L'IA en soins pédiatriques : défis et gains d'efficacité
Les grands modèles de langage sont sujets à la « flagornerie », c’est-à-dire au désir de satisfaire l’utilisateur qui les sollicite, ainsi qu’aux hallucinations, qui impliquent des résultats fabriqués, explique Desai.
Il souligne que l'utilisation de l'IA en pédiatrie présente également des défis, car de nombreuses maladies infantiles sont rares et donc plus difficiles à prédire pour les algorithmes.
« Il s’agit d’une limitation purement biostatistique : la performance d’un algorithme en situation réelle dépend fortement de la prévalence de la maladie. Plus la maladie est fréquente, plus l’algorithme est précis », explique Desai. « Inversement, plus la maladie est rare, moins l’algorithme sera performant. »
Bien que les scientifiques utilisent des algorithmes d'apprentissage automatique pour identifier des maladies pédiatriques rares telles que les déficits immunitaires primitifs, ces algorithmes génèrent encore un grand nombre de faux positifs, selon Desai. Les enfants sont alors soumis à de nombreux tests inutiles et coûteux, explique-t-il.
LIRE LA SUITE : L’IA est aujourd’hui utilisée de différentes manières dans le domaine de la santé.
« Cela rend ces algorithmes très difficiles à mettre en œuvre sur le lieu de soins », explique Desai.
De plus, les biais de formation comportent des risques en pédiatrie.
« Certains groupes de patients étaient peut-être sous-représentés dans les données d'entraînement , ce qui explique l'inexactitude des prédictions du modèle concernant ces patients », explique Desai.
Pour gérer les risques liés à l'IA, l'hôpital Texas Children's a mis en place un comité de gouvernance et de pilotage de l'IA , explique Teresa Tonthat, vice-présidente et directrice adjointe des systèmes d'information de l'hôpital.
Le comité de gouvernance veille à ce que tous les résultats des modèles d'IA fassent l'objet d'une vérification humaine avant toute décision concernant un patient, explique Tonthat. Le comité traite également des questions relatives aux exigences réglementaires, aux biais et aux dysfonctionnements de l'IA , ajoute-t-elle.
Comme le système de santé travaille avec des données concernant des enfants, Texas Children's dispense une formation aux équipes soignantes sur les validations via MyChart d'Epic et collabore avec des fournisseurs tels que Microsoft pour discuter de la manière dont ils exploitent et protègent les données des patients, explique Tonthat.
« Notre tolérance au risque est très faible en ce qui concerne les informations relatives à nos patients pédiatriques », déclare Tonthat.
Malgré les risques, l'IA offre des opportunités pour résoudre les problèmes cliniques et améliorer l'efficacité des flux de travail.
L'intelligence artificielle au service de la radiologie et du diagnostic en pédiatrieL'hôpital Texas Children's utilise l'IA depuis plus de dix ans et s'est tourné vers la modélisation prédictive, l'automatisation, l'apprentissage profond et l'apprentissage automatique pour résoudre des problèmes cliniques, explique Tonthat. L'hôpital explore l'IA générative depuis deux ans, notamment avec des modèles qui améliorent les flux de travail des équipes soignantes. L'intérêt a mis du temps à se développer au sein des équipes cliniques de Texas Children's, mais le personnel est désormais prêt à généraliser l'utilisation de cette technologie, ajoute-t-elle.
L'hôpital pour enfants du Texas a créé un modèle d'intelligence artificielle permettant aux radiologues de prédire l'âge osseux. Ce modèle a été entraîné sur des millions de radiographies de mains d'enfants.
« Grâce aux millions de radiographies de mains dont nous disposons, nous avons entraîné le modèle à déterminer en quelques secondes l'âge de la main de l'enfant d'un point de vue osseux », explique Tonthat.
Selon Tonthat, grâce à son modèle de prédiction de l'âge osseux basé sur l'IA, l'hôpital Texas Children's a pu réduire de moitié ses délais d'exécution en intégrant l'IA aux flux de travail cliniques des radiologues. Ce modèle d'IA est le fruit d'une collaboration entre les services de radiologie et d'informatique de l'hôpital et son comité de gouvernance et de pilotage de l'IA .
Selon Desai, le CHOP utilise également l'IA en radiologie .
« Au CHOP, les chercheurs étudient l’IA pour améliorer les diagnostics radiologiques, intercepter les erreurs de laboratoire, accélérer le diagnostic à partir des lames histologiques, et bien plus encore », explique-t-il.
Si un médecin examine un patient souffrant d'asthme mal contrôlé, un outil d'intelligence artificielle ambiante pourrait automatiquement récupérer l'historique asthmatique du patient, résumer ses consultations précédentes liées à l'asthme et alerter le médecin si le patient présente un risque accru de grippe, explique Desai. L'outil vérifierait ensuite la prise en charge médicamenteuse par l'assurance maladie du patient et pourrait commencer à rédiger l'ordonnance pour le traitement de fond de l'asthme, précise Desai.
healthtechmagazine
