Selon Salveen Richter , analyste principal du secteur américain de la biotechnologie chez Goldman Sachs Research, la santé est l'une des industries qui pourrait trouver de plus grandes opportunités dans le développement de l'intelligence artificielle (IA) et de l'apprentissage automatique (ML).
"Nous vivons une période passionnante où nous assistons à la convergence de la technologie et des soins de santé, deux secteurs économiques clés, et nous devons supposer que cela se traduira par une innovation significative", a déclaré Richter, qui est l'un des auteurs d'un rapport qui comprend contributions des équipes de recherche en technologie et en santé de Goldman Sachs.
Pour Richter, la combinaison des vastes ensembles de données multimodaux des soins de santé et des avantages concurrentiels de l'IA/ML en termes d'efficience, de personnalisation et d'efficacité est sur le point d'alimenter une vague d'innovation dans le domaine des soins de santé.
« Du point de vue des données, le secteur de la santé produit et s'appuie sur des quantités massives de données provenant de diverses sources. Cela crée un environnement riche pour appliquer l'IA et le ML. Le besoin de ces technologies est là compte tenu des inefficacités du système de santé ».
À titre d'exemple, il a déclaré qu'on estime qu'il faut plus de huit ans et 2 milliards de dollars pour développer un médicament, et que la probabilité d'échec est assez élevée. L'IA, y compris l'IA générative, fait partie des technologies qui ont le potentiel de créer des médicaments plus sûrs et plus efficaces et d'optimiser les soins personnalisés.
Et quelques premiers pas ont déjà été faits.
Les premières utilisations de l'IA dans les soins de santé concernaient les diagnostics et les appareils , dans des domaines tels que la radiologie, la pathologie et le suivi des patients. «Le système de test PAPNET, un dispositif d'examen des frottis cervicaux assisté par ordinateur, en 1995 a été le premier dispositif médical compatible AI / ML autorisé par la FDA. Dans les années 2000, d'autres autorisations impliquaient la capture d'images numériques, l'analyse cellulaire, la surveillance des signes vitaux au chevet du patient et les avertissements prédictifs pour les incidents nécessitant une intervention médicale », explique le co-auteur du rapport.
Les grandes entreprises technologiques s'y sont également mises, en intervenant en tant que fournisseurs de solutions cloud et en appliquant leur expertise technologique dans des domaines tels que les appareils portables, les modèles prédictifs et les soins virtuels : problème de décennies de prédiction de la façon dont une protéine se repliera sur la base de ses séquences d'acides aminés, ce qui est crucial pour la découverte de médicaments."
La vérité est que nous sommes encore loin de réaliser cette intégration entre les soins médicaux et l'intelligence artificielle promise depuis des décennies. Mais la pandémie de COVID-19 a mis son rôle en évidence. L'IA a aidé les entreprises à développer des vaccins et des thérapies par ARNm à des vitesses sans précédent, et la crise sanitaire mondiale a mis en évidence le besoin de solutions numériques dans les soins de santé pour améliorer l'accès des patients et les résultats.
Ce fut sans aucun doute un tournant pour la télésanté et la télésurveillance.
Le rapport décrit les technologies qui pourraient transformer les soins de santé, notamment l'apprentissage en profondeur, l'informatique en nuage, l'analyse des mégadonnées et la chaîne de blocs. Il fournit également des cas d'utilisation dans le développement de médicaments, les essais cliniques, l'analyse des soins de santé, les outils et diagnostics et les soins personnalisés.
Un exemple de la façon dont cela pourrait se refléter dans la réalité est le développement de médicaments . L'IA/ML peut être utilisée pour identifier de nouvelles cibles, concevoir des médicaments dotés de propriétés favorables et prédire les interactions médicamenteuses afin de minimiser le besoin d'une méthodologie de développement par essais et erreurs traditionnelle coûteuse en laboratoire humide.
Mais il y a des obstacles. L'industrie de la santé s'appuie sur les brevets et l'exclusivité , ce qui soulève des questions sur la manière dont la propriété intellectuelle peut être protégée sans ralentir les progrès, ou sur la manière dont les informations peuvent être partagées dans la recherche en génie logiciel qui bénéficie des données open source.
«L'hésitation autour de l'IA / ML peut être encore exacerbée par le besoin de meilleurs systèmes de surveillance pour protéger les patients contre les événements de piratage, un manque de formation continue des professionnels de la santé sur les avantages de ces technologies et des inquiétudes quant au fait que les modèles AI / ML pourraient être susceptibles de biais en raison de la sous-représentation historique intégrée dans les données de formation », a déclaré Richter.
Avec la fureur de ChatGPT, l'IA générative est sur toutes les lèvres. Il présente également une myriade d'opportunités dans le domaine de la santé, telles que la génération de données synthétiques pour aider au développement de médicaments et de diagnostics là où la collecte de données serait coûteuse ou rare. Les exemples présentés dans le rapport incluent le développement d'un modèle pour produire des IRM cérébrales anormales synthétiques pour la formation de modèles de diagnostic ML et l'utilisation de l'IA générative pour produire de nouvelles conceptions d'anticorps qui sont différentes de celles trouvées dans les bases de données existantes.
L'IA générative peut également aider à la conception de nouveaux médicaments, à la réaffectation de médicaments existants pour de nouvelles indications et à l'analyse de facteurs axés sur le patient, tels que la génétique et le mode de vie, afin de personnaliser les plans de traitement.
ChatGPT, quant à lui, pourrait être spécifiquement utilisé pour effectuer des tâches administratives telles que la planification de rendez-vous et la rédaction d'approbations d'assurance afin de libérer du temps pour le personnel médical et non médical.
Bien qu'il ait été suggéré que ChatGPT pourrait théoriquement aider à la prise de décision clinique, comme le diagnostic, l'analyste a déclaré qu '"il faudra probablement un certain temps pour générer une fiabilité et une validation suffisantes pour cette application compte tenu du risque d'hallucinations, lorsque le modèle génère faux contenus qui peuvent paraître plausibles.
Continuer à lire: