MAACHETarek

  • IA et santé mentale : « La formation des professionnels et des patients est un enjeu clé » (A. Adda, collectif Mentaltech)

    4 cadres d’intervention de l’IA en santé mentale

    Bien que l’intégration de l’IA en santé mentale représente une avancée majeure pour la médecine prédictive, personnalisée et participative, la mise en place de mécanismes de contrôle, d’éthique et de formation est indispensable pour garantir la sécurité et l’efficacité des soins, mais aussi le respect des droits des patients. Cette technologie promet ainsi de transformer, de différentes manières, la prévention et la prise en charge des patients en santé. Le rapport publié par le collectif Mentaltech, dédié aux usages de l’IA en santé mentale, identifie quatre principaux cadres d’intervention de l’IA dans ce domaine :

    1️⃣ la prédiction de valeurs : utiliser des données pour prédire des comportements ou des états émotionnels. Par exemple, identifier une émotion à partir d’une vidéo ;

    2️⃣ la génération de texte : faciliter les interactions écrites ou orales, notamment à travers des agents conversationnels permettant d’engager un dialogue en temps réel avec un patient ;

    3️⃣ la génération d’activités : créer des exercices ou des jeux thérapeutiques, tels que des activités visant à réduire le stress ;

    4️⃣ et la recommandation de ressources : offrir des informations pertinentes aux patients ou au personnel soignant, comme la suggestion d’articles ou de traitements en lien avec les symptômes d’un patient.

    Cas d’usages actuels et potentiels de l’IA en santé mentale

    Le rapport met en lumière une série d’applications pratiques de l’IA dans le domaine de la santé mentale, organisées autour de trois axes principaux :

    📌 Diagnostic et évaluation :

    L’IA peut aider à détecter des troubles psychiques à partir de phénotypes numériques, soit par des procédés passifs (analyse de vidéos ou de textes sans interaction directe), soit actifs (réponses à des stimuli). Ces technologies réduisent la subjectivité dans les diagnostics, augmentant la précision tout en posant des défis éthiques liés à la confidentialité et au consentement.

    L’aide à la décision clinique permet aux professionnels de santé d’utiliser des algorithmes pour évaluer les risques et les pronostics de leurs patients. Néanmoins, des risques liés à la “boîte noire” des algorithmes, difficiles à interpréter, sont soulignés. Il est important que les professionnels de santé restent au centre de la décision.

    📌 Traitement et suivi :

    L’IA est employée pour suivre les patients à distance à travers des capteurs biométriques (surveillance du stress, par exemple), et les agents conversationnels fournissent un soutien motivationnel. Ces outils réduisent les barrières à l’accès aux soins, mais comportent des risques si l’IA ne répond pas de manière appropriée aux besoins des patients.

    La réalité virtuelle et les jeux sérieux sont également mis en avant comme outils thérapeutiques prometteurs, en particulier pour traiter des phobies ou renforcer les compétences émotionnelles des patients. Ils doivent cependant être encadrés par des experts pour éviter tout risque de frustration ou de mauvaise interprétation.

    📌 Amélioration des pratiques et de l’accès aux soins :

    L’IA contribue à améliorer l’accès aux soins en facilitant l’orientation des patients et la télésurveillance. Néanmoins, des risques existent en cas d’erreurs d’orientation, pouvant décourager les patients à poursuivre leurs démarches.

    Des solutions basées sur l’IA pour la gestion du stress, comme des exercices de relaxation guidés, sont également explorées. Le rapport insiste sur la nécessité de boucles de contrôle humaines pour superviser et ajuster les recommandations faites par l’IA.

    Prédiction des crises, suivi, et thérapies préventives : focus sur la prévention

    Le rapport du collectif Mentaltech aborde la prévention dans plusieurs sections, notamment en ce qui concerne la détection précoce des troubles et l’amélioration de l’accès aux soins grâce à l’IA :

    • Prédiction des crises et des épisodes aigus : L’IA est utilisée pour anticiper les crises (dépression, rechutes, etc.) en se basant sur des données historiques et en temps réel (biométrie, reconnaissance faciale). Cela permettrait de réduire les rechutes et d’améliorer la qualité de vie des patients en identifiant les risques avant qu’ils ne se concrétisent. Cependant, des faux positifs (crises détectées alors qu’elles n’existent pas) et faux négatifs (crises non détectées) sont des risques à prendre en compte.
    • Suivi et monitoring : L’IA permet le suivi continu de certains indicateurs de stress ou d’épuisement, ce qui favorise une intervention préventive avant l’apparition de symptômes graves.
    • Serious games, VR… Des thérapies préventives : L’IA propose des outils comme les jeux sérieux et la réalité virtuelle pour travailler sur la gestion des émotions, le stress et la prévention des crises en exposant les patients à des situations simulées de manière contrôlée.

    Contactée par Health&Tech Intelligence, Alexia Adda, directrice générale de Klava et une des membre du Collectif ayant rédigé ce rapport, est revenue sur la meilleure façon d’intégrer l’IA dans des stratégies globales de prévention en santé mentale : “Pour une meilleure intégration de l’IA dans les stratégies globales de prévention en santé mentale, il est essentiel que les professionnels de santé soient formés à son utilisation dès leur cursus universitaire. Du côté des patients, ils doivent être informés de manière adéquate sur l’utilisation de l’IA et les bénéfices qu’elle peut apporter à leur prise en charge. La formation de ces acteurs constitue donc un enjeu clé.“

    Interrogée sur les principaux freins actuels à l’utilisation de l’IA pour la prévention en santé mentale, Alexia Adda explique que les principaux obstacles “résident dans les dérives potentielles qu’elle peut engendrer” :

    • une mauvaise utilisation par les patients et les médecins ;
    • des erreurs de diagnostic et de suivi ;
    • ainsi que des interprétations erronées des résultats, entre autres.

    Pour les surmonter, l’intégration de l’IA dans les stratégies de prévention en santé mentale doit, selon elle, être rigoureusement encadrée : “Il est essentiel que le développement de ces technologies soit étroitement supervisé par des humains”, précise-t-elle. Et d’ajouter : “La création de comités externes, composés de médecins, de responsables réglementaires et d’ingénieurs, pourrait assurer un contrôle efficace du bon fonctionnement des IA. De plus, une notice d’utilisation destinée aux patients devrait être rendue obligatoire afin de garantir une utilisation optimale et sécurisée de ces solutions.“

    Différents types de technologies exploitables

    Parmi les technologies d’IA les plus efficaces actuellement pour la prévention des troubles mentaux, la dirigeante de la start-up basée à Paris et à Nice, cite :

    • les chatbots conversationnels, qui orientent les patients vers les structures de soins les plus appropriées ;
    • la personnalisation des thérapies via des systèmes de recommandation, permettant de fournir des conseils et traitements adaptés au bon moment ;
    • la détection et la prédiction des rechutes, grâce à l’utilisation de capteurs physiologiques et des données déclaratives, notamment pour les personnes souffrant de troubles mentaux récurrents (dépression, bipolarité, etc.).

    Recommandations pour un usage encadré de l’IA

    En travaillant ensemble, technologues, professionnels de santé et régulateurs pourront exploiter pleinement le potentiel de l’IA tout en limitant ses risques. Pour atténuer ces derniers et maximiser les avantages de l’IA en santé mentale, les auteurs émettent sept préconisations principales :

    1️⃣ Élaborer une notice d’information claire pour les utilisateurs : chaque dispositif IA doit expliciter son fonctionnement, ses avantages et ses risques, tout en assurant une information adaptée et compréhensible.

    2️⃣ Constituer un comité scientifique pluridisciplinaire : ce comité inclurait des médecins, des experts en IA, des éthiciens, et des spécialistes de la réglementation pour superviser le développement et l’usage des outils.

    3️⃣ Impliquer les professionnels de santé dans le développement algorithmique : les médecins doivent jouer un rôle actif dans la création et la validation des algorithmes pour garantir leur pertinence clinique.

    4️⃣ Dispenser des formations aux professionnels de santé : ces formations devront inclure l’évaluation des systèmes d’IA et leur usage éthique en santé mentale.

