L’intelligence artificielle pourrait bien creuser les inégalités d’accès aux soins dans les zones rurales et défavorisées des États-Unis. Si les grands hôpitaux investissent massivement dans ces technologies, les établissements de proximité, souvent en première ligne pour les populations les plus vulnérables, peinent à suivre le rythme.
North Country Healthcare, qui dessert le nord de l’Arizona rural, est un exemple frappant de cette situation. Le groupe médical, qui exploite 13 cliniques et deux unités mobiles pour soigner 55 000 personnes, se retrouve souvent seul pour assurer la prise en charge dans des régions isolées où les patients doivent parfois parcourir des heures pour consulter un spécialiste. Le Dr Jennifer Cortes, médecin spécialisée dans la santé de la population au sein de North Country Healthcare, souligne que l’IA pourrait alléger la charge administrative des soignants et réduire l’épuisement professionnel.
« Quand ChatGPT est sorti, je me suis dit : ‘Oh mon Dieu, ça pourrait vraiment améliorer les choses pour nous qui travaillons dans ce domaine’, » explique-t-elle. « Je voudrais simplement que mon travail soit moins difficile tout le temps. Si ça pouvait fonctionner, ce serait incroyable. »
Cependant, l’adoption de l’IA n’est pas aussi simple qu’il y paraît, surtout pour les établissements à faibles ressources. La mise en œuvre de ces technologies nécessite une expertise technique et des capacités de surveillance que beaucoup n’ont pas les moyens de se payer. Selon Brian Anderson, PDG de la Coalition for Health IA, « ceux qui peuvent se le permettre sont ceux qui poursuivent l’IA le plus agressivement. Ceux qui sont dans les communautés rurales, par exemple, qui n’ont pas le personnel informatique pour déployer et configurer différents types d’outils d’IA ne sont pas en mesure de le faire. C’est un exemple de la fracture numérique qui se renforce dans le domaine de l’IA. »
L’implémentation de l’IA est loin d’être un simple « coup d’interrupteur », selon Paige Nong, professeure adjointe à la University of Minnesota School of Public Health. « Ces outils et ces systèmes nécessitent un travail humain considérable. » Les centres de santé communautaires, qui fournissent des soins primaires aux populations défavorisées, opèrent souvent avec des marges très faibles. En 2023, leur marge nette n’était que de 1,6 % (contre 4,5 % en 2022), en raison de l’inflation et de la fin des financements liés à la pandémie.
De plus, plus de 70 % des centres de santé communautaires ont signalé des difficultés à recruter des médecins de soins primaires, des infirmières ou des professionnels de la santé mentale l’année dernière, selon le Commonwealth Fund. La mise en œuvre de l’IA implique également la mise en place de structures de gouvernance pour évaluer la sécurité et l’efficacité des outils, ainsi qu’une surveillance continue pour s’assurer que les performances ne se dégradent pas avec le temps.
« Il est évident quand un scalpel se rouille, vous savez qu’il faut le remplacer ou le nettoyer », illustre Anderson. « Avec beaucoup de ces outils d’IA, nous ne le savons pas nécessairement encore. Comment les systèmes de santé peuvent se permettre de faire le type de surveillance et de gestion de ces modèles au fil du temps est une réelle préoccupation. »
Les défis financiers rendent également difficile l’investissement dans l’infrastructure informatique nécessaire. Jennifer Stoll, responsable des affaires extérieures chez Health Informal et Consultancy Ochin, souligne que « beaucoup d’organisations de santé communautaire n’ont d’autre choix que de compter sur des systèmes technologiques obsolètes et inefficaces. » À North Country Healthcare, par exemple, le Wi-Fi dans les cliniques est parfois instable et le système de dossier médical électronique actuel ne sera plus pris en charge dans quelques années.
« Nous manquons même des bases », reconnaît Cortes. « Même si on ne parle pas d’IA, nous sommes à la traîne. »
Une étude récente publiée dans Health Affairs a révélé que seulement 61 % des hôpitaux américains utilisant des modèles d’IA prédictifs avaient évalué leur précision avec leurs propres données, et seulement 44 % avaient évalué les biais potentiels. Les hôpitaux qui avaient développé leurs propres modèles avaient des marges d’exploitation plus élevées et étaient plus susceptibles d’évaluer leurs produits localement.
Pour éviter d’aggraver les inégalités, des initiatives de soutien aux petits établissements de santé sont nécessaires. Des modèles de mentorat, des centres d’extension régionaux et des partenariats avec des systèmes de santé plus importants pourraient aider à combler le fossé. North Country Healthcare participe au réseau de pratique de la Health AI Partnership, qui offre un soutien technique et des conseils pour l’adoption de l’IA.
« Il y a une grande différence entre l’endroit où toute la conversation concerne l’IA dans les soins de santé et où beaucoup de personnes qui offrent des soins de santé sont en termes de capacité à adopter et à l’utiliser en toute sécurité », conclut Cortes. « Quand ils parlent de tous ces énormes investissements dans l’IA, c’est bien, c’est excitant, mais comment vont-ils nous apporter aussi ? »