L’intelligence artificielle (IA) offre des perspectives prometteuses en pédiatrie, mais son utilisation soulève des questions cruciales concernant la fiabilité des diagnostics et la protection des données sensibles. Des hôpitaux comme Texas Children’s et CHOP (Children’s Hospital of Philadelphia) explorent activement les applications de l’IA, tout en mettant en place des garde-fous pour minimiser les risques.
L’un des principaux défis réside dans la tendance des grands modèles de langage à la « flagornerie », c’est-à-dire à chercher à satisfaire l’utilisateur au détriment de la précision, ainsi qu’à générer des informations erronées, appelées « hallucinations ». « Ces modèles peuvent inventer des éléments, ce qui est particulièrement problématique dans un contexte médical », explique Desai.
La rareté de certaines maladies infantiles complique également l’application de l’IA. Les algorithmes ont besoin d’un grand nombre de données pour être performants, et leur précision diminue lorsque la maladie est peu fréquente. « La performance d’un algorithme dépend fortement de la prévalence de la maladie. Plus la maladie est courante, plus l’algorithme est précis », précise Desai. En conséquence, l’IA peut générer un nombre important de « faux positifs », conduisant à des examens inutiles et coûteux pour les enfants.
Les biais dans les données d’entraînement représentent un autre obstacle. Si certains groupes de patients sont sous-représentés, les prédictions de l’IA peuvent être inexactes pour ces populations. « Certains groupes de patients étaient peut-être sous-représentés dans les données d’entraînement, donc les prédictions du modèle concernant ces patients sont inexactes », souligne Desai.
Pour encadrer l’utilisation de l’IA, Texas Children’s a créé un comité de gouvernance et un comité directeur. Teresa Tonthat, vice-présidente et CIO associée de l’hôpital, explique que tous les résultats générés par l’IA sont systématiquement vérifiés par un professionnel de santé avant d’être pris en compte dans la prise de décision clinique. Ce comité s’occupe également des questions réglementaires, des biais potentiels et des « hallucinations » de l’IA.
La protection des données des patients est une priorité absolue. Texas Children’s propose une formation spécifique aux équipes soignantes sur les procédures d’approbation via MyChart d’Epic et collabore avec des fournisseurs comme Microsoft pour garantir la sécurité et la confidentialité des informations. « Notre tolérance au risque est très faible lorsqu’il s’agit d’informations sur nos patients pédiatriques », affirme Tonthat.
Malgré ces défis, l’IA offre des opportunités significatives pour améliorer les soins pédiatriques. Texas Children’s utilise l’IA depuis plus de dix ans dans des domaines tels que la modélisation prédictive, l’automatisation, l’apprentissage profond et l’apprentissage automatique. Récemment, l’hôpital a commencé à explorer l’IA générative pour optimiser les flux de travail des équipes soignantes.
Un exemple concret est le modèle d’IA développé par Texas Children’s pour prédire l’âge osseux à partir de radiographies des mains. Entraîné sur des millions d’images, ce modèle permet de déterminer l’âge osseux d’un enfant en quelques secondes. « Comme nous disposons de millions de radiographies d’images de mains, nous avons entraîné le modèle pour lui faire savoir en quelques secondes quel est l’âge de la main de cet enfant du point de vue de la densité osseuse », explique Tonthat. L’intégration de cet outil a permis de réduire de 50 % le délai d’exécution des analyses.
CHOP explore également les applications de l’IA en radiologie, notamment pour améliorer les diagnostics, détecter les erreurs de laboratoire et accélérer l’analyse des lames pathologiques. Des outils d’IA pourraient également aider les médecins à mieux gérer les patients souffrant d’asthme en résumant leurs antécédents médicaux, en évaluant leur risque de grippe et en suggérant des traitements appropriés.