    5️⃣ Assurer une explicabilité des décisions prises par l’IA : le cheminement logique des décisions doit être tracé pour permettre aux praticiens de comprendre les conclusions des algorithmes.

    6️⃣ Prévenir les conflits d’intérêts : il est impératif de dissocier les acteurs qui développent des outils de dépistage de ceux impliqués dans les traitements pour éviter toute dérive.

    7️⃣ Utiliser des métriques adaptées et justifiées : les indicateurs de performance des algorithmes doivent être pertinents pour les cas d’usage spécifiques.

    Cartographie des considérations pour l'intégration de l'IA en santé - @ Mentaltech
    Cartographie des considérations pour l’intégration de l’IA en santé – @ Mentaltech

  • Valorisation des données : Dedalus et Lynxcare s’allient pour optimiser la recherche clinique grâce à l’IA

    Un partenariat pour l’innovation en recherche clinique

    Le 16 octobre 2024, Dedalus et Lynxcare ont officialisé leur partenariat dans l’objectif de renforcer la recherche clinique et d’améliorer l’exploitation des données de santé en Europe. Dedalus, fort de son réseau hospitalier couvrant plus de 540 millions de patients, et Lynxcare, spécialiste des solutions d’IA appliquées aux données médicales, conjuguent leurs expertises pour créer une plateforme innovante, basée sur l’IA et le NLP, afin de maximiser l’usage des données médicales collectées.

    Valorisation des données pour des résultats concrets :

    Le cœur de cette collaboration repose sur la plateforme Trials4Care (T4C) de Dedalus, dont le premier déploiement en France a été annoncé en mai 2023. Une solution sécurisée qui extrait, structure et sélectionne des patients pour les inclure dans des essais cliniques, en permettant d’accéder à un large réseau de données de santé tout en garantissant leur confidentialité. Grâce aux technologies développées par Lynxcare, ces informations seront enrichies et analysées en profondeur à travers des modèles NLP spécifiques aux pathologies, offrant ainsi des insights plus pertinents et actionnables pour la recherche clinique.

    Ensemble, les deux entreprises cherchent à optimiser l’exploitation et la valorisation des données médicales à travers la plateforme T4C. Cette approche vise à répondre aux besoins variés des cliniciens, des hôpitaux et des industries des sciences de la vie en matière d’informations médicales complètes.

    Davantage d’opportunités pour les établissements de santé :

    Cette collaboration ouvre de nouvelles perspectives pour les établissements de santé partenaires de Dedalus. En intégrant les technologies avancées de Lynxcare, ces hôpitaux bénéficieront d’un accès élargi aux études cliniques réalisées sur des données de vie réelle (RWE), en particulier dans des aires thérapeutiques aussi importantes que stratégiques comme l’oncologie, les maladies cardiovasculaires, etc.

    Ce partenariat devrait notamment permettre :

    • d’optimiser le recrutement de patients pour les essais cliniques ;
    • d’améliorer la compréhension des parcours de soins ;
    • et de renforcer les collaborations entre acteurs hospitaliers et industriels des sciences de la vie.

    Un impact attendu à l’échelle nationale et européenne

    Pour les établissements de santé en France, ce partenariat représente une réelle opportunité d’accélération de leur participation à la recherche clinique. Ils devraient ainsi avoir accès à des outils sophistiqués permettant une meilleure exploitation des données, renforçant ainsi leur capacité à contribuer aux innovations thérapeutiques.

    Au-delà de la France, ce partenariat pourrait également avoir un impact à l’échelle européenne, en créant un réseau de données harmonisé et sécurisé, conçu pour répondre aux besoins croissants de l’industrie des sciences de la vie. Dedalus souhaite ainsi poursuivre sa mission d’accompagner les établissements de santé dans l’optimisation de leurs données cliniques, tout en garantissant leur sécurité et leur confidentialité et en favorisant la recherche et l’innovation pour un meilleur traitement des patients.

     

  • Cartographie des acteurs de l’écosystème autrichien de la santé numérique

    Une stratégie numérique ambitieuse pour un système de santé durable et innovant

    Dans un contexte global de transformation numérique des systèmes de santé, l’Autriche a su développer une stratégie cohérente et ambitieuse pour moderniser ses infrastructures et améliorer la qualité des soins. Face à des défis croissants, comme le vieillissement de la population et la hausse des dépenses de santé, le pays mise sur l’innovation technologique pour renforcer l’efficacité et la durabilité de son système. Cette stratégie s’appuie sur une collaboration étroite entre les instituts de recherche, les autorités publiques, les organisations professionnelles et les startups technologiques.

    Pour autant, le secteur privé n’est pas encore complètement intégré dans l’écosystème. Pour y arriver, des initiatives sont mises en place pour connecter les hôpitaux et cliniques privés au Dossier de santé électronique d’ici 2025. Le gouvernement encourage également les partenariats public-privé pour stimuler l’innovation dans le secteur de la santé.

    Health&Tech Intelligence propose une cartographie des acteurs clés qui façonnent cette transition numérique en Autriche, illustrant leurs rôles respectifs dans l’écosystème.

    Acteurs clés de l’écosystème autrichien de la santé numérique

    Le dossier de santé électronique, les plateformes d’IA et les réseaux de soutien aux entreprises figurent parmi les initiatives phares au sein de cet écosystème dynamique et en pleine croissance, dont les principaux objectifs peuvent être résumés en trois points :

    • promouvoir l’innovation technologique ;
    • améliorer la qualité des soins de santé ;
    • et renforcer la protection des données personnelles des patients.

    Recherche et innovation :

    Les acteurs de la recherche sont des piliers essentiels dans l’innovation en santé numérique en Autriche. Plusieurs instituts de renommée internationale participent activement à la transformation du système de santé, à commencer par le Centre pour la santé numérique et l’innovation sociale (CDHSI), fondé en 2021, qui mène des recherches sur les solutions numériques centrées sur l’utilisateur.

    Plusieurs autres instituts contribuent aussi à l’innovation en santé : l’Institut autrichien de technologie (AIT), fondé en 1956, se spécialise dans la recherche en intelligence artificielle (IA), mais aussi en médecine prédictive, l’Institut Ludwig Boltzmann pour la santé numérique et la prévention (LBI-DHP), l’Institut pour les études avancées Vienne (IHS) qui explore l’impact de la digitalisation sur l’économie de la santé, ainsi que l’Institut autrichien d’évaluation des technologies de la santé (AIHTA), fondé en 2020, qui fournit des recommandations scientifiques sur l’impact et l’utilité des technologies de santé, y compris celles liées au numérique.

    Gouvernance :

    L’écosystème autrichien de la santé bénéficie également d’une solide infrastructure de gouvernance. La Commission de gouvernance basée sur des objectifs (Zielsteuerungskommission) joue un rôle central dans la fixation des objectifs financiers et des réformes nécessaires. Par ailleurs, deux chambres professionnelles, la Chambre des médecins autrichiens (ÖÄK) et la Chambre des pharmaciens autrichiens (ÖAK), veillent respectivement à la régulation de la profession médicale et de celle des pharmaciens. Elles garantissent aussi la formation continue des professionnels de santé pour l’intégration des technologies numériques dans leurs pratiques quotidiennes.

    Les infrastructures numériques de santé, comme le dossier de santé électronique, sont gérées par des organismes spécialisés. ELGA GmbH, fondée en 2009, administre l’accès aux données de santé numériques à travers une plateforme nationale, assurant un accès sécurisé aux informations médicales pour les professionnels de santé et les patients.

    Soutien aux entreprises et startups :

    Le développement des technologies de santé numérique en Autriche est soutenu par un ensemble de réseaux d’accompagnement et de structures dédiées à la promotion de l’innovation. LISAvienna et le Health Hub Vienna (HHV) sont deux acteurs importants dans ce domaine :

    • LISAvienna, fondé en 2002, soutient les entreprises de sciences de la vie, en particulier celles impliquées dans le domaine de la santé numérique, à travers des programmes de financement et d’accompagnement ;
    • et de son côté, le Health Hub Vienna, créé en 2018, réunit des startups et des acteurs de la santé pour encourager le développement de solutions numériques innovantes.

