Cette représentation est pourtant très loin de la réalité. Les dispositifs existants ne sont pas près d’être dotés d’une conscience et capables de penser par eux-mêmes. Il est vrai qu’il existe de nombreux outils d’intelligence artificielle sur le marché de la santé, et l’étendue de leurs applications actuelles dans le domaine du diagnostic médical paraît impressionnante (oncologie, cardiologie, ophtalmologie, radiologie, santé mentale, détection de maladies rares…). Mais, globalement, les promesses restent encore incertaines au stade actuel. Le scénario d’une médecine sans médecins, de destructions brutales des métiers de la santé, relève aujourd’hui plus du buzz et de l’emballement médiatique que de la science. Une manière de comprendre cet emballement médiatique serait de se demander pourquoi l’intelligence artificielle et la santé « vont bien ensemble ». Quelle est la réalité de l’intelligence artificielle aujourd’hui et quelles en sont ses limites fortes ? L’objectif de cet article n’est pas d’affirmer que l’intelligence artificielle est un non-sujet, bien au contraire, mais de faire prendre conscience que l’avenir du système de santé français sera celui que l’on souhaite promouvoir demain.
"Idées préconçues à propos de l’intelligence artificielle. Moins une menace qu’une opportunité potentielle pour repenser le système de santé". Point de vue de Salima Benhamiou, Économiste à France Stratégie, département travail, emploi et compétences, dans "La revue du praticien" de décembre 2018.
Pourquoi l’intelligence artificielle et la santé vont bien ensemble ?
Un secteur « knowledge intensive »
Fondamentalement, le secteur de la santé repose sur le savoir, qui lui-même génère le progrès, et donc l’amélioration des résultats médicaux. Progrès dans les connaissances médicales et les traitements, progrès dans les techniques de diagnostic, progrès dans les modes de prise en charge.
Il y a environ deux millions et demi d’articles scientifiques publiés chaque année dans le domaine de la santé. La capacité à apprendre tout en se tenant à jour des avancées scientifiques est donc centrale dans ce secteur, tout comme la capacité à gérer les apprentissages. Le système de santé
lui-même, médecins et hôpitaux, les dossiers patients, voire des techniques de recueil d’informations automatisées (par exemple le nombre de pas marchés recueillis via une montre connectée), génèrent des masses importantes de données – ce qu’on appelle le big data, dont l’exploitation est sans doute à son balbutiement mais dont on a l’espoir que l’exploitation intelligente pourra améliorer significativement l’efficacité et l’efficience des systèmes de santé. Le principal frein, à ce stade, est la capacité humaine à traiter ces données, en plus du défi de leur disponibilité.
Un secteur qui concentre beaucoup de moyens
Le poids économique du secteur de la santé est aussi considérable.Les dépenses de santé représentent près de 10 % du produit intérieur brut (PIB) mondial, 17 % du PIB américain, soit 3 200 milliards de dollars US en 2015. En France, les dépenses de santé représentent plus de 11 % du PIB, soit au bas mot 200 milliards d’euros. Compte tenu des évolutions démographiques et épidémiologiques, il n’y a aucune raison pour que le rythme de croissance de ces dépenses ralentisse. Il s’agit donc d’un marché extrêmement dynamique et porteur à l’échelle mondiale, d’autant plus que de nombreux pays importants, par exemple la Chine et l’Inde, n’ont pas encore rattrapé les pays développés en la matière. Ce poids économique important et son dynamisme prévisible expliquent pourquoi le secteur suscite tellement « d’appétits ».
Il existe aussi dans l’ensemble des pays développés des contraintes extrêmement fortes sur les financements publics, et ces contraintes vont perdurer. De très nombreux acteurs et systèmes de santé sont donc à la recherche de solutions pour améliorer l’efficience du système, d’autant plus que, selon les estimations récentes de l’Organisation de coopération et de développement économiques (OCDE), au moins 20 % des dépenses de santé n’auraient aucun impact, voire dégraderaient l’état de santé. Le secteur de la santé est donc extrêmement attractif, notamment pour les GAFAM (Google, Apple,
Facebook, Amazon et Microsoft) et les BATX (Baidu, Alibaba, Tencent et Xiaomi) chinois à la recherche d’opportunité de croissance mais aussi pour des entreprises « traditionnelles » à la recherche de nouveaux business models.
