Auteur : Ossi Koskinen, directeur des grands comptes chez Siemens Healthineers. Il est responsable des relations clients stratégiques en Finlande et en Suède.
Dans le secteur de la santé, on ne se demande pratiquement plus s’il est possible de tirer parti de l’intelligence artificielle. La question, bien plus complexe, est de savoir comment intégrer une solution qui a fait ses preuves dans le travail quotidien, de manière à ce qu’elle ait une réelle utilité pour les professionnels et les patients.
Cette question revient régulièrement lors de mes rencontres avec les directions des hôpitaux, les experts cliniques et les responsables informatiques. Les solutions et les expériences prometteuses sont nombreuses, mais le chemin qui mène d’un projet pilote à une mise en œuvre généralisée est souvent étonnamment long.
Ce phénomène n’est pas nouveau.
J’ai consacré une grande partie de ma carrière professionnelle aux évolutions du secteur de la santé et à la mise en œuvre de nouvelles technologies. Au fil des ans, j’ai notamment participé à la mise au point d’un indicateur de douleur pour les téléphones Windows de l’époque et j’ai ouvert la voie aux consultations à distance à une époque où l’intérêt pour celles-ci était encore relativement faible.
Avec le recul, l’investissement réalisé dans un téléphone Windows n’a pas été l’un des choix technologiques les plus judicieux de ma carrière. Cette expérience m’a néanmoins appris une leçon qui reste d’actualité : une solution techniquement fonctionnelle ne garantit pas pour autant un service efficace.
En matière de consultations à distance, la situation était quelque peu différente. La technologie nécessaire existait déjà en grande partie plusieurs années avant que le contexte ne soit prêt pour une utilisation à grande échelle. La pandémie de coronavirus a rapidement changé la donne. Aujourd’hui, il nous semble tout à fait naturel qu’un patient du système de soins de santé primaires finlandais puisse également être pris en charge depuis un autre pays. C’est ce que fait actuellement, par exemple, une de mes connaissances résidant en France.
La technologie peut donc être prête bien avant que les modes de fonctionnement, les structures et les personnes qui l’entourent ne soient en place. En matière d’intelligence artificielle, nous en sommes précisément à ce stade dans de nombreux domaines.
De nombreuses solutions fonctionnent bien sur le plan technique. Pourtant, les avantages promis ne se concrétisent pas toujours au quotidien. La raison tient souvent à la manière dont la solution s’intègre aux systèmes de l’hôpital, aux processus de travail et à la prise de décision.
J’ai été témoin de situations où l’objectif était de faire gagner du temps au professionnel. Concrètement, l’utilisateur vérifie d’abord l’information d’origine, puis l’évaluation de l’intelligence artificielle et, enfin, les données provenant d’un autre système. Cette nouvelle solution était censée alléger la charge de travail, mais elle a en réalité ajouté une étape de vérification supplémentaire.
Dans une telle situation, l’algorithme peut fonctionner exactement comme il le devrait. Le travail du professionnel n’en est toutefois pas facilité pour autant.
Les informations générées par l’intelligence artificielle doivent être mises à disposition au sein du système et au moment où le professionnel prend de toute façon sa décision. Ces informations doivent se présenter sous une forme compréhensible et permettre de prendre des mesures concrètes. Sinon, l’intelligence artificielle risque fort de ne devenir qu’un nouvel outil venant s’ajouter aux anciens.
En imagerie médicale, les possibilités vont déjà bien au-delà de la simple analyse d’une image individuelle. L’intelligence artificielle peut faciliter la préparation du patient, la réalisation de l’examen, l’interprétation des images, la rédaction du rapport et l’intégration des informations dans la décision thérapeutique. Ce qui importe alors, ce n’est pas une application isolée, mais l’ensemble du parcours, du patient à l’image, de l’image au rapport, puis au traitement.
C’est pourquoi, à mon avis, il ne faut pas commencer un projet d’intelligence artificielle en se demandant où l’on pourrait l’intégrer.