    Organismes publics et sécurité sociale :

    L’Autriche dispose également d’organismes publics et d’institutions étatiques qui jouent un rôle clé dans l’encadrement de la santé numérique. Le ministère fédéral des Affaires sociales, de la Santé, des Soins et de la Protection des consommateurs (BMSGPK) supervise les politiques de santé du pays, incluant les initiatives numériques. La Chancellerie fédérale autrichienne et le ministère des Finances, à travers leur direction de la digitalisation, coordonnent les efforts pour renforcer l’infrastructure numérique publique.

    Enfin, la Caisse de santé autrichienne (ÖGK) et la Sozialversicherung gèrent les programmes de sécurité sociale, incluant la gestion des cotisations d’assurance maladie et l’introduction de services numériques comme la prescription électronique.

    Cartographie des acteurs autrichiens de l’écosystème de le santé numérique

    L’écosystème de la santé numérique en Autriche repose sur une forte collaboration entre les institutions de recherche, les organismes professionnels, les autorités publiques et les réseaux de soutien aux startups. Ce paysage est en pleine expansion et offre de nombreuses opportunités pour l’innovation. Avec une attention particulière portée à la réglementation, la gouvernance et la protection des données, l’Autriche s’engage à construire un système de santé numérique durable et sécurisé.

    <iframe class=”airtable-embed” src=”https://airtable.com/embed/appmDwYTsNCH1ge3P/shrHolaZkPTfYbY87?viewControls=on” frameborder=”0″ onmousewheel=”” width=”100%” height=”533″ style=”background: transparent; border: 1px solid #ccc;”></iframe>

    Cartographie des personnes clés de l’écosystème autrichien :

  • Cancer, chirurgie, imagerie : quelle stratégie d’Elsan pour favoriser l’accès à l’innovation technologique dans les territoires ?

    L’innovation médicale au cœur de la stratégie d’Elsan

    Lors d’une conférence de presse organisée à Paris, le 8 octobre 2024, Sébastien Proto, président exécutif du groupe Elsan, explique que « quand on parle d’innovation, on parle de cancer », traduisant ainsi la volonté du leader de l’hospitalisation privée en France de faire de l’innovation technologique un levier majeur pour améliorer la prise en charge des patients atteints du cancer, mais aussi d’autres pathologies, notamment en matière de chirurgie. C’est dans cette dynamique que le groupe souhaite s’illustrer comme un acteur clé dans les territoires, avec ses 214 établissements à travers le pays, “à moins de 40 km de 45 millions de Français”.

    Ainsi, face au vieillissement de la population, à la pénurie de soignants et à l’augmentation des coûts de santé liés aux avancées technologiques, Elsan place l’innovation et la qualité des soins au cœur de sa mission, qui s’appuie sur trois piliers fondamentaux :

    • l’excellence médicale ;
    • l’accessibilité et la proximité ;
    • et l’action et l’innovation pour l’avenir de la santé.

    Qu’il s’agisse de la robotique chirurgicale, de l’imagerie interventionnelle ou de la radiochirurgie stéréotaxique, Elsan adopte une approche qui permet de proposer des parcours de soins personnalisés et coordonnés, visant à améliorer la qualité de vie des patients et à optimiser leur prise en charge.

    La robotique, levier de transformation :

    Le groupe Elsan a mis en place plusieurs initiatives pour améliorer l’accès aux soins et la qualité des traitements grâce à des technologies avancées. En 2024, 95 % du parc robotique d’Elsan est constitué de robots Da Vinci (Intuitive Surgical), avec 22 unités en service. Un nombre qui passera à 29 en 2025, puis à 32 en 2026. Ces robots, principalement utilisés pour des chirurgies complexes comme celles des tissus mous, sont pilotés par des chirurgiens expérimentés, comme l’explique le Dr Hervé Montsaint, urologue à Vannes. L’urologie, notamment dans le traitement du cancer de la prostate, est un domaine historique où la robotique a permis de révolutionner les pratiques. Désormais, les patients passent une seule nuit à l’hôpital, et des réflexions sont en cours pour développer une prise en charge en ambulatoire. Les robots Da Vinci apportent des bénéfices significatifs pour les patients, en termes de récupération rapide, et pour les chirurgiens, en améliorant leur confort et précision opératoire.

    Elsan s’est, par ailleurs, associé avec la société Moon Surgical pour déployer le système Maestro. La Polyclinique de Franche-Comté à Besançon est l’un des deux premiers centres européens pilotes de cette technologie, qui permet une plus grande agilité en bloc opératoire. Déployé dans deux autres établissements d’Elsan (le Centre Bouchard à Marseille et la Clinique de l’Orangerie à Strasbourg), le système Maestro a déjà permis de prendre en charge plus de 242 patients pour des pathologies digestives et gynécologiques.

    Le Dr Henry Mercoli, chirurgien viscéral et digestif à Besançon, met en avant l’importance de cette innovation pour des pathologies courantes comme l’obésité, les hernies ou les pathologies gynécologiques. Ces outils technologiques, combinés à l’IA, offrent une plus grande prévisibilité dans les interventions.

    L’IA et l’analyse des données se présentent également comme un axe clé dans la stratégie d’Elsan : en partenariat avec Incepto, des solutions d’IA sont déployées en radiologie pour améliorer les diagnostics. L’IA est également utilisée en temps réel pour analyser des images durant les interventions chirurgicales. Cela permet d’améliorer la stabilité de la vision des chirurgiens, de réduire le temps opératoire et d’optimiser les performances.

     

    Cartographie des robots chirurgicaux installés dans les établissements du groupe Elsan - @ Elsan
    Cartographie des robots chirurgicaux installés dans les établissements du groupe Elsan – @ Elsan

    La radiothérapie, un engagement pour l’avenir :

    La radiothérapie est un autre domaine dans lequel Elsan innove en profondeur. Dr Alain Toledano, cancérologue et radiothérapeute à l’Institut Hartmann et président de l’Institut Rafaël, souligne que la radiothérapie classique cède de plus en plus la place à des techniques de haute précision. Les dispositifs Cyberknife utilisés chez Elsan permettent des traitements robotisés qui s’adaptent en temps réel aux mouvements des organes, avec l’aide de l’IA pour optimiser le ciblage des rayons.

    En collaboration avec Dassault Systèmes, Elsan travaille aussi sur le développement d’un jumeau numérique qui permet de simuler le traitement en réalité virtuelle. Cela aide les patients à mieux comprendre leur parcours de soins, renforçant ainsi la relation de confiance, essentielle dans le traitement du cancer.

    Radiothérapie stéréotaxique pour les pathologies neurologiques :

    Le Dr Philippe Colin, cancérologue et radiothérapeute au centre Icone à Bezannes, utilise des techniques de radiothérapie innovantes pour des pathologies neurologiques comme la névralgie du trijumeau et les tremblements essentiels. Il rapporte que, grâce à la machine Novalis, développée par la société allemande Brainlab, il est désormais possible de traiter ces pathologies avec une précision extrême, sans avoir recours à un casque (technique frameless). Pour les patients atteints de névralgie du trijumeau, “une séance de 45 minutes avec la machine Novalis équivaut à 300 séances de radiothérapie classique, avec des résultats visibles entre une heure et trois mois après le traitement”.

    Pour les patients souffrant de tremblements essentiels, une maladie neurologique génétique, le traitement repose sur la machine Zap-X, un accélérateur de particules autoblindé qui cible les zones cérébrales responsables des tremblements avec une précision inframillimétrique. Cette technologie, intégrant l’IA pour un ciblage optimal, serait “une révolution dans le domaine des traitements non invasifs”.

