La « médecine profonde » basée sur l’IA pourrait transformer les soins de santé dans le NHS

Le NHS d’aujourd’hui est confronté à de graves contraintes de temps, avec le risque de courtes consultations et des inquiétudes concernant le risque d’erreur de diagnostic ou de retard dans les soins. Ces défis sont aggravés par ressources limitées et un personnel surchargé qui entraîne des temps d’attente prolongés pour les patients et des stratégies de traitement génériques.
Le personnel peut opérer avec une vue superficielle des données des patients, en s’appuyant sur les antécédents médicaux de base et les résultats de tests récents. Ce manque de données complètes interfère avec leur capacité à comprendre pleinement les besoins des patients et compromet la précision et l’individualisation des diagnostics et des traitements. Une telle approche des soins de santé, caractérisée par ces limites et ces engagements, pourrait à juste titre être qualifiée de « médecine superficielle ».
Le cardiologue et scientifique américain Éric Topol a introduit le concept de « médecine profonde » dans son livre de 2019 Médecine profonde : comment l’intelligence artificielle peut rendre les soins de santé à nouveau humains. Il critique le modèle médical superficiel des États-Unis, en offrant un aperçu de ses expériences cliniques et personnelles.
La médecine profonde a le potentiel de révolutionner le diagnostic médical, l’efficacité des traitements et les considérations opérationnelles. Topol présente intelligence artificielle (IA) comme solution transformatrice à ces problèmes systémiques superficiels. Il décrit ce qu’il appelle le cadre de médecine profonde comme une stratégie globale pour l’incorporation de l’IA dans différents aspects des soins de santé.
Le cadre de la médecine profonde repose sur trois piliers fondamentaux : phénotypage profond, l’apprentissage en profondeur, et une profonde empathie. Ces piliers sont tous interconnectés et l’adoption de ce cadre pourrait améliorer les soins aux patients, soutenir le personnel de santé et renforcer l’ensemble du système NHS.
Phénotypage profond
Le phénotypage profond fait référence à une image complète des données de santé d’un individu tout au long de sa vie. Un phénotype profond va bien au-delà des données limitées collectées lors d’un rendez-vous médical standard ou d’un épisode de santé. Cela comprend des choses telles que le code génétique d’une personnel’intégralité de l’ADN d’un individu et des informations sur les microbes ou le microbiome du corps.
Il englobe ce qu’on appelle « l’exposome », les éléments de l’environnement auxquels une personne est exposée au cours de sa vie, comme la pollution de l’air. Il comprend des marqueurs qui révèlent des détails sur les processus métaboliques en cours dans le corps d’une personne et les protéines que son corps exprime, ainsi que d’autres mesures et paramètres biologiques. Il comprend les dossiers de santé électroniques d’une personne, y compris ses antécédents médicaux, ses diagnostics, ses traitements et ses résultats de laboratoire.
L’apprentissage en profondeur
La philosophie qui sous-tend le phénotypage approfondi est de combiner ces diverses données pour permettre des diagnostics plus précis et plus rapides, des traitements précis et efficaces, et pour faire progresser les stratégies de médecine prédictive et préventive. Cependant, le volume et la complexité des données collectées posent des défis importants pour les analyser toutes. C’est ici que l’apprentissage en profondeur – un domaine de l’IA qui cherche à simuler le pouvoir de décision du cerveau humain – est si précieux. L’apprentissage profond utilise un algorithme appelé a réseau neuronal qui utilise de petits ordinateurs mathématiques, appelés « neurones », qui sont connectés les uns aux autres pour partager et apprendre des informations.
Les progrès des algorithmes des réseaux neuronaux, de la technologie et de la disponibilité des données numériques ont permis aux réseaux neuronaux de démontrer des performances impressionnantes. Par exemple, ils ont permis l’analyse rapide et précise d’images médicales, telles que les radiographies et les IRM. Ils peuvent générer des rapports et prédire la progression de la maladie et les résultats pour le patient.
L’IA s’avère précieuse dans la découverte de médicaments et l’identification de marqueurs chimiques du corps, tels que ceux qui peuvent signaler la présence d’un cancer. Ils peuvent contrôler les instruments utilisés en chirurgie robotique. En outre, Une technologie d’IA comme celle derrière ChatGPT peut traiter la littérature médicale et les dossiers des patients pour aider à établir des diagnostics complexes. Ils peuvent automatiser les tâches d’écriture, telles que la prise de notes et la saisie de données.
Une profonde empathie
L’intégration des systèmes d’IA pourrait aider à rationaliser les tâches opérationnelles dans les services de santé comme le NHS. Ceux-ci incluent la gestion des lits et les flux de travail hospitaliers. Cependant, le développement des technologies d’IA ne doit pas se faire au hasard : il doit plutôt être ciblé sur les besoins cliniques réels et conçu pour favoriser de meilleures relations entre les patients et le personnel. C’est le pilier de la médecine profonde connue sous le nom d’empathie profonde.
Les soins de santé sont de plus en plus devenus une discipline où le contact humain, autrefois pierre angulaire, est éclipsé par une recherche incessante d’efficacité. Le personnel de santé est confronté à un fardeau accru de tâches administratives. Cela peut réduire le temps qu’ils consacrent à chaque patient, érodant ainsi l’essence et les avantages potentiels des soins empreints de compassion.
Le personnel a besoin de sensibilité et de temps pour répondre aux besoins émotionnels et psychologiques des patients et de leurs familles. Cela favorise un environnement de soins solidaire et compatissant et renforce le lien humain au cœur des soins de santé.
Les solutions d’IA peuvent être conçues pour réduire les charges administratives du personnel, ouvrant ainsi davantage de possibilités d’interaction significative avec les patients. En supprimant ces obstacles, nous permettons de mettre davantage l’accent sur les soins directs aux patients, contribuant ainsi à améliorer la qualité du service fourni et, espérons-le, la satisfaction des patients.
Il existe également une opportunité de transformation pour repenser l’efficacité, en plaçant les relations entre les patients et le personnel au centre. Il envisage un avenir dans lequel le personnel de santé excelle à la fois en termes de compétences techniques et d’intelligence émotionnelle, leur permettant de répondre aux besoins psychologiques des patients avec une véritable compréhension et compassion.
Will Jonesdirecteur de recherche et maître de conférences en science des données, intelligence artificielle et modélisation (DAIM), Université de Hull
Cet article est republié à partir de La conversation sous licence Creative Commons. Lis le article original.
Source link