Santé: l’IA tient-elle trop de place dans les blocs opératoires ? | icineo.com

Au cours de la dernière décennie, le secteur de la santé a été témoin de l’énorme pouvoir de la technologie pour stimuler l’innovation.

Poussées par la pandémie, de nouvelles méthodes de travail ont été mises en place tandis que l’adoption de la technologie, en particulier de l’intelligence artificielle, s’est accélérée.

L’un des nouveaux cas d’utilisation les plus excitants se situe dans l’un des environnements les plus emblématiques des soins de santé : la salle d’opération.

Alors que nous commençons tout juste à faire passer la chirurgie du monde physique au monde numérique, nous avons déjà commencé à imaginer à quoi pourrait ressembler l’avenir de la chirurgie. Mais pour en faire une réalité, il reste encore une étape critique : montrer comment la technologie peut offrir une meilleure valeur clinique et de meilleurs résultats.

AI en action : l’innovation avant tout

AI a encore un long chemin à parcourir avant d’atteindre son plein potentiel dans le domaine de la santé. Les exemples précédents d’utilisation de l’IA en chirurgie portaient sur l’utilisation de l’IA dans les caméras pour transmettre des données vidéo en temps réel.

Cependant, la startup britannique Hypervision a récemment utilisé l’IA dans une étude de chirurgie in vivo à l’IHU de Strasbourg, en France, avec quelques longueurs d’avance sur ce qui a été réalisé jusqu’à présent. La mise en œuvre de l’hypervision améliore le champ de vision du médecin pour créer des cartes thermiques avec des informations conventionnelles, affichant des informations auparavant invisibles à l’œil humain d’une manière qui visualise les informations d’analyse des tissus.

Cela aide à éclairer la prise de décision chirurgicale pendant la procédure tout en réduisant le risque de complications peropératoires pour le patient.

Faciliter la collaboration

Les jeunes entreprises de ce secteur doivent démontrer la légitimité de leur travail par des résultats cliniques tangibles si elles veulent poursuivre des opportunités commerciales et de recherche. Cela implique de contribuer à la littérature scientifique et d’obtenir des commentaires, tant positifs que négatifs, de la communauté clinique. C’est ainsi qu’une startup du secteur de la santé développe une stratégie clinique solide parallèlement à un plan d’affaires et à une pile technologique.

De leur côté, de grandes organisations comme le King’s College de Londres et des institutions prestigieuses bénéficient de relations privilégiées avec de jeunes entreprises qui les accompagnent en tant que mentors ou partenaires. Pour KCL, les experts peuvent fournir des conseils aux startups, tout en permettant aux étudiants de voir comment leur travail se traduit en applications réelles qui soutiennent leur apprentissage et leur développement. Il est également très utile pour stimuler la concurrence, ce qui entraînera une augmentation des investissements dans l’industrie, la demande des start-ups et l’adoption de la technologie par la communauté médicale.

Avantages pour les patients à grande échelle

Alors que nous nous tournons vers l’avenir des soins de santé, il est important de considérer les principaux cas d’utilisation que l’IA et la robotique permettront dans un avenir proche. La pandémie nous a montré non seulement à quelle vitesse les systèmes de santé peuvent être remis en question, mais aussi les défis permanents en matière de collecte, de qualité et de souveraineté des données qui persistent à ce jour.

L’interopérabilité géographique pose également des problèmes. Mais qu’il s’agisse du partage de données transfrontalier, des doutes sur l’intelligence artificielle ou de la fracture technologique, les opportunités viennent avec ces obstacles.

Aujourd’hui plus que jamais, un dialogue est nécessaire pour tirer parti de ces opportunités pour parvenir à l’égalité des conditions.

La véritable valeur de l’IA pour certains professionnels de la santé et le rôle qu’elle jouera dans les futurs soins cliniques sont encore inconnus. Pour commencer à répondre à cette question, nous avons besoin de techniques, de technologies et de ressources axées sur des cas d’utilisation cliniques et économiques à haute valeur ajoutée.

Par exemple, nous voyons maintenant l’IA passer de la radiologie à la pathologie et à d’autres domaines de la microscopie, car c’est là qu’elle ajoute le plus de valeur. D’autres exemples de ce phénomène émergent dans le domaine du séquençage du génome, où l’adoption de l’intelligence artificielle s’accélère.

La même tendance est observée dans la prédiction du repliement des protéines, qui devient de plus en plus efficace grâce à l’intelligence artificielle.