Mercredi 25 janvier, à Martigny, s’est tenu le premier colloque publics, d’une série de quatre rencontres, intitulée « Perspectives sur l’IA » organisée par l’Institut de recherche Idiap . Soutenu, entre autres, par S.M.A.R. T. Confluence, cet événement a connu un joli succès avec quelque 80 participants du secteur académique, de la recherche et du médical !

Soutenu par S.M.A.R. T. Confluence, la Fondation the Ark , SATW, SIB Swiss Institute of Bioinformatics, Groupe Mutuel,  Alp ICT, Debiopharm, BioAlps – Swiss Health Valley, Etat du Valais, et la Ville de Martigny, ce premier symposium pluridisciplinaire autour de l’intelligence artificielle dans la santé a exploré les nombreuses façons dont la science des données et l’intelligence artificielle soutiennent la recherche et le développement en oncologie.

Durant une journée riche en échanges et en partages, ce premier volet d’une série de 4 colloques a réuni des entreprises intéressées par le développement de solutions informatiques pour l’oncologie clinique, des chercheurs cliniques et universitaires, et des scientifiques des données. Le but annoncé de cette manifestation est de promouvoir le développement de collaborations académiques, industrielles et cliniques à l’échelle suisse dans le domaine de l’IA.

L’enjeu des données médicales dans l’utilisation de l’AI en santé

Animé par Dr Benoît Dubuis, une table ronde, à laquelle a participé tant des chercheurs de l’Idiap que de la HES-SO Valais-Wallis, que des cliniciens de l’Hôpital du Valais, a amené des discussions sur les possibilités, les opportunités et les défis que la science des données et l’IA offrent pour la recherche clinique en oncologie.

L’accès aux données des patients a été évoqué comme un frein à l’adoption des technologies d’aide au diagnostic pour les praticiens. L’exemple de IBM Watson a imagé cet échec. En effet, l’adaptation à différentes données et au domaine médical a été, selon les intervenants de la table ronde, sous-estimée.

La difficulté de normaliser les données médicales ressort des échanges. Beaucoup de travail manuel est alors effectué, cela peut en plus développer des biais dans le traitement des données. Il est alors difficile d’établir des comparaisons. Un effort est en cours en Suisse pour standardiser les données médicales issues des machines (type scanners).

Quel cadre pour préserver la sécurité des données de santé ?

La peur du cloud reste un frein tant pour les individus que d’un point de vue de l’infrastructure IT des institutions médicales pour qui cela reste compliqué à concevoir. La sécurité des données demeure primordiale, mais, selon les intervenants de la table ronde, les normes doivent être adaptées, peut-être au type de données.

Par exemple, les procédures d’échanges de données médicales sont très contraignantes. Un accord de transfert de matériel est à concevoir avec les institutions de santé afin de faciliter cette transmission. Aujourd’hui cela reste spécifique à chaque projet, il n’existe pas d’accord général. Pour l’obtention d’un accès à des données médicales dans le cadre d’un projet de recherche, cela peut prendre de 6 mois à une année !

En conclusion…

Il a été rappelé de privilégier, en premier, des approches simples, comme les statistiques, et de n’utiliser l’intelligence artificielle que dans un contexte mesuré : uniquement quand et où cela est vraiment nécessaire.

Tout au long de la journée, il est fortement ressorti que la difficulté majeure dans l’utilisation et du déploiement à plus large échelle de l’intelligence artificielle reste le management des données et non la technologie en elle-même.

Photo de couverture : @A.Luyet