    Les différents cancers traités dans les établissements du groupe Elsan - @ Elsan
    Les différents cancers traités dans les établissements du groupe Elsan – @ Elsan

    Un modèle d’innovation fondé sur la collaboration et la recherche

    Pour concrétiser sa vision, Elsan s’appuie donc sur des partenariats stratégiques avec des entreprises qui permettent de doter ses établissements de technologies de pointe. Et, parallèlement, il déploie des partenariats public-privé, notamment avec des hôpitaux publics comme l’Hôpital Lariboisière à Paris et le CHU de Reims, où les premières opérations avec ces technologies devraient commencer en 2025 et 2026. Emile Dinet, vice-président de Seny, filiale radiothérapie et médecine nucléaire d’Elsan, souligne l’importance des partenariats public-privé pour le déploiement de ces technologies coûteuses mais essentielles l’amélioration de l’accès aux soins de haute précision sur le territoire national.

    Dorothée Moisy-Gouarin, responsable de l’innovation chez Elsan, résume ainsi la démarche du groupe autour de trois axes stratégiques :

    • un plan d’investissement ambitieux pour développer le parc robotique ;
    • l’évaluation rigoureuse des innovations pour en mesurer l’efficacité ;
    • et le soutien à la recherche clinique pour renforcer leur adoption.

    Qu’il s’agisse de robotique, d’intelligence artificielle ou de nouvelles approches radiothérapeutiques, l’ambition du groupe est claire : investir massivement dans les nouvelles technologies pour offrir à ses patients des soins de qualité supérieure, tout en contribuant à l’avancée de la médecine grâce à la recherche clinique et à des partenariats stratégiques.

     

  • Urgences : comment l’IA peut-elle redéfinir la prise en charge face aux défis du système de santé ?

    Comprendre l’existant et se projeter dans l’avenir

    L’IA pourrait potentiellement répondre à plusieurs défis critiques des urgences, notamment la surcharge des services, la pénurie de personnel médical, l’orientation des patients et la qualité des diagnostics et des soins. Toutefois, son adoption à grande échelle se heurte à des questions techniques, organisationnelles, réglementaires et éthiques. Elle soulève par ailleurs des interrogations sur la sécurité des données et la confiance à gagner des professionnels de santé et des patients.

    Dans cette nouvelle étude, Health&Tech Intelligence cherche à comprendre comment l’IA peut être intégrée de manière efficace et sûre dans le paysage médical français tout en tenant compte de ces enjeux complexes. A travers une analyse du contexte, des politiques publiques récentes et des preuves scientifiques disponibles, mais aussi des cartographies des cas d’usage de l’IA et un panorama des solutions disponibles en France, cette étude vise à dresser un état des lieux complet sur l’intégration actuelle et future de l’IA dans les services d’urgence en France, tout en explorant ses impacts potentiels sur l’organisation des soins, la qualité de la prise en charge et l’expérience des professionnels et des patients.

    🔍 Analyses

    Quelle structuration et quelle gestion des urgences médicales ? Enjeux des mesures et des politiques publiques en France :

    Pacte de refondation (754 M€), Mission Flash, plan été 2022… Ces dernières années, un arsenal de mesures a été mis en œuvre pour sauver les urgences en France, dont la situation reflète toutes les tensions que subit le système de santé. Cela reste pourtant insuffisant et les solutions proposées doivent encore se déployer pleinement pour répondre à la surcharge persistante.

    👉 Cette analyse des ambitions des récentes initiatives du Gouvernement et de leur impact est accessible via ce lien.

    Etude : état de l’art des applications actuelles et potentielles de l’IA aux urgences et des défis à relever

    Triage et orientation, gestion des flux et amélioration de l’expérience des patients aux urgences : une étude* publiée dans le JMIR dresse un état de l’art des applications de l’IA dans ce domaine. Elle souligne par ailleurs qu’une évaluation plus rigoureuse et une meilleure coordination entre législateurs, agences réglementaires et assureurs seraient nécessaires.

    👉 Une lecture dans cette revue de la littérature est à retrouver ici.

    🗺️ Cartographies

    Urgences et soins non programmés : chiffres clés et analyse des “pain points” tout au long du parcours patient

    Une demande croissante, une pénurie des personnels, des problèmes de régulation d’accès et des lacunes dans la gestion des lits… Autant d’obstacles qui retardent les hospitalisations et engorgent les services d’urgences, d’où la nécessité d’optimiser la gestion et la régulation des flux et des ressources pour garantir une prise en charge efficace et de qualité des patients aux urgences.

    👉 Retrouvez un commentaire sur les chiffres clés de l’année 2023 et une cartographie des points d’étranglement et des défis à relever à différentes étapes du parcours patient aux urgences dans cet article.

    Cartographie des cas d’usage de l’IA aux services d’urgences :

    Gestion des lits, triage et orientation, aide au diagnostic, prédiction des flux… A toutes les étapes de la prise en charge du patient aux urgences, de l’amont à l’aval, des usages de l’IA sont possibles. Cet article dresse un panorama des 13 cas d’usage de l’utilisation de l’IA aux urgences.

    👉 Pour tout savoir sur comment l’IA est et peut-être utiliser aux services d’urgences, vous pouvez consulter cet article.

    Panorama des solutions d’IA aux urgences disponibles en France en 2024 :

    Un algorithme qui aide à la décision et l’orientation des patients à partir des symptômes décrits, une application qui permet de prédire l’affluence et de classer les “futurs” patients en fonction de plusieurs critères, des outils intelligents d’aide au diagnostic… Au moins 13 solutions d’IA sont déjà utilisées dans les services d’urgences en France.

    👉 Accédez à notre panorama des solutions recensées via ce lien.

    Urgences : comment l’IA peut-elle redéfinir la prise en charge face aux défis du système de santé ? - @ Health&Tech Intelligence
    Urgences : comment l’IA peut-elle redéfinir la prise en charge face aux défis du système de santé ? – @ Health&Tech Intelligence

  • Etude : état de l’art des applications actuelles et potentielles de l’IA aux urgences et des défis à relever

    L’intégration de l’intelligence artificielle (IA) dans la médecine d’urgence reste en cours de développement pour une adoption plus large. Caractérisé par une pratique à rythmes variables, la criticité des états de santé, l’acuité des décisions diagnostiques et un environnement très stressant, la médecine d’urgence impose aux professionnels une prise de décision clinique rapide et des interventions immédiates. Il est donc pertinent d’envisager comment l’IA pourrait enrichir et optimiser le fonctionnement des services d’urgence et soutenir les professionnels de santé dans la réalisation des tâches quotidiennes inhérentes à ce domaine.

    Des usages de l’IA au cœur de la médecine d’urgence

    L’engorgement des services d’urgences, les temps d’attente prolongés et le personnel épuisé sont des défis majeurs. Même en période normale, le nombre croissant de visites aux urgences, dépassant la croissance démographique, révèle les limites du système. Les causes incluent des visites non urgentes, des pénuries de personnel et une diminution des lits disponibles. Cette surcharge impacte négativement les patients (mortalité, taux de complications, satisfaction) et les professionnels (épuisement, erreurs médicales). Les efforts actuels pour améliorer le flux de patients se concentrent sur les processus internes, mais une approche plus globale, notamment via l’intelligence artificielle (IA), pourrait apporter des solutions efficaces.

    L’intégration de l’intelligence artificielle (IA) dans la médecine d’urgence représente un changement de paradigme dans la gestion des soins aigus. Les systèmes d’IA apportent des solutions pour améliorer la rapidité, la précision et l’efficacité des prises de décisions dans ce domaine, où chaque minute compte. Cette étude, publiée en 2023 dans le Journal of Medical Internet Research (JMIR), met en lumière les applications actuelles et potentielles de l’IA ainsi que les défis à relever pour son intégration à grande échelle dans les services d’urgence.

    Un domaine en pleine réinvention :

    L’IA offre des perspectives prometteuses dans la médecine d’urgence, grâce à sa capacité à améliorer le diagnostic, via l’interprétation d’images notamment, mais aussi à optimiser le triage et la prise de décision rapide. Toutefois, la plupart des recherches restent rétrospectives et n’ont pas encore intégré les soins cliniques de routine. Une évaluation indépendante des solutions d’IA utilisées aux urgences est nécessaire pour garantir leur impact sur les patients. Des applications existent déjà dans les domaines préhospitaliers et des urgences, mais l’intégration de ces outils nécessite des validations plus rigoureuses et un cadre éthique approprié. Pour les auteurs de cette étude, ces premiers éléments montrent que l’IA pourrait transformer le paysage des urgences, mais son application nécessite des validations cliniques plus solides et une approche éthique intégrée.

