L’intelligence artificielle (IA) est en train de transformer le secteur de la santé, passant du stade de projet pilote à un outil clinique essentiel. Selon Jason Hill, responsable de l’innovation chez Ochsner Health, les établissements de santé qui maîtriseront cette technologie en premier bénéficieront d’un avantage significatif en termes de qualité et d’efficacité des soins.
À la tête d’une division dédiée à l’innovation au sein d’un vaste réseau de 46 hôpitaux (représentant un chiffre d’affaires de 8 milliards de dollars américains) et gérant également son propre régime d’assurance santé, Jason Hill s’appuie sur une décennie d’expérience dans l’intégration de systèmes informatiques complexes. Il a notamment joué un rôle clé dans le déploiement d’un dossier médical électronique (DME) Epic et a œuvré à rapprocher les équipes cliniques et technologiques.
Pour Hill, l’IA offre une opportunité unique de repenser les modèles de soins à travers une vaste région du sud des États-Unis, tout en plaçant l’éthique et la sécurité au cœur de cette transformation. Il souligne que « l’IA, au fond, démocratise l’accès au savoir humain ». Cette capacité se manifeste déjà dans des outils comme OpenEvidence, utilisé par Ochsner Health, qui atteint des performances comparables, voire supérieures, à celles de médecins expérimentés dans l’évaluation des demandes d’autorisation.
Hill considère cette évolution comme un changement fondamental dans le travail intellectuel, y compris dans la médecine et le développement de logiciels. Il est convaincu que les cliniciens qui adopteront l’IA comme un partenaire surpasseront ceux qui hésiteront. « Les médecins ne seront pas remplacés par l’IA, mais ceux qui utilisent l’IA remplaceront certainement ceux qui ne le font pas », affirme-t-il.
L’un des défis majeurs réside dans la surveillance continue des modèles d’IA une fois intégrés aux flux de travail cliniques. Ces modèles, contrairement aux logiciels traditionnels, apprennent et évoluent en fonction des données et des interactions. Hill met en garde contre le risque de dérive subtile des modèles génératifs, qui pourraient produire des réponses inattendues ou même problématiques. Certains groupes de recherche ont déjà documenté des comportements tels que la tromperie ou la complaisance, soulevant des questions de sécurité cruciales.
Les méthodes traditionnelles d’évaluation, basées sur la comparaison des prédictions aux résultats, sont difficiles à appliquer aux réponses narratives ou conversationnelles. Il est donc nécessaire de se concentrer sur la qualité, la cohérence et la fiabilité de grands volumes de texte généré par l’IA. Selon Hill, cette complexité exige une automatisation accrue du processus de surveillance, impliquant même l’utilisation d’IA pour évaluer d’autres IA.
Cette dynamique implique que les systèmes de santé devront concevoir des structures de gouvernance adaptées à ces systèmes complexes et semi-autonomes, en assurant une observation, un enregistrement et un examen continus de leur comportement.
Sur le plan clinique, Hill estime que les gains les plus rapides proviendront d’outils qui allègent la charge administrative des cliniciens, tout en leur laissant le dernier mot dans la prise de décision. Il cite l’exemple des systèmes de documentation ambiante qui écoutent les consultations et génèrent automatiquement des notes dans le DME, une pratique déjà largement adoptée chez Ochsner Health et dans d’autres établissements.
La prochaine étape, selon lui, consistera à rassembler un ensemble de données plus riche pour chaque patient, intégrant des informations provenant du DME, de l’imagerie médicale, de la génomique, des dossiers externes et même des facteurs sociaux, afin de fournir aux médecins une vue d’ensemble complète avant de prendre une décision.
Hill envisage un avenir où l’IA aidera à transformer une question clinique complexe en un ensemble restreint de diagnostics probables ou d’options de traitement, facilitant ainsi la prise de décision. Dans ce modèle, l’IA agira comme un outil d’intelligence augmentée, gérant la complexité et la reconnaissance des schémas, tandis que les médecins apporteront leur expertise, leur jugement et leur connaissance approfondie du patient.
Interrogé sur les priorités d’investissement dans l’IA pour les responsables informatiques des systèmes de santé, Hill recommande de commencer par les domaines opérationnels où le risque est faible et le retour sur investissement facile à mesurer, tels que le cycle de facturation, l’accès aux soins, les centres d’appels et les fonctions marketing. Il souligne également l’importance de suivre de près les feuilles de route de l’IA proposées par les principaux fournisseurs de DME, en tirant parti de leurs intégrations techniques et de leur conformité réglementaire.
Au-delà des plateformes de base, il préconise des investissements ciblés dans des solutions innovantes, notamment dans le domaine de l’autorisation préalable, où les premières initiatives d’Ochsner Health ont déjà permis d’améliorer significativement l’efficacité et la satisfaction des cliniciens.
Pour Hill, le principal obstacle à l’adoption de l’IA ne réside pas dans la technologie elle-même, mais dans le comportement humain. Il insiste sur le fait que les dirigeants des systèmes de santé doivent en tenir compte : « Le problème ne viendra pas du côté technique du DME. Le problème viendra de la façon dont vous inciterez les gens à l’utiliser. »