teva D. Brender, MD, programme de résidence en médecine interne, Université de Californie, San Francisco, 505 Parnassus Ave, salle M1480, San Francisco, CA 94143-0119 (
Commentaire
Il n'est pas question de substituer l'humain par un robot assistant de fin de vie.
Les soins palliatifs sont des services où l'humanité doit être présente à chaque instant
Ce sera peut être pour dans quelques décennies mais ce serait alors une grave défaite pour l'humanité
Question posée posée GEMINI (IA de GOOGLE)
IA et soins palliatifs
L'intelligence artificielle (IA) offre un potentiel considérable pour révolutionner les soins palliatifs, en apportant un soutien précieux aux patients, aux familles et aux professionnels de santé. Voici quelques-unes des façons dont l'IA peut être utilisée dans ce contexte :
1. Amélioration de la prise en charge médicale
- Analyse de données médicales : L'IA peut analyser de vastes quantités de données médicales pour identifier des schémas, prédire l'évolution de la maladie et personnaliser les traitements.
- Surveillance des symptômes : Des algorithmes d'IA peuvent surveiller en continu les symptômes des patients, permettant une détection précoce des complications et une adaptation rapide des soins.
- Dosage des médicaments : L'IA peut aider à optimiser le dosage des médicaments en fonction de l'état du patient, réduisant ainsi les effets secondaires.
2. Soutien psychologique et émotionnel
- Thérapie assistée par l'IA : Des chatbots et des assistants virtuels peuvent offrir un soutien émotionnel aux patients, en les aidant à exprimer leurs sentiments et à gérer l'anxiété.
- Accompagnement personnalisé : L'IA peut créer des plans de soins personnalisés en tenant compte des préférences et des besoins individuels de chaque patient.
- Formation des soignants : Des outils d'IA peuvent aider les soignants à développer leurs compétences en matière de communication et de soutien psychologique.
3. Facilitation de la communication
- Traduction automatique : L'IA peut faciliter la communication entre les patients, les familles et les professionnels de santé de différentes cultures et langues.
- Plateformes de communication sécurisées : Des plateformes de communication sécurisées basées sur l'IA peuvent permettre aux patients et à leurs proches de rester connectés et de partager des informations.
4. Optimisation de l'organisation des soins
- Planification des soins : L'IA peut aider à optimiser la planification des soins, en tenant compte des disponibilités des professionnels de santé et des besoins des patients.
- Gestion des données : L'IA peut faciliter la collecte, le stockage et l'analyse des données médicales, améliorant ainsi la coordination des soins.
5. Recherche et développement
- Découverte de nouveaux traitements : L'IA peut accélérer la découverte de nouveaux traitements et médicaments pour les maladies incurables.
- Analyse de données cliniques : L'IA peut aider à identifier de nouvelles pistes de recherche et à améliorer les connaissances sur les soins palliatifs.
Il est important de noter que l'IA ne remplacera jamais l'interaction humaine dans les soins palliatifs. Son rôle est plutôt de compléter et d'améliorer les soins prodigués par les professionnels de santé, en offrant un soutien supplémentaire aux patients et à leurs familles.
Cependant, plusieurs défis doivent être relevés pour une utilisation optimale de l'IA dans les soins palliatifs:
- Protection des données: Il est essentiel de garantir la confidentialité et la sécurité des données des patients.
- Éthique: L'utilisation de l'IA soulève des questions éthiques importantes, notamment en ce qui concerne la prise de décision et la responsabilité.
- Acceptabilité: Il est nécessaire de s'assurer que les patients et les professionnels de santé acceptent et utilisent ces outils.
En conclusion, l'intelligence artificielle offre un potentiel immense pour améliorer la qualité des soins palliatifs. En travaillant ensemble, les professionnels de la santé, les chercheurs et les développeurs peuvent créer des solutions innovantes pour répondre aux besoins spécifiques des patients en fin de vie.
Le contact HUMAIN reste l'indispensable en fin de vie, IA et bureau OUI