Un secteur multiple possédant des compétences très variées
Enfin, le secteur de la santé, en termes de métiers et de compétences, est incroyablement varié : de la très haute technicité représentée par exemple par des chirurgiens très spécialisés (comme en neurochirurgie) à des tâches a priori simples mais très exigeantes, comme les aides-soignantes auprès de patients souffrant de dégénérescence cognitive, en passant par les spécialistes d’intervention en santé publique ou encore par toute une série de nouveaux métiers liés à la coordination, à la collecte et la mise en forme de données (gestionnaire de cas notamment). Ainsi, il existe une multitude de points d’entrée pour des applications de l’intelligence artificielle, soit pour des métiers ultrapointus, soit pour des métiers « de masse ». Mais plus fondamentalement, le secteur de la santé est aussi un employeur majeur, pour lequel les coûts de main-d’oeuvre représentent une part importante des dépenses de santé. Cela peut conduire, dans un contexte de contrainte budgétaire associée à une augmentation des besoins, à se demander s’il ne serait pas possible de remplacer au moins une partie de ces travailleurs par des machines « intelligentes », à l’instar de ce qui a été fait dans l’industrie automobile.
Il existe donc actuellement un véritable buzz autour de l’intelligence artificielle en santé, buzz qui a même atteint le grand public, avec les expériences très médiatisées de Watson Healthcare, voire d’un programme d’épidémiologie développé par Google, qui serait capable de repérer les épidémies à partir de mots tapés dans le moteur de recherche. Les « exploits » des robots chirurgicaux sont régulièrement rapportés dans les médias.
Quelle est la réalité de l’intelligence artificielle aujourd’hui ?
Aujourd’hui, l’intelligence artificielle n’est pas une réalité mais une potentialité. Il n’existe aucun système de santé ou organisation de santé dans le monde qui s’est vu totalement transformé, et les applications réelles de la santé restent très limitées. Aucun déploiement à grande échelle lié de près ou de loin lié à l’intelligence artificielle n’existe, excepté quelques cas très isolés comme Watson d’IBM, DeepMind de Google ou des robots sociaux comme Paro. En revanche, ce qui existe réellement dans les hôpitaux les plus performants en santé (qualité de la prise en charge, responsabilisation des patients, maîtrise des dépenses de santé), c’est une exploitation intelligente et massive des technologies de l’information et de la communication et de la digitalisation des outils. Un quart des investissements de Kaiser* sont ainsi consacrés aux technologies de l’information et de la communication alors
que c’est beaucoup moins le cas dans les hôpitaux français. Mais la plupart de ses investissements visent à renforcer la communication et la coordination pour une meilleure efficience organisationnelle et pour renforcer le contact humain entre l’équipe médicale et soignante et le patient.
Au niveau de la recherche scientifique, il y a également peu de preuves scientifiques et objectivables aujourd’hui sur l’efficacité de l’intelligence artificielle dans les différents champs d’application précités. Les revues académiques internationales les plus reconnues dans le domaine médical, comme le Journal of the American Medical Association, The Lancet, le New England Journal of Medicine et les Annals of Internal Medicine, publient peu d’articles portant sur l’évaluation de l’intelligence artificielle. Il y a également très peu d’évaluation médico-économique sur des applications d’intelligence artificielle
qui permettraient de mesurer leurs rendements économiques et sociaux. Or les informations dont nous disposons aujourd’hui sur l’impact de l’intelligence artificielle sur le diagnostic vont porter sur un sous-champ d’une discipline bien spécifique, par exemple l’oncologie, qui va porter sur un certain type de cancer.
Enfin, la qualité de la prise en charge d’un patient (détection de la maladie, proposition thérapeutique, suivi du patient…) relève aussi d’un processus d’une très grande complexité, que l’intelligence artificielle ne peut intégrer qu’imparfaitement. Cette complexité est liée directement à la discipline elle-même et à l’existence d’une relation forte entre l’équipe médicale et le patient, et parfois avec son environnement familial. Dans ce domaine, l’existence d’un « modèle type » de patient n’est généralement pas suffisante pour élaborer et mettre en place une stratégie de prise en charge totalement adaptée à chaque patient, le patient individuel.
