Médecins et Intelligence Artificielle : une collaboration déjà fructueuse

Le logiciel permet également une meilleure relation patient-médecin en offrant une réelle écoute et en facilitant le suivi des informations évoquées lors des consultations. Médecins et “robots” - qu’on préférera nommer LLM, soit Large Language Model en anglais - vont à l’avenir travailler main dans la main, dans des proportions qui restent encore à déterminer mais qui laissent présager des bouleversements inimaginables pour les patients. Nous ne sommes qu’au début de l’aventure et bien peu peuvent prédire la vitesse à laquelle ces innovations vont impacter positivement les prises en charge et le quotidien de bien des professionnels de santé, en cardio, en gynéco, en santé mentale, chez les sages-femmes, pour les infirmières, la liste est longue… Nous ne savons pas tout mais, chez Nabla Copilot, nous avons déjà quelques pistes !

Piste 1 : Aide à la prise de décision clinique

Les IA peuvent aider à analyser les données des patients pour fournir des recommandations de traitement. Ces systèmes utilisent des réseaux neuronaux profonds et d'autres techniques d'apprentissage automatique pour reconnaître des modèles dans les données cliniques, génétiques et comportementales, aidant les médecins à diagnostiquer plus précisément et à personnaliser les plans de traitement. Une revue systématique de la littérature par Meskó et al. (2020) a révélé que l'IA peut améliorer la précision diagnostique et la gestion des maladies chroniques.¹ 

Piste 2 : Télémédecine et surveillance à distance des patients

L'IA peut permettre une surveillance plus efficace des patients à distance, y compris ceux atteints de maladies chroniques comme le diabète et l'hypertension. Les applications basées sur l'IA peuvent aider à surveiller les signes vitaux des patients, à rappeler aux patients de prendre leurs médicaments et à alerter les médecins en cas de problème. La télémédecine a connu une croissance significative en raison de la pandémie de COVID-19, comme l'a souligné une étude de Mann et al. (2020).² 

Piste 3 : Découverte et recherche de médicaments

L'IA peut accélérer le processus de découverte de médicaments en identifiant les candidats médicaments potentiels et en prédisant leur efficacité et leur sécurité. Cela peut aider les médecins à rester à jour avec les dernières avancées médicales et à proposer des traitements plus efficaces à leurs patients. Un exemple de cette application est la prédiction réussie par l'IA de nouveaux antibiotiques, comme l'a démontré une étude du MIT en 2020.³ 

Piste 4 : Prévention des maladies et promotion de la santé

Les systèmes d'IA peuvent analyser les facteurs de risque des patients, leur style de vie, leurs données génétiques et d'autres informations pour prédire les risques de santé et fournir des conseils de prévention personnalisés. Cela peut aider les médecins à promouvoir la santé et la prévention des maladies au-delà des soins cliniques traditionnels. Une étude de 2020 a montré que l'IA peut prédire avec précision les risques de maladie cardiaque.⁴ 

Comme pour toute prédiction du futur en médecine, il convient de rester prudent même si la science progresse à grand pas car l’histoire de l’informatique, du web et des innovations technologiques ont appris aux humains qu’on n’y voyait pas grand-chose… au-delà de 12 à 18 mois. Un paraplégique depuis dix ans qui remarche, grâce au travail d’une équipe franco-suisse, semblait être de la science-fiction il y a peu et pourtant… Demain sera une aventure qui commence donc dès aujourd’hui !

Source:

1 : Meskó, B., Hetényi, G., & Győrffy, Z. (2020). Will artificial intelligence solve the human resource crisis in healthcare? BMC health services research, 20(1), 1-8.
2 : Mann, D. M., Chen, J., Chunara, R., Testa, P. A., & Nov, O. (2020). COVID-19 transforms health care through telemedicine: evidence from the field. Journal of the American Medical Informatics Association.)
3 : Stokes, J. M., Yang, K., Swanson, K., Jin, W., Cubillos-Ruiz, A., Donghia, N. M., ... & Collins, J. J. (2020). A deep learning approach to antibiotic discovery. Cell, 180(4), 688-702.
4 : Weng, S. F., Reps, J., Kai, J., Garibaldi, J. M., & Qureshi, N. (2020). Can machine-learning improve cardiovascular risk prediction using routine clinical data?. PloS one, 15(4), e0230035.