L'intelligence artificielle au service des hôpitaux

Jean-Christophe Bernadac : Nous tirons parti de l’Intelligence Artificielle (IA) depuis plusieurs années : notre communauté scientifique, importante car nous sommes un établissement hospitalo-universitaire, a recours à ces technologies pour ses travaux de recherche. L’IA permet par exemple aux biostatisticiens d’approfondir le traitement des données disponibles et de développer de nouveaux modèles.

Par ailleurs, notre établissement a fourni historiquement un effort important pour numériser la documentation liée aux patients, aux actes effectués, aux résultats des analyses. Les HCL ont à ce titre la spécificité d’être éditeur de logiciel. Nous avons progressivement construit une base de données très structurée sur laquelle nous cherchons à utiliser et à développer de nouvelles solutions d’intelligence artificielle.

Nous poursuivons aujourd’hui ces développements de l’IA à travers quatre axes de travail : de nouvelles méthodes dans les études cliniques, le développement d’outils d’aide à la décision pour le médecin, l’aide à la consultation et au remplissage du dossier patient, une meilleure utilisation des données patients.

Jean-Christophe Bernadac : C’est l’objet du premier projet qui porte sur la recherche inverse. Les médecins ont l’habitude de créer une cohorte de patients pour leurs études cliniques avec certaines caractéristiques connues comme l’âge, le genre ou la nature du traitement suivi. Grâce à des nouveaux outils sémantiques, nous avons déjà franchi un cap en étant capable de spécifier des caractéristiques de plus en plus fines qui étaient auparavant mal exploitées car sous forme de données textuelles dans les dossiers patients.

Désormais nous voulons aller plus loin en ayant une recherche inverse. Jusqu’alors c’était le médecin qui identifiait les caractéristiques permettant de définir sa cohorte de patients. Désormais, nous voulons utiliser l’IA pour pouvoir identifier un maximum de caractéristiques communes que pourraient avoir une cohorte ou une liste aléatoire de patients. Cela inclut donc des caractéristiques qui n’étaient pas a priori identifiées, pouvant faire apparaître de nouvelles correspondances appelées « signaux faibles » en IA. Le chercheur pourra ensuite choisir de mieux les analyser. Cette recherche inverse est permise par l’évolution récente des capacités de calcul et de stockage.

Delphine Maucort-Bloch : Une démarche de coordination et de collaboration s’est historiquement structurée entre la Direction des Systèmes d’information et la communauté médicale, avec une commission commune créée dès 2008. Elle a permis à la DSII de développer des outils ambitieux tout en permettant à la communauté médicale de faire ses retours. Nous disposons donc d’un environnement très structuré qui permet aujourd’hui à la communauté de chercheurs d’accéder à un très grand nombre de données de qualité. 

Jean-Christophe Bernadac : Cette utilisation est fortement encadrée. La réglementation dans le monde médical est très forte, bien plus que pour l’exploitation commerciale des données des utilisateurs des moteurs de recherche ou des réseaux sociaux. Les préoccupations éthiques sont dans nos gènes, nous avons une gouvernance qui y veille, un comité éthique dédié ainsi qu’un conseil scientifique.

Jean-Christophe Bernadac : Nous développons deux autres projets qui concernent directement cette relation, avec à chaque fois l’objectif que le médecin puisse disposer plus de temps avec ses patients.

Dans le premier projet nous développons un outil d’aide à la décision. Dans ce cas, l’algorithme étudie l’historique du dossier patient et fait des propositions au médecin par une série de raisonnements.

Le deuxième projet consiste à utiliser la commande vocale pour consulter et remplir le dossier patient. Des outils de reconnaissance vocale existent déjà pour le grand public comme Siri, Cortana ou Alexa mais ils ne sont pas toujours adaptés à un langage spécialisé comme le langage médical.  Nous avons donc établi un partenariat avec Microsoft pour utiliser et développer un outil sémantique plus spécialisé.

La première étape de ce projet consiste à permettre au médecin de naviguer dans les différentes informations du dossier patient par commande vocale. À ce jour, les premiers tests fonctionnent. Ensuite nous souhaitons que le médecin puisse remplir les éléments du dossier par des ordres vocaux. Nous testons dans un premier temps cette possibilité sur une ordonnance de ville. Cela implique de décoder des nomenclatures et des posologies, et donc pour le médecin d’avoir une dictée structurée. C’est complexe car la machine doit pouvoir avoir un accès clair à toutes les informations : il n’est pas toujours possible de s’appuyer sur des abréviations qui sont implicitement comprises à la fois par le médecin et le pharmacien. Le développement de l’outil obligera donc à adopter certains standards pour que les informations soient suffisamment structurées pour l’interprétation.

C’est un projet qui rencontre à la fois un intérêt fort de l’industriel partenaire et d’autres grands centres hospitaliers. Ces collaborations devraient permettre d’avoir une masse critique permettant de nouveaux développements. Si le modèle de reconnaissance vocale médicale s’améliore suffisamment, nous serons parmi les premiers à proposer dans nos établissements ces solutions.

Enfin, à plus long terme en prolongeant ce type de développement, on pourrait aussi imaginer qu’un logiciel écoute une conversation entre un médecin et un patient, et formule directement une proposition de compte rendu structuré.

