Le secteur de la santé surmonte les obstacles à la mise en œuvre et se concentre sur l’introduction de l’IA générative

L’IA générative connaît une renaissance, mais peu d’industries en profitent davantage que celle de la santé. En tant qu’adoptant précoce, la technologie a un impact sur tout, depuis les opérations et l’administration des hôpitaux jusqu’aux essais cliniques et au développement de nouveaux médicaments. Bien que les perspectives soient positives, elles ne dressent pas un tableau complet de l’IA générative dans le secteur de la santé. Mais la recherche sur l’IA générative dans les soins de santé en 2024 fera un meilleur travail dans ce domaine.

Il met en lumière à la fois les succès et les défis de l’IA générative dans le domaine de la santé et révèle quelques tendances intéressantes. En tant que leader dans ce domaine, ce résultat pourrait signaler des changements majeurs à venir concernant l’utilisation de l’IA dans les entreprises. Dans cet article, nous examinerons les principales conclusions.

1) Les budgets de l’IA générative augmentent de façon exponentielle

Le déploiement de l’IA générative varie considérablement en fonction du rôle et de la taille de l’entreprise. Les leaders technologiques sont à l’avant-garde, démontrant des taux d’adoption élevés et entraînant des augmentations budgétaires. 34 % des personnes interrogées ont déclaré avoir augmenté leur budget d’IA générative de 10 à 50 %, tandis que 22 % ont déclaré l’avoir augmenté de 50 à 100 %. Parmi les leaders technologiques, près d’un cinquième ont déclaré avoir augmenté leurs budgets jusqu’à 300 %, mettant en avant le soutien et les investissements dans l’IA générative.

Les grandes entreprises dotées de ressources considérables ouvrent la voie en matière d’évaluation des cas d’utilisation de l’IA générative. Alors que les entreprises de taille moyenne expérimentent et développent activement des modèles d’IA, les petites entreprises aux ressources limitées sont les moins susceptibles d’envisager activement l’IA générative.

2) Les modèles de langage spécifiques aux tâches sont les meilleurs

Les besoins uniques du secteur de la santé conduisent à préférer des modèles linguistiques personnalisés et spécifiques à des tâches. De petits modèles spécifiques aux soins de santé ont été utilisés par 36 % des personnes interrogées, montrant une nette tendance vers des solutions plus ciblées que les grands modèles de langage (LLM) à usage général. Cela n’est pas surprenant compte tenu des enjeux élevés liés aux résultats réels pour les patients, de la sensibilité des données de santé et du nombre de normes réglementaires à respecter.

Ce qui est intéressant, c’est que les leaders technologiques manifestent un grand intérêt pour tous les types de modèles linguistiques, ce qui indique une volonté d’explorer différentes options. Pour les entreprises qui débutent tout juste leur parcours vers l’IA générative, il est logique de se concentrer sur des modèles spécifiques aux soins de santé, mais des praticiens plus expérimentés expérimentent d’autres méthodes.

3) Les cas d’utilisation varient en fonction de l’expérience technique et de la taille de l’entreprise

Les applications de l’IA générative dans le domaine de la santé sont diverses, les applications les plus courantes étant la réponse aux questions des patients (21 %), les chatbots médicaux (20 %) et l’extraction d’informations/données (19 %). Pendant ce temps, les leaders technologiques donnent la priorité à l’extraction d’informations et à la recherche biomédicale, démontrant une orientation stratégique sur l’obtention d’informations et de progrès basés sur les données.

Au cours des prochaines années, les personnes interrogées prédisent que l’IA générative aura le plus grand impact sur la transcription des conversations médecin-patient, les chatbots médicaux et la réponse aux questions des patients. Les petites entreprises en particulier ont des attentes élevées à l’égard de ces technologies, probablement en raison de leur agilité et de leur désir d’acquérir un avantage concurrentiel.

4) L’intervention humaine est toujours nécessaire

La précision, la sécurité et la confidentialité sont primordiales lors de l’évaluation des LLM, et les leaders technologiques accordent une importance particulière à ces critères. L’étude a révélé que le coût était le facteur le moins important, suggérant une volonté d’investir dans des modèles fiables et de haute qualité. Les principaux obstacles à l’adoption comprennent les préoccupations concernant l’exactitude, les risques juridiques et de réputation, ainsi que la nécessité d’adapter la technologie aux besoins spécifiques du secteur.

La surveillance humaine reste importante et « l’implication humaine » est devenue la stratégie la plus courante pour tester et améliorer les modèles LLM. Cette approche garantit la qualité et la performance tout en éliminant les biais et les inexactitudes. Différentes tailles d’entreprises accordent différemment la priorité aux exigences de test, les grandes entreprises se concentrant sur l’équité et la fuite des données non publiques, et les petites entreprises se concentrant sur la partialité et la fraîcheur. Mais quelle que soit la manière dont on considère les choses, les humains restent un élément essentiel de tout programme d’IA générative responsable.

Les forces motrices de l’IA générative dans le domaine de la santé sont clairement des leaders technologiques, comme en témoignent des augmentations budgétaires significatives et une profonde compréhension de la supériorité technologique. Mais des défis subsistent, notamment en termes de précision, d’exigences spécifiques à l’industrie et de considérations éthiques pour toute taille de groupe ou d’entreprise qui a déjà déployé ou envisage d’utiliser l’IA générative.

Alors que les organismes de santé continuent d’explorer et de mettre en œuvre des solutions d’IA générative, des stratégies personnalisées et des efforts de collaboration entre les experts techniques et du domaine seront essentiels. Le succès nécessite une surveillance étroite, mais lorsqu’elle est utilisée correctement, l’IA générative a le pouvoir d’améliorer les soins aux patients, de rationaliser les opérations et d’accélérer la recherche. J’ai hâte de voir ce qui se passera l’année prochaine.