    Applications actuelles et possibles de l’IA aux services d’urgences

    L’intégration de l’IA dans les services d’urgence pourrait transformer le parcours des patients, de l’auto-triage à l’amélioration des systèmes de triage et de gestion des flux. Voici les principales applications actuelles et potentielles de l’IA :

    1️⃣ Auto-triage et “symptom checkers” :

    Les outils de triage assistés par IA, appelés symptom checkers, aident les utilisateurs à évaluer s’ils doivent consulter des soins d’urgence. Ils manquent cependant souvent de validation et peuvent donner des conseils inappropriés. L’optimisation de ces outils via des modèles d’apprentissage profond pourrait améliorer leur précision, suggèrent les chercheurs.

    2️⃣ Orientation des patients :

    Les systèmes d’orientation des patients aux urgences utilisent l’IA pour analyser les appels et suggérer des questions pertinentes, améliorant ainsi le triage et la réponse médicale à apporter. L’IA peut également aider à prédire les événements critiques, comme les arrêts cardiaques, permettant une intervention plus rapide.

    3️⃣ Optimisation des flux :

    L’IA peut améliorer l’enregistrement et le triage dans les services d’urgence en accélérant le processus et en réduisant les erreurs humaines. Des outils existants montrent des résultats prometteurs en augmentant la précision du triage par rapport aux évaluations humaines.

    4️⃣ Amélioration de l’expérience patient :

    Pour améliorer la satisfaction des patients, des systèmes peuvent fournir des estimations en temps réel des temps d’attente et des informations sur l’état de la situation. L’utilisation de la réalité virtuelle pour distraire les patients pendant l’attente est également une avenue prometteuse.

    5️⃣ Surveillance de la santé publique :

    Les données générées par les ED et les centres d’EMD peuvent être exploitées pour la surveillance en santé publique en temps réel grâce à des modèles d’IA, permettant une réponse rapide aux épidémies et aux anomalies sanitaires.

    Le parcours des patients en situation d'urgence et où l'intelligence artificielle a un impact ou peut en avoir un
    Le parcours des patients en situation d’urgence et où l’IA a un impact existant ou potentiel – @ Chenais et al. 2023

    Des défis éthiques et juridiques spécifiques

    Appliquée aux soins cliniques d’urgence, l’IA soulève de nombreux défis éthiques et juridiques. En santé, les principes éthiques, qui définissent des devoirs ou des responsabilités, s’appliquent tout au long de leur cycle de vie des technologies d’IA. Pour établir des bases solides de confiance en médecine d’urgence, il est indispensable de considérer, en parallèle avec les réponses juridiques existantes ou futures, les aspects éthiques.

    Les défis éthiques et juridiques de l’IA en médecine d’urgence nécessitent une attention continue, avec un accent sur la gestion des biais, la transparence et la responsabilité afin d’assurer une adoption efficace et éthique de ces technologies. Cette revue rapportent les priorités suivantes, pour les éditeurs de solutions d’IA et les autorités d’évaluation et de réglementation :

    📌 Sécurité, équité et gestion des biais : Les systèmes d’IA doivent être conçus pour éviter tout préjudice physique ou psychologique. La gestion proactive des biais et des risques tout au long du cycle de vie de l’IA est primordiale, et les biais peuvent se manifester dès la phase de conception.

    📌 Biais dans les données et la conception : les biais peuvent provenir de la sélection des ensembles de données, ce qui peut entraîner des biais de représentation et de distribution. Des biais d’agrégation peuvent également survenir, affectant la prise de décision clinique.

    📌 Biais dans le choix et la validation des modèles : Le choix des modèles d’IA et des processus d’entraînement joue un rôle clé. Les biais sémantiques dans les modèles de langage doivent être pris en compte, et la validation des systèmes d’IA doit être rigoureuse pour garantir leur fiabilité.

    📌 Biais dans le déploiement : Il est crucial que les systèmes d’IA favorisent une utilisation équitable et accessible. La complaisance à l’automatisation peut entraîner une dépendance excessive vis-à-vis des systèmes d’IA, ce qui pourrait nuire à la qualité des soins.

    📌 Transparence, responsabilité et responsabilité légale : La transparence est essentielle pour instaurer la confiance des patients. Un modèle de responsabilité collective pourrait aider à définir clairement les rôles de chaque acteur en cas de défaillance. La couverture d’assurance pour l’utilisation de l’IA en médecine d’urgence doit également être abordée.

    Des enjeux d’explicabilité, d’autonomie et de confidentialité :

    Explicabilité et interprétabilité :

    L’explicabilité se réfère à la compréhension des mécanismes d’un algorithme, tandis que l’interprétabilité concerne la signification des résultats d’un système d’IA. Selon des lois comme le RGPD européen, les décisions automatisées doivent être accompagnées d’explications sur leur logique et leurs conséquences. Mais le besoin d’informations rapides et claires rend la transparence des systèmes d’IA particulièrement difficile. Bien que les modèles d’apprentissage automatique traditionnels soient plus explicables, les modèles de deep learning restent souvent opaques. La recherche en IA explicable (XAI) vise à améliorer la transparence et la confiance des praticiens, mais des études supplémentaires sont nécessaires pour évaluer son efficacité dans le secteur de la santé.

    Autonomie :

    Pour les professionnels de la santé : l’adoption de l’IA pourrait transférer une partie du pouvoir décisionnel aux machines. Il est essentiel que les professionnels de la santé gardent le contrôle des décisions médicales, mais l’opacité des systèmes d’IA complique cette tâche. Les systèmes doivent être conçus pour soutenir les décisions éclairées des professionnels, avec des scores de confiance et des explications claires pour chaque recommandation.

    Pour les patients : l’utilisation de la technologie IA nécessite le consentement éclairé des patients. Toutefois, dans des situations critiques, il peut être difficile d’obtenir ce consentement. Cela soulève des questions sur la responsabilité des professionnels de santé lorsqu’ils utilisent des systèmes d’aide à la décision clinique assistés par IA. Bien que des protections existent pour les décisions prises en situation d’urgence, la responsabilité légale reste un sujet complexe, avec des efforts en cours au sein de l’Union européenne pour clarifier la responsabilité liée à l’IA dans la prise de décisions cliniques.

    Confidentialité :

    La confidentialité englobe des valeurs comme l’anonymat et le contrôle des données personnelles. Le RGPD européen vise à protéger ces valeurs dans le contexte de l’IA en santé. Il est crucial de fournir des informations claires sur l’utilisation des données des patients pour le développement de l’IA tout au long de leur parcours de soins. Le droit à l’effacement, bien que problématique pour les développeurs d’IA, doit être respecté pour protéger la vie privée des patients.

    Obstacles à l’adoption généralisée de l’IA aux urgences

    Au-delà des soins hospitaliers traditionnels, l’IA pourrait révolutionner l’accès aux soins pour les régions éloignées ou mal desservies. En fournissant des outils médicaux sophistiqués capables d’évaluer des situations cliniques complexes à distance, l’IA pourrait élargir l’accès aux soins, notamment pour les populations vulnérables. Les technologies de triage intelligent, les prédictions de parcours cliniques et les propositions de conduites à tenir fondées sur des données probantes ont le potentiel de réduire les erreurs médicales et d’améliorer considérablement les résultats cliniques.

    Cependant, tout en soulignant l’intérêt croissant pour l’IA dans le domaine des urgences, où des applications basées sur le traitement du langage naturel (NLP) et la reconnaissance automatique de la parole (ASR) sont utilisées, cette étude met en évidence le manque de travaux rigoureux sur les modèles d’IA, leur validation et l’évaluation de leur impact.