Jean-Christophe Bernadac : Dans le cas de l’outil de commande vocale, nous serons obligés d’adopter certains standards pour que les informations soient suffisamment structurées pour leur interprétation mais aussi pour leur contrôle : en tant qu’éditeur de logiciel d’une part et pour respecter les règles de la Haute Autorité de Santé d’autre part, nous avons l’obligation de développer des algorithmes de contrôle sur ces données structurées pour signaler les contre-indications et interactions.

Dans le cas de l’outil d’aide à la décision pour le médecin, le développement se fait par apprentissage : les médecins qui contribuent à son amélioration écartent progressivement les mauvaises propositions formulées par l’outil, ce denier tient compte de leurs avis et s’affine donc progressivement. Dans ces travaux, nous développons une « boîte blanche » et non une « boîte noire ». Le médecin voit le cheminement de l’algorithme et peut remonter toutes les prises de décision. Cet accès au raisonnement est pour nous très important. Il fait partie des principes qui découlent de notre charte éthique. Nous disposons d’ailleurs de deux commissions qui permettent d’encadrer nos développements et s’assurer une coordination fine entre la Direction du Système d’Information et de l’Informatique (DSII) et les médecins chercheurs.

Jean-Christophe Bernadac : Grâce à lui nous disposons de capacité de calcul dont nous ne disposons pas en interne. Le traitement des données se fait dans un cadre strict prévu par la loi qui prévoit des conditions spécifiques pour l’hébergement des données de santé. La démarche de coordination commune au sein des HCL entre la Direction des Systèmes d’information et la communauté médicale depuis 2008 permet aussi d’être clair sur ce qui est recherché à travers ce type de partenariat.

Concrètement nous transférons les données structurées et anonymisées dans un « coffre-fort », une plateforme sécurisée sur le cloud. Il est alors possible pour les chercheurs d’entraîner des modèles d’IA dans ce cadre sécurisé en bénéficiant d’une grande puissance de calcul, un atelier de machine learning, apporté par Microsoft. Cela permet d’envisager de nouveaux développements à un prix maîtrisé, dans l’objectif de les industrialiser puis de les intégrer ensuite dans nos processus d’analyse et de traitement du dossier patient pour améliorer nos services.

Jean-Christophe Bernadac : Des méthodes existent déjà depuis plusieurs années dans certaines spécialités comme c’est le cas pour l’imagerie avec des algorithmes très pertinents et reconnus par la communauté médicale. Toutes les spécialités ne sont pas encore concernées et ne le seront pas dans les mêmes temporalités. Par exemple le médecin urgentiste doit faire face à un éventail très large de pathologies, et la machine aujourd’hui s’y perdrait. Les prochains développements concernent des disciplines spécialisées qui obéissent à des règles précises comme l’endocrinologie sur laquelle nous travaillons.

Delphine Maucort-Boulch : Les projets liés à l’intelligence artificielle ont toute leur place dans la recherche actuelle. À titre d’exemple, sur les neuf projets déposés de la dernière action Recherche Hospitalo-Universitaires (RHU), quatre concernaient l’IA.

Cette activité se justifie par les résultats obtenus. Dans le domaine de l’imagerie médicale, qui fut l’une des premières à recourir à l’IA, les algorithmes sont désormais capables de détourer parfaitement un organe. Des chercheurs allemands ont pu optimiser la classification des tumeurs cérébrales grâce à l’application de l’IA sur des données d’épigénétique. Des projets similaires se dessinent visant une optimisation de la prise en charge à l’étape diagnostique. Pour le diabète, on exploite aujourd’hui bien mieux les données collectées y compris  par objets connectés, ce qui permet d’établir des profils de patients et de mieux prédire les événements hyper/hypoglycémiques. Il est par exemple possible de prévenir des problèmes que ce type de patient pourrait rencontrer dans les prochaines heures, de lui signaler la démarche à suivre et de réguler le lien avec l’hôpital. Cela peut permettre d’améliorer sensiblement la santé et le confort du patient, et par ailleurs cela permet au médecin de disposer d’historique de données auxquelles il n’aurait pas accès sinon.

Dans le domaine de la recherche, il est vrai qu’il peut y a avoir un emballement comme nous l’avons déjà connu dans les années 2000 avec le développement des « omics »[1] et les grands projets de séquençage. Mais nous savons que la quantité de données disponibles ne remplace par la qualité ni la méthodologie nécessaires au traitement de ces données et la rigueur scientifique dans la formulation et la vérification des hypothèses.

[1] Terme recouvrant les études de génomique, protéomique transcriptomique ou métabolomique.

Jean-Christophe Bernadac et Delphine Maucort-Bloch : Étant un établissement hospitalo-universitaire, notre communauté de praticiens comporte une part importante de chercheurs, et il y a une bonne acceptation car ils sont eux-mêmes acteurs des projets de développement en cours. Pour les autres projets, moins liés à la recherche clinique, l’objectif principal reste d’aider et non de remplacer le médecin, en faisant en sorte qu’il consacre moins de temps à l’administratif et la technique, ce qui rejoint leurs attentes. Quant aux professions paramédicales, elles ne sont pas directement impactées : elles assurent beaucoup d’activités de contact avec les patients qui ne font pas à ce jour l’objet de projet d’IA ou de robotisation.