Je commencerais par des questions beaucoup plus concrètes. À quel moment le travail s’interrompt-il ? Où se créent les temps d’attente ? Où la même information est-elle saisie à plusieurs reprises ? À quel moment un professionnel doit-il passer d’un système à un autre ? À quoi le temps est-il consacré, même si la tâche ne nécessite pas de compétences cliniques ?
Une fois le véritable problème identifié, il est possible d’évaluer si l’intelligence artificielle constitue la bonne solution. C’est parfois le cas. Parfois, un changement de méthode ou une solution technique un peu plus simple s’avère plus efficace.
Il faut faire preuve du même sens pratique pour mesurer la réussite. La précision de l’algorithme est importante, mais à elle seule, elle ne suffit pas à déterminer la valeur d’une solution. Dans le domaine de la santé, l’impact devrait se refléter dans la prise en charge du patient, dans le travail du professionnel de santé ou dans le fonctionnement de l’organisation. De préférence dans plusieurs de ces domaines.
Il convient également de suivre les effets après la mise en service. Les systèmes et les appareils d’imagerie sont mis à jour, les groupes de patients évoluent et de nouvelles versions des solutions d’intelligence artificielle sont publiées. La mise en service ne s’achève donc pas le jour où la solution est mise à la disposition des utilisateurs.
Cela semble aller de soi, mais dans la pratique, les responsabilités restent souvent floues. Qui assure le suivi du fonctionnement de la solution ? Qui traite les retours d’expérience des utilisateurs ? Quand une validation locale est-elle nécessaire ? Comment évalue-t-on les impacts des mises à jour logicielles ? Et qui prend la décision si la solution ne fonctionne plus comme prévu ?
Ce travail nécessite la participation d’utilisateurs cliniques, de responsables informatiques, d’experts techniques, de dirigeants et de fournisseurs. Les personnes qui comprennent à la fois le travail clinique et les possibilités ainsi que les limites de la technologie sont particulièrement précieuses. Elles sont souvent capables de repérer des problèmes qui passeraient inaperçus si l’on n’abordait la question que sous un seul angle.
La gestion de l’ensemble devient plus difficile à mesure que le nombre de solutions d’intelligence artificielle augmente. Dix solutions distinctes ne constituent pas encore un environnement fonctionnel. Chacune d’entre elles nécessite des intégrations, des droits d’accès, une maintenance, un suivi et une assistance. Si l’ensemble n’est pas conçu de manière cohérente, l’utilisateur se retrouve facilement confronté à une multitude de nouvelles étapes de travail numériques.
Dans l’idéal, le professionnel n’a pas à se demander quelle solution d’intelligence artificielle il doit utiliser dans chaque situation. Les informations nécessaires s’affichent au bon endroit, dans le cadre de son travail habituel. Le professionnel évalue ces informations, prend une décision et en assume la responsabilité.
La prochaine étape intéressante consiste à considérer le fonctionnement de l’hôpital dans son ensemble, plutôt que de se concentrer sur des flux de travail individuels. À cet égard, le concept de « jumeau numérique » me semble particulièrement intéressant.
Ce terme peut sembler technique, mais le principe de base est tout à fait concret. Si nous parvenons à dresser un tableau suffisamment à jour des flux de patients, du personnel, des locaux, des équipements, des plannings et des interdépendances entre les processus de soins, nous pourrons évaluer les conséquences de nos décisions avant de les mettre en œuvre.
Que se passe-t-il, par exemple, si la demande d’examens augmente dans un hôpital ? Faut-il orienter les patients vers un autre service, modifier les horaires de travail du personnel ou réorganiser les créneaux d’examen ? Quel est l’impact de la maintenance d’un appareil d’imagerie sur les files d’attente des patients, la charge de travail du personnel et la prise en charge post-examens ?
Dans un véritable hôpital, il est difficile de tester ces options. L’activité se poursuit sans interruption, les soins aux patients ne peuvent pas attendre et il n’est pas toujours facile d’isoler l’impact d’un changement particulier de tous les autres facteurs. Dans un modèle numérique, il est possible de comparer les différentes options avant de mettre en œuvre les changements.