    Pour construire des systèmes d’IA dignes de confiance et explicables (XAI), les auteurs préconisent l’adoption d’une approche holistique qui inclut des facteurs humains et une conception participative impliquant divers acteurs. Toutefois, en médecine d’urgence, des dilemmes persistent concernant les compromis entre interprétabilité, performance et transparence, surtout en matière de propriété intellectuelle et de responsabilité médicolégale en cas de préjudice causé par l’IA. Ils soulignent par ailleurs que la coordination entre les législateurs, les agences réglementaires et les assureurs reste insuffisante pour garantir la sécurité de tous les acteurs impliqués.

     

     

    * Chenais G, Lagarde E, Gil-Jardiné C.

    Artificial Intelligence in Emergency Medicine: Viewpoint of Current Applications and Foreseeable Opportunities and Challenges.

    J Med Internet Res. 2023 May 23;25:e40031. doi: 10.2196/40031. PMID: 36972306; PMCID: PMC10245226.

     

  • Prévention : 6 ambitions pour transformer le système de santé grâce au numérique (Craps, Think Tank Health&Tech)

    Le numérique au service d’un projet de santé ambitieux

    Convaincus que le numérique ne doit pas être une fin en soi, mais un outil au service d’un projet politique, social et économique ambitieux, les think tanks Craps et Health&Tech ont rassemblé une quarantaine d’experts issus de divers horizons (opérateurs, mutuelles, académiques, industriels, professionnels de santé, etc.) pour contribuer à un nouvel ouvrage intitulé “Prévention & santé numérique : une urgence politique !”. S’intéressant notamment aux problématiques de la mobilisation des acteurs, de l’évaluation et du financement, leur objectif est d’enrichir le débat et anticiper une transition vers une médecine plus personnalisée, préventive, prédictive, participative et fondée sur des preuves scientifiques solides.

    Ce livre, placé sous la présidence d’Anne-Marie Armanteras, présidente du think tank Health&Tech, et Didier Bazzocchi, président du Craps, posent les bases d’une réflexion approfondie sur l’intégration du numérique dans le système de santé pour en faire un vecteur d’évolution positive, tout en répondant aux défis de l’éthique et du financement.

    Un système de santé à réinventer :

    Le vieillissement de la population, la montée des maladies chroniques, ainsi que les inégalités sociales et territoriales appellent à une transformation profonde de nos systèmes de santé. Dans un contexte où la prévention peine à s’imposer face à une logique curative encore dominante, le numérique apparaît comme une solution puissante pour reconfigurer la prise en charge des individus. Cependant, cette transition technologique doit être pensée avec soin. Ces innovations ne doivent pas être appliquées de manière anarchique ou fragmentée. Elles nécessitent un cadre stratégique solide, une évaluation rigoureuse et une prise en compte des fractures numériques, notamment pour ne pas laisser de côté les populations les plus vulnérables.

    Ainsi, la transformation numérique de la santé ne se résume pas à une modernisation des outils. Il s’agit plutôt de redéfinir les fondements mêmes du système de prévention. Le livre du Craps et de Health&Tech met en avant une synthèse complète des enjeux et propose des pistes concrètes pour faire du numérique un outil efficace, éthique et durable au service de la santé publique.

    Les acteurs de la santé préventive et numérique au rendez-vous :

    Les différents acteurs ayant contribué à cet ouvrage insistent sur le fait que la transformation doit dépasser les actions de prévention isolées et fragmentées, souvent limitées à des expérimentations. Ils soulignent que, malgré des initiatives comme Mon espace santé ou des campagnes sur l’alimentation et l’activité physique, il reste essentiel d’adopter une stratégie globale, de repenser le financement, et de renforcer la gouvernance pour pérenniser ces efforts. Le réel défi étant de réorganiser et de financer un système encore largement centré sur l’acte curatif, pour éviter la stagnation de l’espérance de vie en bonne santé et les inégalités dans l’accès aux soins.

    Dans ce sens, la stratégie d’accélération initiée par l’Agence de l’innovation en santé est perçue comme une promesse de changement à laquelle ils adhèrent pleinement, avec la conviction que la prévention numérique deviendra incontournable dans les politiques de santé de demain.

    6 ambitions pour une prévention numérique efficace

    Dessinant une feuille de route pour transformer le système de santé, six ambitions proposées par le Craps et le think tank Health&Tech montrent qu’au-delà des promesses technologiques, une réflexion stratégique, éthique et économique est indispensable pour inscrire durablement les innovations numériques dans les pratiques de santé publique.

    1️⃣ Une stratégie nationale de prévention numérique claire et cohérente :

    L’intégration du numérique dans la prévention ne peut se faire sans une vision d’ensemble. Il est essentiel de définir une stratégie nationale claire, centrée sur des objectifs prioritaires et mobilisant l’ensemble des acteurs de santé, des professionnels aux patients. Cette approche permet de mieux organiser les actions et d’éviter de superposer des outils sans cohérence, pour une meilleure efficacité des politiques de santé.

    2️⃣ Une approche populationnelle et personnalisée :

    La personnalisation des soins doit reposer sur une analyse fine des contextes sociaux, environnementaux et économiques des populations. Pour cela, les infrastructures numériques doivent intégrer ces données afin de cibler précisément les besoins de chaque groupe. Cela permet de concevoir des interventions de prévention adaptées aux spécificités des territoires, maximisant ainsi leur impact.

    3️⃣ La lutte contre les fractures numériques :

    Pour éviter que le numérique n’accentue les inégalités sociales, il est crucial de combattre les fractures numériques. L’illectronisme et la littératie en santé sont des enjeux majeurs. Sans une maîtrise des outils technologiques, une partie de la population risque d’être exclue des nouveaux dispositifs de prévention. Des actions éducatives doivent être mises en place pour garantir l’accès de tous à ces outils.

    4️⃣ Une évaluation rigoureuse des solutions numériques en santé :

    Face à la multiplication des solutions numériques disponibles, il est nécessaire de mettre en place des mécanismes d’évaluation rigoureux. Ces outils doivent être testés pour leur efficacité, leur sécurité et leur adéquation aux besoins des patients. Une évaluation sérieuse permettra non seulement de renforcer la confiance des utilisateurs, mais aussi de guider les investissements vers les technologies les plus prometteuses.

    5️⃣ Un cadre éthique solide pour l’utilisation des données de santé :

    Les données de santé sont des informations sensibles et leur gestion doit être strictement encadrée. Il est essentiel que chaque individu conserve le contrôle sur ses données et puisse en comprendre l’utilisation. L’introduction du numérique dans la prévention doit s’inscrire dans une démarche éthique, où la technologie reste au service des patients, dans le respect de leur vie privée et de leurs droits.

    6️⃣ La garantie d’une viabilité économique du numérique en santé :

    Le modèle économique actuel de la santé, qui rémunère principalement les actes curatifs, ne favorise pas le développement de la prévention. Il est nécessaire de repenser ce modèle pour soutenir durablement les innovations numériques en santé. Cela implique de trouver des moyens de financer ces nouvelles approches axées sur les résultats à long terme, afin de bâtir un système de santé plus préventif et durable.

    📖 Le livre numérique est téléchargeable sur notre bibliothèque via ce lien.

  • Revue de littérature : quels défis et quelles avancées de l’IA en radiologie interventionnelle ?

    👨🏻‍⚕️Le potentiel de l’IA dans la radiologie interventionnelle (RI)

    Comme dans les autres disciplines d’imagerie, l’intelligence artificielle (IA) offre plusieurs  perspectives pour la radiologie interventionnelle, mais son adoption est plus complexe qu’en radiologie diagnostique en raison de la nature des procédures, de l’utilisation d’outils thérapeutiques ainsi que de l’hétérogénéité et du manque de standardisation dans le domaine. En effet, la RI utilise des données non structurées issues de plusieurs étapes : pré-procédurales, procédurales, et post-procédurales. Les techniques de machine learning (ML) et l’augmentation des données permettent de surmonter ces limites en générant des exemples d’entraînement synthétiques et en réduisant la quantité de données nécessaires.

