La détection et le diagnostic comptent le plus de cas d’usage
C’est dans la détection des pathologies respiratoires que l’IA montre aujourd’hui ses résultats les plus concrets en pneumologie, avec 8 cas d’usage. En analysant des signaux auparavant difficiles à exploiter – comme des sons respiratoires, des images thoraciques ou encore des micro-mouvements du visage – l’IA permet d’identifier plus précocement les signes caractéristiques de nombreuses maladies respiratoires.
Par exemple, l’IA permet la détection de l’apnée du sommeil par signaux non invasifs : les algorithmes acoustiques sont capables de reconnaître des motifs sonores spécifiques liés aux apnées du sommeil ou aux anomalies respiratoires (projets : ARI-SOM, Sunrise/SENSAPNEA). Cette approche ouvre la voie à des dispositifs non-invasifs, utilisables à domicile, qui écoutent et apprennent à reconnaître des schémas respiratoires pathologiques.
La toux nocturne est aussi concernée par l’IA, puisque le traitement du signal audio par IA permet aujourd’hui de détecter et d’analyser cette toux nocturne des patients de manière continue (Resmonics). Ce cas d’usage apporte un éclairage objectif sur un symptôme difficilement quantifiable, et peut être utilisé pour surveiller l’évolution de la pathologie ou déclencher une alerte précoce.
Côté imagerie, les modèles de deep learning appliqués aux radiographies thoraciques permettent de détecter automatiquement des opacités évocatrices de pneumonie (CHU de Lille), avec des niveaux de précision prometteurs. Plus poussés encore, certains outils analysent les scanners pulmonaires pour quantifier l’atteinte fibreuse, aidant ainsi à affiner le pronostic et à surveiller l’évolution d’une fibrose pulmonaire (Brainomix). En plus de cela, en analysant un scanner thoracique, l’IA peut désormais identifier automatiquement des anomalies pulmonaires comme les nodules, les lésions fibrosantes ou les signes d’emphysème (contextflow), ainsi que plusieurs pathologies à la fois, telle que la BPCO, le cancer du poumon, ou encore les calcifications coronariennes (Coreline Soft).
Aujourd’hui, l’IA permet aussi une analyse vidéo de la fréquence respiratoire, grâce à l’extraction de paramètres respiratoires à partir d’une simple vidéo (Caducy). En analysant les micro-variations du visage ou du thorax du patient, l’IA déduit la fréquence respiratoire de manière non invasive. Ce cas d’usage ouvre la voie à des outils de télésurveillance respiratoire extrêmement accessibles, utilisables à domicile via un smartphone ou une webcam.
Enfin, des projets explorent la reconnaissance de sons respiratoires complexes comme les crépitants ou les sifflements, afin d’identifier différentes pathologies pulmonaires (OSO-AI, AP-HP, StethoMe). Tous ces cas d’usage ont un point commun : ils automatisent, standardisent et fiabilisent des étapes cruciales du diagnostic pneumologique.
De meilleures images, pour une meilleure détection :
Avant même l’étape du diagnostic, l’IA est désormais capable d’améliorer la résolution et la netteté des images obtenues par scanner ou IRM (Philips SmartSpeed). Elle permet une reconstruction optimisée des structures anatomiques, facilitant l’interprétation des examens thoraciques, notamment chez les patients atteints de pathologies pulmonaires chroniques.
L’IA pour prédire et prévenir : un champ encore émergent
Si les usages liés à la détection sont les plus visibles, l’intelligence artificielle commence également à faire ses preuves dans un domaine plus subtil mais tout aussi stratégique : la prédiction et la prévention des complications. 4 cas d’usage de l’IA concernent donc la prévention et la prédiction des pathologies respiratoires chroniques. Ici, l’objectif est de repérer les signaux faibles d’une aggravation clinique avant même que les symptômes n’apparaissent.
Un premier cas d’usage consiste à prévoir les exacerbations aiguës chez les patients atteints de BPCO, en s’appuyant sur des dispositifs connectés et des algorithmes d’apprentissage automatique. Ces outils, comme celui développé dans le projet Bora Care (Biosency), analysent en temps réel des données physiologiques captées par un bracelet porté au poignet (fréquence respiratoire, saturation en oxygène, rythme cardiaque, etc.). Grâce à l’IA, ils identifient des patterns annonciateurs d’une décompensation, parfois plusieurs jours avant qu’elle ne se manifeste cliniquement.
Un deuxième cas d’usage touche à la prévention des erreurs dans l’utilisation des dispositifs médicaux, en particulier les inhalateurs pour l’asthme et la BPCO. Ces erreurs d’usage sont fréquentes et altèrent l’efficacité du traitement. L’IA, ici embarquée dans un assistant de coaching numérique comme celui conçu par Hephaï, est capable de détecter en temps réel une mauvaise technique (grâce à l’analyse des sons et des gestes) et de corriger immédiatement l’utilisateur.
