L’hôpital John Muir Health explore activement les possibilités offertes par l’intelligence artificielle, non pas comme une révolution instantanée, mais comme une évolution méthodique. Sous la direction de Priti Patel, directrice médicale des systèmes d’information (CMIO), l’établissement mise sur une approche prudente, combinant l’allègement de la charge administrative pour les équipes soignantes avec une gouvernance rigoureuse et une formation continue pour les professionnels de santé et les patients.
Initialement axés sur la prédiction des risques – détérioration clinique des patients hospitalisés, évaluation du risque lié aux opioïdes et probabilité de réadmission – les investissements en IA se sont orientés, au cours des deux dernières années, vers des outils génératifs capables de réduire le temps consacré à la documentation. Le déploiement du traçage ambiant dans les cliniques externes a déjà porté ses fruits, diminuant la charge de travail administrative et améliorant l’expérience des patients.
« Désormais, tous nos médecins en milieu ambulatoire peuvent utiliser l’IA ambiante lors de leurs consultations », explique Priti Patel. Cette technologie est en cours d’extension aux services hospitaliers et aux urgences. Parallèlement, l’hôpital évalue l’utilisation d’agents vocaux pour optimiser le fonctionnement des centres d’appels et faciliter l’orientation des patients.
L’ambition de John Muir Health ne se limite pas aux médecins. L’IA pourrait également être déployée auprès des équipes soignantes, des gestionnaires de cas, des services de nutrition et des équipes chargées du cycle des revenus, notamment pour automatiser la rédaction de lettres de refus, la gestion des appels et la préparation des dossiers de demande d’autorisation préalable. Des automatisations simples sont également à l’étude pour les tâches courantes des centres d’appels, comme la planification des rendez-vous et le renouvellement des ordonnances, dans le but d’améliorer l’accès aux soins et d’harmoniser la qualité des services.
Pour assurer l’adhésion des équipes, Priti Patel a mis en place une stratégie de segmentation et de persuasion basée sur les données. Environ un tiers des cliniciens ont immédiatement adopté le traçage ambiant, tandis qu’un autre tiers a été convaincu après avoir constaté une réduction tangible du temps consacré à la documentation et aux tâches administratives en dehors des heures de travail. La formation joue également un rôle crucial : elle intègre des notions fondamentales sur le fonctionnement de l’IA, la manière dont elle génère du texte et la nécessité de vérifier les résultats.
« Quelle que soit la technologie, l’utilisateur final doit comprendre pourquoi elle est utilisée, bénéficier d’un accompagnement et recevoir un retour d’information continu sur son fonctionnement », souligne Priti Patel.
Les prochaines étapes incluent le développement de résumés graphiques et d’outils d’assistance pour la gestion des courriels. L’objectif est d’aider les cliniciens à identifier rapidement les informations pertinentes et à rédiger des messages personnalisés pour les patients, tout en maintenant un contrôle humain sur le processus. L’équipe de Priti Patel surveille attentivement les indicateurs clés, tels que la fréquence à laquelle les médecins modifient les brouillons générés par l’IA, afin de s’assurer que les utilisateurs restent des évaluateurs actifs et non de simples validateurs passifs.
La gestion du rythme des expérimentations est devenue un enjeu stratégique. Priti Patel a constaté que des expériences initiales décevantes peuvent rapidement décourager les équipes, en particulier les « champions » qui étaient initialement enthousiastes. Pour éviter cela, elle privilégie une approche sélective, limitant le nombre de projets pilotes simultanés et se concentrant sur les solutions qui ne sont pas encore pleinement matures. En revanche, les solutions éprouvées, qui ont déjà fait leurs preuves dans d’autres établissements, sont déployées à plus grande échelle.
« Les projets pilotes sont gourmands en ressources et en temps, et nécessitent une collaboration étroite entre les équipes », explique-t-elle. « Trop de projets en parallèle peuvent épuiser les ressources cliniques limitées et nuire à la confiance. »
Cette approche pragmatique s’inscrit dans l’identité de John Muir Health, un établissement communautaire qui se positionne comme un acteur capable de prendre des initiatives de manière sélective. Priti Patel soutient les efforts des pionniers lorsqu’ils s’attaquent à des problèmes prioritaires – tels que l’épuisement professionnel et la charge administrative, qui ont motivé le déploiement initial des scribes ambiants – mais elle préfère adopter une approche plus prudente, en s’inspirant des expériences des centres universitaires et des programmes d’innovation.
La gouvernance joue un rôle essentiel dans cette stratégie : elle permet d’aligner les propositions sur les objectifs de l’entreprise, d’évaluer les besoins en ressources et de rechercher des preuves de résultats concrets dans d’autres établissements avant de prendre une décision.
L’évaluation des agents vocaux et des chatbots se concentre sur deux axes : l’intégration de capacités d’IA aux plateformes de centres d’appels existantes, afin de simplifier le déploiement et de tirer parti des flux de travail familiers, et l’exploration d’agents dédiés à l’accompagnement des patients après leur sortie de l’hôpital et pendant la période périopératoire, notamment pour confirmer la prise de médicaments, planifier les rendez-vous de suivi et combler les lacunes qui peuvent entraîner des réadmissions. Bien que l’utilisation des portails patients atteigne environ 80 %, Priti Patel souligne la nécessité de sensibiliser la population restante, en utilisant des SMS sécurisés et, si nécessaire, des appels téléphoniques directs, afin de compléter, et non de remplacer, le contact humain.
En matière d’aide à la décision administrative et clinique, Priti Patel distingue les algorithmes transparents des modèles « boîte noire ». Elle privilégie les produits approuvés par la FDA lorsque le comportement du modèle est opaque et que les allégations de résultats sont significatives, et évite actuellement le développement de modèles cliniques internes. Lorsqu’il s’agit de contributions explicites et de résultats consultatifs, elle estime que le risque réglementaire est moindre, mais maintient toujours une surveillance humaine. La formation reflète cette nuance : les cliniciens sont informés que les brouillons générés par l’IA peuvent contenir des erreurs et que la responsabilité de l’exactitude incombe à l’auteur du dossier.
Les patients, quant à eux, posent des questions de plus en plus précises sur l’utilisation de l’IA. Priti Patel intègre une éducation destinée aux patients dans ses déploiements et forme les cliniciens sur la manière de répondre aux préoccupations courantes concernant la confidentialité, l’exactitude et le consentement. Elle estime que cette transparence – associée à un message initial soulignant le rôle de l’examen humain – sera essentielle à une adoption durable.