    Des défis liés à l’évolutivité de la pratique :

    L’adoption ralentie de l’IA est donc due à cette nature hétérogène de la RI, qui propose des solutions mini-invasives pour diverses pathologies et systèmes d’organes. L’imagerie procédurale ou intra-opératoire est souvent opérateur-dépendante, ce qui complique la création de jeux de données standardisés et exige une flexibilité de l’IA. De plus, la RI reste un sous-domaine jeune de la radiologie et en constante évolution.

    La recherche sur l’IA en RI en est encore à ses débuts, et les études actuelles sont principalement des études pilotes ou des preuves de concept (Poc), ce qui laisse une grande marge pour des explorations futures. Publiée dans le journal officiel de la Société européenne de radiologie, cette narrative review, intitulée “Artificial intelligence in interventional radiology: state of the art”, explore les applications actuelles de l’IA en RI, ses défis et ses futures opportunités.

    Tous les aspects de la RI sont concernés :

    Le potentiel transformateur de l’IA dans ce contexte serait énorme, notamment dans :

    • l’aide à la décision ;
    • la prédiction des résultats ;
    • et les améliorations en fluoroscopie, échographie, scanographie ou tomodensitométrie (TDM) et imagerie par résonance magnétique (IRM).

    L’IA s’avère également prometteuse pour :

    • la fusion d’images ;
    • la réalité simulée ;
    • la robotique ;
    • les interactions sans contact ;
    • et la biopsie virtuelle.

    🩻Les champs d’application étudiés

    L’IA en RI pourrait révolutionner la prise de décision, la prédiction des résultats et les méthodes d’imagerie utilisées pour guider les interventions. Les outils actuels montrent déjà des améliorations notables en termes de précision et d’efficacité dans plusieurs domaines.

    Prise de décision et prédiction des résultats :

    • Les modèles de machine learning surpassent les systèmes traditionnels dans des applications comme la prédiction de réponse au traitement par chimio-embolisation pour le carcinome hépatocellulaire (précision de 74,2 %).
    • Des études montrent également une précision allant jusqu’à 93 % pour prédire la survie tumorale post-intervention.

    Applications en échographie, TDM et IRM :

    • L’échographie assistée par IA améliore la localisation des aiguilles avec une précision de 99,6% grâce à des modèles tels que Faster R-CNN.
    • En TDM et IRM, l’IA améliore l’ablation tumorale en compensant les mouvements respiratoires et les déformations tissulaires, avec des techniques comme la création d’images synthétiques.

    Fusion d’imagerie et réalité simulée :

    • L’IA facilite la fusion d’images multimodales, et des essais montrent son efficacité pour réduire le temps de fluoroscopie, notamment dans des procédures comme la vertébroplastie.

    Assistance robotique et interaction sans contact :

    • L’IA permet une meilleure navigation autonome des cathéters, et des systèmes de téléopération robotisée offrent un contrôle accru. L’utilisation de la reconnaissance gestuelle et vocale dans les suites de RI améliore également l’efficacité clinique.

    Biopsie virtuelle :

    • Grâce aux techniques de radiomique, l’IA extrait des caractéristiques tissulaires à partir des données d’imagerie, proposant une alternative potentielle aux biopsies traditionnelles.

    📊Résultats :

    Champ d’application Résultats disponibles et perspectives
    Aide à la décision et prédiction des résultats
    • Morshid et al. ont développé un modèle pour prédire la réponse au traitement par TACE dans le carcinome hépatocellulaire.
    • Sinha et al. ont créé des modèles d’IA prédisant précisément le pneumothorax et la durée de séjour après les interventions.
    • Daye et al. prédisent la progression tumorale locale et la survie dans les métastases surrénaliennes.
    • L’IA a surpassé les biomarqueurs radiologiques traditionnels pour prédire les résultats des traitements des AVC.
    • Nielsen et al. évaluent un modèle d’apprentissage profond, ou deep learning, pour la notation objective TICI dans les traitements d’AVC.
    Fluoroscopie
    • Yang et al. ont proposé la segmentation des vaisseaux en angiographie coronaire avec des modèles de deep learning.
    • Ambrosini et al. ont introduit la segmentation automatique des cathéters avec U-Net.
    • Gao et al. ont réduit les artefacts de mouvement en angiographie par soustraction grâce à l’IA.
    • Les unités de fluoroscopie équipées d’IA ont diminué l’exposition aux radiations lors des procédures endoscopiques.
    Échographie
    • Mwikirize et al. ont amélioré la localisation des aiguilles et la précision du positionnement dans les procédures guidées par échographie.
    TDM et IRM
    • Les techniques de deep learning ont amélioré la segmentation, l’enregistrement et l’évaluation de la couverture tumorale lors d’ablation thermique.
    • L’IA a généré des images de scanner synthétiques à partir de la technique cone-beam (scanner 3D), facilitant ainsi la guidage par imagerie.
    Fusion d’images et réalité simulée
    • L’IA facilitera la fusion d’images multimodales, comme proposé dans d’autres domaines.
    • Auloge et al. ont démontré l’efficacité de l’IA dans la vertébroplastie percutanée, montrant une précision comparable à la fluoroscopie standard avec un temps réduit de fluoroscopie.
    Robotique
    • L’IA a aidé à traiter des données multimodales dans des applications de détection robotique.
    Interaction sans contact
    • Schwarz et al. ont utilisé l’IA pour améliorer les taux de reconnaissance des gestes corporels.
    Biopsie virtuelle
    • Barros et al. ont développé un modèle d’IA pour la mammographie numérique, atteignant une grande précision dans la classification des carcinomes canalaires in situ, des carcinomes invasifs et des lésions bénignes.

    🎯Révolutionner la RI pour une médecine de précision

    L’adoption de l’IA en RI est encore à ses balbutiements : les défis techniques et éthiques, ainsi que le manque de standardisation, freinent son déploiement à grande échelle. La littérature actuelle sur le sujet est encore à un stade préliminaire. Les chercheurs estiment cependant que des approches collaboratives, comme l’apprentissage fédéré (ou federated learning), pourraient favoriser une meilleure adoption tout en respectant la confidentialité des données des patients.

    Le potentiel de l’IA est donc considérable pour révolutionner la radiologie interventionnelle, concluent les auteurs de cette revue de la littérature. Ceci en augmentant la précision, l’efficacité et l’autonomie des interventions, notamment à travers l’amélioration de la prise de décision et la prédiction des résultats cliniques, comme démontré dans la prédiction des réponses au traitement du carcinome hépatocellulaire ou des complications post-procédurales. L’IA optimise également l’imagerie guidée par fluoroscopie, l’échographie, la TDM et l’IRM, tout en réduisant l’exposition aux radiations et en améliorant la localisation des aiguilles. Des avancées en robotique et en biopsie virtuelle témoignent, par ailleurs, de d’une transformation déjà entamée de cette discipline radiologique.

     

    * Artificial intelligence in interventional radiology: state of the art.

    Glielmo, P., Fusco, S., Gitto, S. et al.

    Eur Radiol Exp 8, 62 (2024). https://doi.org/10.1186/s41747-024-00452-2

     

  • Entretien : « Des parcours hybrides et une étroite collaboration avec les territoires pour améliorer l’accessibilité des soins » (J.-P. Piermé, LET)

    Quelles sont les difficultés auxquelles les opérateurs de la téléconsultation doivent-ils faire face et quelles réponses y apporter ?

    Un premier aspect à considérer est l’intégration des téléconsultations dans les structures de soins. Cela nécessite une coordination à trois niveaux : local, régional et national. Le LET (Les entreprises de télésanté) a fait de nombreux efforts pour faire des propositions de régulation et reste convaincu que le système de santé est un bien commun. Loin d’une logique d’ubérisation, notre approche se veut professionnelle et responsable. Une bonne gouvernance médicale est primordiale, et nous constatons un bon climat de travail avec les institutions nationales, tandis que la collaboration avec les collectivités locales est déjà bien établie.

    Dans les années à venir, nous souhaitons travailler en étroite collaboration avec les agences régionales de santé (ARS). Les Assises de la téléconsultation sont justement prévues pour faciliter ce travail, et des initiatives comme e-Meuse Santé illustrent cette dynamique positive.