Enfin, on voit émerger un troisième cas d’usage orienté vers les maladies chroniques rares, notamment la mucoviscidose, où l’enjeu est d’adapter le suivi au quotidien du patient. La plateforme Phéal-Mucolab de Phéal met en œuvre une IA capable de proposer un télésuivi préventif et individualisé en fonction des données cliniques, environnementales ou comportementales. Pour ces mêmes maladies, un autre cas d’usage permet une meilleure analyse génomique prédictive (Google Deepmind) : l’IA appliquée à la génomique permet de prédire la pathogénicité de certaines mutations, notamment dans des maladies rares comme la mucoviscidose. Ce cas d’usage intervient en amont du diagnostic clinique, en orientant la recherche ou en aidant les cliniciens à interpréter les résultats d’analyses génétiques complexes.
Ces cas d’usage incarnent une bascule vers une médecine respiratoire plus anticipatrice, capable d’intervenir avant l’aggravation, grâce à une lecture fine et dynamique des signaux de santé.
L’IA comme appui aux décisions thérapeutiques complexes :
En pneumologie, certains choix thérapeutiques exigent une évaluation fine du profil du patient, de la gravité de la maladie, de son évolution probable et des préférences du patient. C’est précisément dans cette complexité que l’IA peut jouer un rôle de soutien.
Un premier cas d’usage émerge dans l’asthme pédiatrique, où l’on voit se développer des algorithmes d’aide à la décision intégrant les données cliniques et les préférences des familles (AP-HP). L’IA devient alors une interface pour mieux concilier expertise médicale et vécu du patient, avec une logique de co-construction du plan thérapeutique.
Un deuxième cas d’usage est centré sur les fibroses pulmonaires, où l’IA est mobilisée pour produire des scores d’atteinte à partir de l’analyse fine des images scanner (Brainomix). Ce score, corrélé à l’évolution respiratoire du patient, permet au pneumologue d’orienter plus précisément son choix de traitement ou de surveillance.
L’intérêt de ces cas d’usage réside donc dans leur capacité à accompagner la décision, sans l’automatiser. L’IA y apparaît comme un copilote médical, utile surtout quand les options sont multiples et les trajectoires incertaines.
L’IA pour accompagner les patients au quotidien
L’un des apports les plus concrets de l’intelligence artificielle en pneumologie réside dans l’accompagnement personnalisé des patients en dehors du cadre hospitalier. Grâce à des interfaces accessibles et souvent mobiles, l’IA permet aujourd’hui de maintenir un lien continu entre les patients et les équipes soignantes et deux cas d’usage sont a relevé pour cet accompagnement.
L’usage le plus répandu est celui des assistants virtuels ou chatbots qui permettent un accompagnement et une éducation continue (Vik Asthme, Vik BPCO, Vik Mucoviscidose), qui jouent un rôle de compagnon thérapeutique. Capables de répondre à des questions simples, de rappeler des prises de traitement ou de suivre des symptômes, ces outils offrent un soutien quotidien, y compris pour des patients éloignés des centres de soins. Ils s’insèrent ainsi dans une logique d’autonomisation progressive, en renforçant l’adhésion au traitement et la compréhension de la maladie.
Certaines plateformes, comme Phéal-Mucolab, vont plus loin en proposant un télésuivi intelligent et individualisé, capable d’ajuster les recommandations à chaque profil patient. L’IA y analyse un ensemble de données hétérogènes – symptômes, contexte environnemental, habitudes de vie – pour produire un accompagnement réactif et personnalisé.
Ainsi, l’IA ne se contente pas de soigner ou de diagnostiquer : elle s’installe dans le quotidien des patients pour les rendre plus acteurs de leur santé respiratoire.
L’IA comme levier d’éducation thérapeutique personnalisée :
Un autre des apports prometteurs de l’intelligence artificielle réside dans sa capacité à personnaliser l’éducation thérapeutique, qui permet, là aussi, d’accompagner le patient dans son quotidien. Dans le champ des maladies respiratoires chroniques, où l’adhésion au traitement et la compréhension de la maladie sont des facteurs clés de succès, l’IA permet d’offrir un accompagnement pédagogique continu et adapté au niveau de chaque patient.
Concrètement, cela passe par des interfaces conversationnelles qui exploitent le traitement automatique du langage pour répondre aux questions du patient, reformuler des informations complexes, ou encore l’alerter en cas d’oubli de traitement. L’expérience est individualisée : l’IA adapte ses contenus et son ton en fonction du profil de la personne, de son historique ou de ses objectifs de santé (cas d’usage : coaching à l’usage de l’inhalateur, par Hephaï, ou encore le suivi de l’usage des inhalateurs connectés permit par la solution de Findair).
Certains outils éducatifs plus complets, comme ceux proposés sous forme de chatbots, permettent un accompagnement et une éducation continue (Vik Asthme, Vik BPCO, Vik Mucoviscidose), et offrent une interaction continue et évolutive avec le patient. Ils sont capables de capter les incompréhensions, les hésitations ou les interrogations fréquentes, pour adapter dynamiquement le contenu proposé.
Ces cas d’usage illustrent une IA plus douce, moins technique, mais tout aussi impactante, qui s’adresse directement au patient pour l’aider à mieux comprendre, mieux suivre, et mieux vivre avec sa maladie respiratoire.
