L’aide à la décision clinique (ADC) intégrée aux dossiers médicaux électroniques pourrait connaître une révolution grâce à l’intelligence artificielle, promettant des soins plus efficaces et moins de surcharge pour les professionnels de santé. L’enjeu est de garantir que ces outils soient pertinents, utiles et alignés sur les objectifs cliniques et financiers des établissements.
L’ADC, qui a déjà prouvé son efficacité dans la prévention de millions d’erreurs médicales chaque année, notamment grâce aux alertes médicamenteuses, souffre actuellement d’un manque de convivialité et d’un mauvais alignement avec les priorités des soignants. Trop souvent, les systèmes actuels interrompent les flux de travail, se déclenchent à des moments inopportuns ou manquent de spécificité, conduisant à un rejet systématique des alertes et, potentiellement, à des risques pour les patients.
Pour pallier ces lacunes, les experts proposent d’ajouter un sixième principe aux cinq droits fondamentaux de l’ADC – l’information juste, à la bonne personne, dans le bon format, par le bon canal et au bon moment – : le bon objectif. Il s’agit de concevoir des outils d’ADC avec des avantages clairement définis et mesurables.
L’intégration de l’IA, et notamment des grands modèles linguistiques, ouvre de nouvelles perspectives. Imaginez un médecin, le Dr Smith, discutant avec un patient de 80 ans, M. Richards, souffrant d’insuffisance cardiaque, du début d’un traitement à la spironolactone. Au lieu d’être interrompu par une alerte générique sur les risques potentiels pour les personnes âgées, le Dr Smith pourrait bénéficier d’un message contextuel, apparaissant en temps réel grâce à un outil d’écoute ambiante alimenté par l’IA. Ce message mettrait en évidence les problèmes de sécurité spécifiques à M. Richards, proposerait des alternatives et suggérerait une dose adaptée.
Cette approche personnalisée pourrait également être appliquée lors de la vérification par le pharmacien, de la réconciliation des médicaments à l’admission ou via des robots destinés aux patients. L’objectif est de fournir des conseils pertinents au moment opportun, réduisant ainsi le temps consacré à la recherche d’informations et améliorant la prise de décision partagée.
La personnalisation passe également par une analyse plus fine des données. Prenons l’exemple de M. Richards, dont une insuffisance cardiaque a affecté ses reins et dont le taux de potassium est élevé. Un module ADC intelligent pourrait détecter cette situation et ne déclencher une alerte concernant la spironolactone que lorsque cela est réellement justifié. Cela permettrait de réduire le nombre de faux positifs et de garantir que chaque alerte soit prise au sérieux.
Au-delà des analyses de laboratoire, l’ADC pourrait intégrer des données génétiques, des images médicales, des résultats de pathologie et des informations rapportées par les patients. L’IA pourrait transformer les notes et les conversations en données structurées, alimentant ainsi une nouvelle génération d’outils d’ADC précis, opportuns et personnalisés.
L’alignement sur les objectifs institutionnels est également crucial. Dans un contexte de restrictions budgétaires, l’ADC améliorée par l’IA pourrait aider les hôpitaux à optimiser leurs ressources, par exemple en permettant aux pharmaciens de se concentrer sur les cas les plus complexes. Plutôt que de remplacer les professionnels de santé, l’ADC amplifierait leurs capacités, permettant ainsi de réaliser des économies sans compromettre la qualité des soins.
L’IA pourrait également accélérer le développement de modules ADC et permettre aux hôpitaux d’évaluer en temps réel les performances de ces outils, en mesurant leur impact clinique et financier. L’heure est donc à une évolution nécessaire, portée par les progrès de l’IA, des normes de données et de la messagerie clinique.