    Les opérateurs de la téléconsultation rencontrent des difficultés liées aux modèles économiques qui sont en pleine évolution. Avant l’instauration d’un statut clair de la pratique, il n’existait pas de base de financement adéquate pour ces activités. Avec l’Assurance maladie, un modèle commence à se structurer pour les activités de télésanté, mais il reste encore du chemin à parcourir. Nos réflexions actuelles privilégient une approche centrée sur les parcours et les équipes, plutôt que sur des actes isolés. Aujourd’hui, nous nous dirigeons vers un modèle où il est important de différencier le forfait technique versé à l’opérateur et le forfait intellectuel destiné aux professionnels de santé. Nous offrons des services d’organisation, de formation et de technique, et notre modèle économique doit donc évoluer vers un forfait organisationnel et technique.

    Se posent ensuite la question des investissements qui sont essentiels pour développer une infrastructure efficace et intégrer la téléconsultation au niveau des hôpitaux. Pour cela, il est nécessaire d’augmenter encore les usages afin de mieux s’insérer dans les services d’accès aux soins (Sas) et les établissements de santé, ce qui fait partie de la trajectoire à suivre.

    Quels parcours de soins devrait-on mettre en place avec les enjeux actuels et futurs de la téléconsultation ?

    Les parcours de soins hybrides sont une solution prometteuse, alliant des consultations en présentiel et à distance. Cette approche s’inspire de la téléradiologie, où des médecins radiologues sont présents sur place mais peuvent également intervenir à distance.

    Nous avons déjà commencé à mettre en place des téléconsultations assistées, où les patients sont pris en charge par des professionnels paramédicaux. Ce modèle est déjà opérationnel au Canada pour les flux courts, et nous aspirons à le développer ici. Toutefois, cette trajectoire prendra du temps et nécessitera une collaboration accrue avec les structures de soins. Il est nécessaire de gérer cette intégration aux niveaux local, régional et national, simultanément. Le statut de la téléconsultation étant encore récent, notre objectif est de renforcer la collaboration avec les acteurs des régions et des territoires dans le but d’accroître l’efficacité de ces parcours.

    Comment la téléconsultation peut-elle se développer sans compromettre l’universalité et la qualité des soins, tout en répondant aux exigences de leur modernisation et de leur rationalisation ?

    La question de la qualité des soins est fondamentale pour les sociétés de téléconsultation. En témoigne l’encadrement médical obligatoire qui y est instauré pour garantir un haut niveau de soins. Nous sommes de plus en plus intransigeants sur la qualité médicale, car l’interrogatoire en téléconsultation nécessite une approche différente de celle des consultations en présentiel. La télé-sémiologie impose au médecin de poser des questions spécifiques, qui ne sont pas toujours nécessaires lors d’une consultation en personne.

    Il est important de ne pas comparer la téléconsultation au « gold standard » des consultations en présentiel. L’évaluation doit se faire par parcours, afin d’apprécier l’adaptabilité de la téléconsultation et d’orienter les pratiques en conséquence. Les médecins sont déjà en mesure de déterminer ce qui peut être pris en charge par des téléconsultations assistées ou classiques.

    En France, il y a plus de 400 millions de consultations par an, dont environ 10 millions sont des téléconsultations, gérées en majorité par des médecins traitants (80 % de médecine générale). En abordant la question de la territorialité, un enjeu majeur des Assises de la téléconsultation, nous prévoyons une augmentation significative des volumes, notamment pour des soins aigus nécessitant des réponses rapides. La complémentarité entre les consultations en présentiel et à distance permettra cette évolution.

    Chaque année, au LET, nous publions des études qui mettent en lumière les bonnes et les mauvaises pratiques en télésanté. Cependant, il reste encore beaucoup d’incertitudes à clarifier. L’ensemble des actions se fera en concertation avec les territoires. Nous entrons dans une phase de collaboration plutôt que d’opposition, afin de répondre à notre principale priorité à tous : le besoin d’accès aux soins.

    👉 Pour aller plus loin :

    L’étude Health&Tech Intelligence intitulée “Téléconsultation : comment réduire l’écart entre le dynamisme de l’innovation et son intégration dans les pratiques ?“, publiée le 11 septembre 2024, est accessible via ce lien.

     

  • AVC : un casque laser pour mesurer le flux sanguin et évaluer les risques sans intervention invasive

    Accélérer la prévention des AVC

    Des scientifiques et ingénieurs de Caltech et de la Keck School of Medicine de l’USC ont créé un dispositif sous forme de casque qui permet d’évaluer les risques d’AVC de manière non invasive. En mesurant les changements de flux et de volume sanguins dans le cerveau lors d’un test de rétention de souffle, ce dispositif pourrait révolutionner la prévention des AVC. Leurs résultats ont été publié

    Utilisant un système laser, l’appareil a montré des résultats prometteurs pour distinguer les individus à faible risque d’AVC de ceux à haut risque. Avec leur appareil, les chercheurs derrières ce projet estiment avoir développé un moyen de savoir si une personne présente un risque important d’AVC à l’avenir, “à partir d’une mesure physiologique.

    Une technologie laser au service de la prédiction :

    Le casque développé par l’équipe de Caltech repose sur une technologie innovante : la spectroscopie optique par contraste de speckle (SCOS). Ce dispositif compact utilise la lumière laser infrarouge pour évaluer le flux sanguin dans le cerveau. En projetant cette lumière à travers le crâne, une caméra spécialisée capte la lumière diffusée après son interaction avec les vaisseaux sanguins.

    La technique SCOS permet de mesurer l’intensité lumineuse à l’entrée et à la sortie, fournissant ainsi des informations sur le volume sanguin dans les vaisseaux. De plus, elle suit la façon dont la lumière se disperse en « speckles », des motifs dont les variations permettent d’évaluer la rapidité du flux sanguin.

    Utilisation de la spectroscopie optique par contraste de speckle pour mesurer le flux et le volume sanguins pendant la rétention de souffle - @Caltech
    Utilisation de la spectroscopie optique par contraste de speckle pour mesurer le flux et le volume sanguins pendant la rétention de souffle – @Caltech

    Des résultats prometteurs sur le terrain

    Lors d’une étude sur 50 participants, les chercheurs ont utilisé cette technologie pour évaluer l’expansion des vaisseaux sanguins et l’augmentation du flux sanguin pendant un test de rétention de souffle. Ils expliquent que ces mesures réactives, qui sont des indicateurs de la rigidité des vaisseaux, ont été “pour la première fois réalisées de manière non invasive”.

    Les participants, divisés entre ceux présentant un faible risque d’AVC et ceux à haut risque, ont été soumis à un test où ils devaient retenir leur souffle pendant une minute. L’afflux sanguin au cerveau provoqué par ce test a été mesuré par le casque, qui a ensuite permis de différencier les individus à haut risque de ceux à faible risque.

    L’intégration de l’IA pour améliorer les prédictions :

    Ces travaux rapportent “des preuves claires et marquantes d’une réaction différente du flux sanguin et du volume sanguin entre les deux groupes”, soulignent les auteurs de l’étude. Les résultats ont montré que, dans le groupe à faible risque, l’augmentation du flux sanguin était plus modérée par rapport au groupe à haut risque, mais que le volume sanguin augmentait davantage, suggérant que les vaisseaux des personnes à faible risque sont plus aptes à se dilater.

    L’équipe souhaite maintenant élargir ses recherches en testant le prototype sur un groupe plus important et diversifié de patients dans un hôpital en Californie. Ils prévoient également d’intégrer des algorithmes d’intelligence artificielle pour améliorer l’analyse des données.

     

     

    * Correlating stroke risk with non-invasive cerebrovascular perfusion dynamics using a portable speckle contrast optical spectroscopy laser device

    Yu Xi Huang, Simon Mahler, Aidin Abedi, Julian Michael Tyszka, Yu Tung Lo, Patrick D. Lyden, Jonathan Russin, Charles Liu, and Changhuei Yang

    Biomed. Opt. Express 15, 6083-6097 (2024)