Et si les observations cliniques, l’IoT, les dispositifs médicaux et les retours des patients permettaient de diagnostiquer, prédire, voir prévenir des problèmes de santé ? Autour de la thématique « Comment l’IA se met-elle au service de la pratique clinique et de la recherche médicale ? », le dernier Health Innovation Lunch, organisé par l’écosystème S.M.A.R.T. Confluence, a dévoilé des cas concrets d’utilisation de cette nouvelle technologie dans la santé.

Quelque 35 professionnels de santé se sont retrouvés à la Clinique romande de réadaptation lors du premier Health Innovation Lunch de l’année. Pour l’occasion, deux orateurs de renom : Dr Charles-Edouard Bardyn (CHUV / DomoHealth) et Dr Ignacio H. Medrano (SAVANA), ont exposé deux approches différentes, permettant d’exploiter les données de santé en utilisant l’intelligence artificielle.

Étendre le continuum de soins 

Lors de sa conférence, le Dr Charles-Edouard Bardyn, responsable de la science des données de la startup DomoHealth et de la plateforme NeuroTech du CHUV, a présenté comment l’intelligence artificielle et le machine learning permettent d’extraire des données de santé du continuum de soins. Ce dernier se définit par les interactions de la vie quotidienne avec la famille, les amis, les professionnels de la santé et la technologie.

Grâce à ces sources d’information précieuses, provenant d’événements non invasifs et non intrusifs (par exemple des observations cliniques, de l’IoT, des dispositifs médicaux, des observations des soignants et des retours des patients), la plateforme SaaS, développée par DomoHealth, permet de combler le vide dans une batterie de biomarqueurs. Une maladie peut par exemple être suivie en continu. « Avec l’intelligence artificielle, on apprend des données et on peut détecter les changements au cours d’une maladie, valider un traitement qui a été mis en place. » explique le Dr Bardyn.

Aujourd’hui, la start-up développe de nombreux projets notamment autour de la maladie de Parkinson (CHUV), l’amyotrophie spinale (InselSpital de Bern, Roche Pharma), l’Alzeihmer, ou encore la prévention des attaques secondaire (Hôpital du Valais).

Les notes cliniques deviennent exploitables

Neurologue spécialisé dans la gestion des systèmes de santé et dans les stratégies de recherche clinique et fondateur de SAVANA, le Dr Ignacio H. Medrano explique lors de sa conférence que : « La difficulté d’un médecin n’est pas d’apporter un diagnostic à son patient, mais de lui proposer un traitement personnalisé, et de prévoir le risque. »

Aujourd’hui, la recherche a révélé que 80% des informations cliniques pertinentes, y compris les symptômes et le diagnostic de la maladie, sont contenues dans la partie « non structurée », en texte libre, du dossier électronique du patient, et écrites en langage naturel. En appliquant l’intelligence artificielle, la technologie développée par SAVANA transforme ces textes non structurés (notes cliniques), en données exploitables.

Un potentiel immense à réguler

Le nombre de technologies médicales, basées sur l’utilisation de l’intelligence artificielle (IA) et/ou le machine learning (ML), ne cessent d’augmenter, comme le démontre Dr Ignacio Medrano, à l’aide du bref aperçu ci-dessous présentant les dispositifs médicaux et algorithmes, approuvés par la FDA.

Il souligne que le besoin d’accompagnement et de régulations de ces innovations est nécessaire. Depuis quelques temps, des actions se mettent en place, à tout niveau, pour y parvenir. Le Dr Medrano en cite quelques-unes :

• plan d’action pour les dispositifs médicaux basés sur le ML et l’IA (FDA),
• guide de l’acheteur sur l’intelligence artificielle dans la santé et les soins (NHS),
• checklist pour améliorer la transparence des rapports sur les algorithmes de l’IA en médecine (MI-CLAIM),
• normes de déclaration pour l’intelligence artificielle dans les soins de santé (MINIMAR : MINimum Information for Medical AI Reporting),
• loi bioéthique française, qui impose au médecin qui utilise l’IA d’en informer son patient.

Poser les bonnes questions !

Les deux orateurs du jour rappellent également, lors de ce Health Innovation Lunch, que l’échec de nombreux projets, basés sur l’intelligence artificielle et/ou le machine learning, est aujourd’hui lié au fait de ne pas s’être posé les bonnes questions dès le début (ndlr : du projet). En effet, les données ne doivent pas être le point de départ. Les problèmes doivent être à l’initiative d’un projet.

La galerie photos

Découvrez un aperçu des photos de l’événement :