Corrélation ne vaut pas causalité dans le domaine clinique
On peut également rappeler que l’intelligence artificielle se nourrit d’une grande masse de données, via des algorithmes qui visent à établir des corrélations pour expliciter des phénomènes et les expliquer (déterminer leurs causes) pour, par exemple, en tirer des recommandations cliniques. La robustesse des corrélations entre plusieurs phénomènes dépend dans l’intelligence artificielle de la masse de données récoltées. Plus elle est importante et plus les corrélations sont robustes. C’est donc le big data qui permet à l’intelligence artificielle de fonctionner et de concurrencer l’humain à travers sa capacité à traiter des données à partir d’une masse d’informations actualisées en continu. La force de l’intelligence artificielle repose donc fondamentalement sur le big data et l’accès aux données. Or corrélation ne signifie pas forcément causalité. Les mécanismes de cause à effet qui « expliquent » la survenue d’une pathologie et son évolution sont souvent plus complexes que des corrélations « mécaniques ».
Par ailleurs, il peut y avoir une très forte variance entre patients. Toute la complexité du travail du professionnel de santé est justement de prendre en compte toutes ces spécificités, depuis la détection de la ou des pathologies jusqu’à la proposition thérapeutique. Dans le domaine clinique, les corrélations ne sont pas suffisantes. Même la médecine fondée sur les preuves (evidence based-medicine) qui s’appuie sur les résultats d’évaluation les plus actualisées ne peuvent qu’apporter une connaissance et des recommandations cliniques sur la base d’un patient modélisé « moyen ». Or le patient « réel » qui consulte un médecin ne correspond pas forcément au patient « moyen » qui a été modélisé.
Plusieurs tâches ne sont pas automatisables
Cela est valable aussi pour les propositions thérapeutiques, le médecin doit prendre en compte les caractéristiques spécifiques du patient pour définir le bon traitement. Il doit aussi souvent « négocier » avec lui pour adapter sa prise en charge. L’adhésion des patients est un levier important qui influence le processus de guérison tout comme la prévention des pathologies. Cette activité relève de compétences fondamentalement sociales et intrinsèquement humaines dont le risque d’autonomisation par la machine est beaucoup plus faible que pour d’autres tâches « routinières ».
Enfin, l’intelligence artificielle fonctionne non seulement sur des phénomènes explicatifs simples et mécaniques comme la détection de fractures mais aussi sur des pathologies complexes mais très ciblées, comme la détection d’une tumeur. Mais qu’arrive-t-il quand un patient a plusieurs pathologies ? Pour le moment, cette question pourtant centrale dans les débats actuels sur l’avenir du système de santé ne trouve pas de réponse, alors que la performance des systèmes de santé dans le futur proviendra en grande partie de leur capacité à « gérer » des patients polypathologiques dans la durée et s’orientera plus vers un système dédié à la gestion de la prévention de polypathologies. Les tendances démographiques et épidémiologiques vont dans ce sens : demain nous vivrons plus longtemps et avec plusieurs pathologies. Le défi de nos systèmes de santé de demain sera d’assurer une prise
en charge de plus en plus complexe et axée sur la prévention dans laquelle la coordination entre les métiers des professionnels de santé mais aussi du médico-social sera forte.
La détection de pathologies ne se mesure pas uniquement par la volumétrie des données
En somme, la qualité d’un diagnostic ne se mesure pas uniquement sur le volume d’informations disponibles mais sur la qualité d’interprétation de mécanismes complexes qui ne reposent donc pas sur des lois naturelles et donc non déterministes. Le big data fonctionne bien sur des phénomènes explicatifs simples et mécaniques. Mais l’humain est un être qui évolue sans cesse avec son environnement, ce processus dynamique fait que, dans le champ de la médecine et de l’accompagnement des patients, l’intelligence artificielle ne pourra pas remplacer les professionnels de santé, à tout le moins dans leur écrasante majorité. En outre, la disponibilité des informations ne suffit pas à influer sur les comportements : l’obésité est devenue un enjeu majeur de santé publique, alors que l’accès à des applications santé via un smartphone existe.
