Contenu commandité
L’industrie des soins de santé reconnaît que l’un des principaux défis à relever pour mettre en place un système de soins de santé fondé sur l’apprentissage approfondi et les données est l’intégration et l’exécution de multiples algorithmes et applications de manière transparente dans les flux de travail cliniques où les équipes de soins, les médecins diagnosticiens et les chercheurs en santé font leur travail. Un écosystème d’IA dédié aux soins de santé doit être conçu pour s’attaquer aux quatre principales forces qui affectent les soins de santé aujourd’hui : le coût, la qualité, l’accès et l’expérience du patient et du prestataire. Il existe aujourd’hui des solutions qui permettent aux cliniciens de s’attaquer à ces forces en intégrant l’IA dans les appareils et les applications afin d’améliorer la cohérence, de prendre en charge des mesures plus précises et de rendre les soins de santé plus précis.
De nombreuses start-ups et développeurs d’IA utilisent plusieurs outils et méthodes disparates pour la conservation des données, ce qui crée ensuite des défis pour la formation et le test des algorithmes sur ces différents ensembles de données. Cela crée également des résultats très différents qui sont souvent difficiles à comparer entre les algorithmes. GE Santé a développé, et continue à affiner, une approche écosystémique pour la conservation, l’étiquetage et la formation d’algorithmes d’apprentissage machine supervisés et non supervisés. Ces outils de développement et de contrôle visent à mettre en place une solution cohérente pour le développement de solutions d’IA d’apprentissage profond. La plateforme d’IA permet le partage de données et/ou d’algorithmes, l’annotation d’images et une forte pollinisation croisée des travaux entre des collaborateurs qui se trouvent dans des lieux complètement différents. Enfin, il est important qu’un tel écosystème utilise des outils open-source qui permettent aux start-ups et aux développeurs d’IA de se mettre rapidement à niveau car aucune formation spéciale n’est requise et permet également de développer et de déployer sur de nombreuses plateformes différentes.
Le démarrage est généralement la partie la plus difficile. Cela implique l’extraction et la conservation des données comme première étape et c’est généralement l’une des plus longues et des plus difficiles pour commencer à développer des algorithmes. Un écosystème virtuel offre la possibilité d’intégrer et d’assimiler des données provenant de sources disparates, d’appliquer des analyses et une IA avancées pour transformer les données, et de générer des informations pour soutenir la prise de décisions cliniques, financières et opérationnelles. Une combinaison gagnante d’analyses, de Big Data et d’IA combinées de manière holistique peut conduire non pas à un seul outil mais à une plateforme ouverte : développer non pas une seule application mais une bibliothèque entière. Elle peut intégrer la technologie non seulement dans un hôpital ou un système de santé, mais aussi dans chaque machine d’imagerie et dans chaque dépôt de données de santé. Tout cela est conçu pour aider à atteindre une plus grande efficacité, à accroître l’accès aux soins et à améliorer les résultats pour les patients.
Une autre caractéristique importante du développement de l’IA à une échelle pouvant être autorisée par les organismes de réglementation est que l’ensemble du processus, y compris les données utilisées, peut être retracé tout au long du développement d’un algorithme, ce qui pourrait simplifier radicalement la capacité de la communauté des soins de santé à créer des applications d’IA conformes.
Une approche par étapes pour le développement de l’IA à grande échelle comprendrait les services suivants pour soutenir la « première étape » jusqu’à la « dernière étape », notamment
- Constructeur d’IA – Solution utilisée pour ingérer, mettre au point et former des algorithmes d’IA. C’est la première étape de la réalisation de l’IA dans le domaine des soins de santé.
- Service d’inférence AI – Mise en place, optimisation et publication de l’algorithme AI pour un déploiement transparent et invisible. Il s’agit de la dernière étape de la réalisation de l’IA dans le domaine des soins de Santé.
Si les solutions d’apprentissage en nuage et fédéré sont des solutions puissantes pour le développement de l’IA, le déploiement de l’IA nécessite moins de puissance de calcul et doit se faire au point de service pour une meilleure sécurité et une latence réduite. La mise en œuvre de l’IA dans le secteur de la santé doit être appliquée de manière transparente aux outils et aux flux de travail existants que les soignants utilisent actuellement afin de parvenir à une adoption généralisée. Une solution unique et neutre à déployer et à orchestrer entre de nombreux algorithmes différents sur de nombreux dispositifs médicaux différents et entre de nombreuses solutions PACS différentes est primordiale pour faire de la dernière étape du voyage de réalisation de l’IA une réalité.
Avec les centaines de jeunes pousses d’IA qui font une incursion dans le secteur de la santé, un programme de développement qui accélère la mise sur le marché de l’IA serait le bienvenu au Canada. Si les accélérateurs traditionnels sont bien placés pour tester les nouvelles technologies dans le domaine des soins de santé, ils n’ont généralement pas la capacité de franchir la dernière étape du déploiement et de la commercialisation mondiale. Un programme de développement qui apporte certains des outils mentionnés ci-dessus permet également d’intégrer l’IA dans des applications avancées existantes – sur des dispositifs médicaux, dans le nuage ou à la périphérie du réseau – ce qui est de bon augure pour les start-up et la communauté des développeurs d’IA. Si l’écosystème doit pouvoir prendre en charge toutes les formes de déploiement de l’IA telles que le Cloud, la meilleure solution consiste à fournir des solutions d’IA au point de service pour les questions de sécurité et de latence. Un tel programme permet de lever les obstacles à l’adoption par les cliniciens, ce qui, en fin de compte, réduit les coûts et améliore la valeur des nouvelles solutions. Sur la base de ces premières collaborations, il est essentiel de lancer un programme de développement de l’IA au Canada.
Dans le domaine de l’IA médicale, où les possibilités sont littéralement infinies, quels que soient les spécialités, les modalités et les populations de patients, un réseau florissant est nécessaire pour démocratiser la technologie. Le respect de l’architecture et des normes industrielles et réglementaires, ainsi que la collaboration avec les universités et l’industrie sont essentiels. Cela permettra d’augmenter le nombre d’algorithmes dans les dispositifs alimentés par l’IA et les applications avancées, et donc d’améliorer considérablement les soins de santé du point de vue de l’efficacité à l’échelle mondiale.