Cela pourrait également contribuer à mieux cibler les investissements dans l’intelligence artificielle. Plutôt que de partir d’une solution toute faite et de lui chercher une application, l’analyse des processus permet d’identifier les points où l’attente, le travail manuel, les ruptures dans la circulation de l’information ou l’utilisation inégale des capacités causent le plus de problèmes.
Ce n’est qu’ensuite qu’il convient de se demander si l’intelligence artificielle est nécessaire.
Cependant, même un modèle numérique ne résout pas automatiquement tous les problèmes. Le taux d’utilisation d’un appareil peut s’améliorer, tandis que la durée totale de prise en charge du patient s’allonge ou que la charge de travail du personnel augmente. C’est pourquoi les objectifs ne peuvent être définis uniquement en fonction de l’efficacité, de la rapidité ou des coûts.
Il convient de s’accorder sur ce que l’on entend par « bon fonctionnement ». Cela englobe la qualité et la sécurité des soins, le travail du personnel ainsi que l’expérience globale vécue par le patient. En fin de compte, ces choix relèvent de la direction. Le jumeau numérique peut aider à identifier les alternatives et leurs conséquences possibles, mais ce sont les personnes qui décident de ce qui est acceptable et souhaitable.
Une perspective plus large s’ouvre si l’on étend l’analyse d’un service individuel à l’ensemble de l’hôpital, puis à un ensemble constitué de plusieurs services ou hôpitaux. Il est alors possible, par exemple, d’examiner dans un même modèle la disponibilité du personnel, l’utilisation des capacités et les transferts des patients entre les différentes étapes des soins.
Il convient toutefois de formuler une mise en garde à ce sujet. Plus le système modélisé est vaste, plus il est nécessaire de disposer d’informations fiables et à jour. Il est également indispensable de parvenir à une vision commune des objectifs visés. Dans la pratique, il est donc préférable de commencer par des problèmes bien délimités, dont les effets peuvent être identifiés et mesurés.
La Finlande dispose de bons atouts pour cela. Nous disposons d’une infrastructure numérique, de données de santé et d’un solide savoir-faire. La coopération est également très développée entre les hôpitaux, la recherche, les acteurs publics et les entreprises. Malgré ces atouts, les progrès ne résulteront pas uniquement de nouveaux projets pilotes.
La phase la plus difficile commence lorsque la solution qui a fait ses preuves doit être intégrée au flux de travail approprié, que ses effets doivent être démontrés et que son utilisation doit être étendue au-delà de la première unité. Réussir cette étape exige généralement davantage de persévérance que le lancement du premier projet pilote.
L’intelligence artificielle n’a pas pour but d’écarter l’être humain de la relation entre le patient et les soins. Elle devrait permettre aux professionnels de consacrer davantage de temps aux tâches qui requièrent de l’expérience, de la réflexion et de l’empathie. Ces compétences ne disparaîtront pas avec les progrès technologiques.
Lorsque j’évalue une nouvelle solution, je reviens souvent à quelques questions simples :
1. Quel problème cherchons-nous à résoudre ?
2. En quoi le travail des professionnels va-t-il changer concrètement ?
3. Comment les effets sont-ils surveillés pendant l’utilisation ?
4. Comment cette solution s’intègre-t-elle aux autres systèmes et processus ?
Le jumeau numérique de l’activité apporte un élément supplémentaire :
Quelles seront les répercussions ailleurs dans le système si nous modifions cet élément ?
Les réponses à ces questions en disent généralement plus long sur les chances de réussite qu’une présentation technique ou une promesse commerciale.
L’intelligence artificielle évolue rapidement, mais dans le domaine de la santé, la question cruciale reste tout à fait prosaïque : cette solution aide-t-elle les professionnels à mieux faire leur travail, de manière plus fluide et plus sûre ?
Si la réponse n’apparaît que sur les diapositives de présentation et non dans le travail quotidien, la mise en œuvre n’est pas encore achevée.
En fin de compte, c’est le coût de la main-d’œuvre qui détermine la réussite.