Une opportunité pour repenser le système de santé de manière plus intégrée et systémique
Le discours selon lequel l’intelligence artificielle va conduire à la disparition de l’humain dans le champ de la santé doit être rejeté. Selon toute vraisemblance, l’emploi dans le secteur de la santé va continuer à croître, y compris pour les professions médicales prises dans leur ensemble. Pour autant, cela ne signifie pas que l’intelligence artificielle soit un « non-sujet » dans le champ de la santé, ni que certaines professions – dont quelques-unes hautement prestigieuses et rémunérées (par exemple les radiologues) – ne soient menacées. Il est peu probable qu’avant longtemps l’intelligence artificielle ne remplace le travail des médecins et du personnel soignant. L’intelligence artificielle ne pourra pas se substituer au travail humain dans ce domaine. Et ils ne seront pas voués à être de simples exécutants d’algorithmes. Ce n’est déjà pas le cas aujourd’hui avec les connaissances auxquelles ils peuvent avoir accès.
Alors quels impacts l’intelligence artificielle pourrait-elle avoir sur le travail des professionnels de santé, de leur organisation du travail et leurs conditions de travail ? Les systèmes de santé des pays avancés ont été conçus pour prendre en charge des pathologies aiguës et bien identifiées – par exemple, une fracture, une tumeur cancéreuse. Dans ce modèle qui s’apparente davantage, sous toute réserve, à une production mécanique, l’intelligence artificielle peut certainement avoir un impact majeur. Mais est-ce l’avenir de notre système de santé ? Il est vraisemblable que nous nous orientons beaucoup plus vers un système dédié à la gestion et la prévention de polypathologies au long cours avec un très fort volet psychologique et comportemental. L’objectif sera d’obtenir des changements comportementaux à long terme, et ce type d’action requiert une interaction étroite et « humaine » avec les patients.
L’intelligence artificielle peut être une opportunité pour améliorer et faire évoluer le système de santé vers une prise en charge plus intégrée à travers l’amélioration des processus de coordination de l’ensemble des acteurs tout en minimisant les actes inutiles. Prenons l’exemple de Kaiser, qui investit beaucoup dans des outils à base d’intelligence artificielle mais qui recrute aussi beaucoup de médecins, d’aides-soignants, d’infirmiers et même des travailleurs sociaux pour améliorer la prise en charge de pathologies complexes comme l’obésité ou le diabète. En outre, l’état de la recherche dans ce domaine montre que ces maladies sont d’origine socio-économique, ce qui nécessite de développer la proximité au sein des territoires pour être plus près des patients. Car plus le personnel de santé connaît son patient et son environnement, plus il peut influer sur son comportement et minimiser les actes
inutiles.
L’intelligence artificielle peut conduire à repenser les métiers de la santé et l’organisation du travail
De nombreux métiers tels qu’ils existent aujourd’hui vont évoluer, et de nouveaux métiers vont probablement émerger. Les rôles vont aussi changer, du médecin surspécialisé à l’aide-soignant à domicile, le travail pourra être profondément transformé. Plus globalement, l’intelligence artificielle va inciter à réorganiser le système organisationnel dans lequel la prise en charge fait intervenir plusieurs acteurs. Pour illustrer ces transformations au niveau des métiers, des compétences et au niveau organisationnel, il est nécessaire de mesurer le degré de risque d’automatisation de l’ensemble des tâches qui compose ces métiers tout en prenant en compte la complexité des tâches à réaliser, le risque d’erreur acceptable associé à chaque tâche et le degré d’interdépendance entre tous les métiers au sein d’un écosystème de santé.
C’est ce que le rapport de France Stratégie publié en mars 2018 a cherché à apporter comme grille de lecture en analysant finement les effets potentiels de l’intelligence artificielle (les avantages mais aussi les risques) sur le travail dans ce secteur, dans plusieurs domaines d’application où les potentialités de l’intelligence artificielle existent : le diagnostic et la proposition thérapeutique, la prévention et la santé publique, le suivi de traitements personnalisés, la chirurgie, la recherche clinique comme le domaine du « care ». Il y a de nombreux avantages mais aussi des risques à ne pas sous-estimer. L’impact global sur les métiers déprendra en grande partie de l’usage que les décideurs feront de l’intelligence artificielle et de leur vision du modèle de santé qu’ils souhaitent promouvoir.
(c) Tous droits réservés - La Revue du Praticien- Toute reproduction, même partielle, est interdite sans autorisation écrite préalable de la rédaction. Toute publication sur Internet doit faire référence à la revue en intégrant ce lien
Auteurs
