L’intelligence artificielle peine à transformer l’expérience patient dans les hôpitaux américains, malgré des investissements croissants. Une nouvelle étude révèle que les systèmes de santé ne parviennent pas à exploiter pleinement le potentiel de l’IA pour améliorer l’engagement des patients, un enjeu crucial pour la qualité des soins et la maîtrise des coûts.
Seulement 5 % des dirigeants de systèmes de santé interrogés se déclarent satisfaits des outils actuels pour encourager l’observance des traitements et réduire les absences à des rendez-vous médicaux, des problèmes qui engendrent des dépenses de santé inutiles estimées à des milliards de dollars chaque année. L’étude, menée par le cabinet de conseil Sage Growth Partners auprès de plus de 75 responsables d’établissements de santé aux États-Unis, souligne un décalage entre les promesses de l’IA et sa mise en œuvre effective.
Amy Bucher, directrice du comportement chez Lirio, estime que la solution réside dans une approche de « personnalisation N-of-1 », c’est-à-dire une adaptation ultra-personnalisée à chaque patient. « Dans le domaine de la santé, les méthodes de personnalisation standard manquent cruellement de finesse », explique-t-elle. « Elles se limitent souvent à des informations démographiques basiques, comme le prénom ou la tranche d’âge, au lieu de prendre en compte les motivations et les comportements individuels. »
Prenons l’exemple du dépistage du cancer du sein. Au lieu d’envoyer un simple rappel générique à toutes les femmes de plus de 40 ans, une approche N-of-1 analyserait les raisons pour lesquelles une patiente n’a pas effectué de mammographie depuis plusieurs années. « Est-ce que le rendez-vous est difficile à concilier avec son travail ? A-t-elle besoin de trouver une solution de garde d’enfants ? Est-elle anxieuse à l’idée du dépistage ? », détaille Bucher. « Une personnalisation qui ne tient pas compte de ces obstacles sera inefficace. »
Les récentes avancées en matière d’IA, notamment l’essor de l’IA agentique et de l’apprentissage par renforcement, ouvrent la voie à une personnalisation plus poussée. Si les professionnels de santé sont capables d’adapter leur communication en fonction des signaux verbaux et non verbaux, cette capacité n’est pas reproductible à grande échelle. « La technologie peut traiter des volumes de données bien plus importants que les humains, mais ce n’est que récemment qu’elle est capable de produire des résultats N-of-1 pertinents », précise Bucher.
Une meilleure personnalisation pourrait également améliorer l’engagement des patients atteints de maladies chroniques, comme le diabète, qui touche près de 10 % de la population américaine. « Les méthodes traditionnelles pour inciter les patients à prendre leurs médicaments et à consulter ne fonctionnent pas pour tout le monde », observe Bucher. « Personnaliser ces messages peut susciter un intérêt nouveau et les amener à considérer différemment les bénéfices d’agir. »
En conclusion, l’engagement des patients représente l’une des applications les plus prometteuses – et les plus sous-exploitées – de l’IA dans le secteur de la santé. Lorsque la personnalisation va au-delà des données démographiques pour s’attaquer aux obstacles individuels, elle peut non seulement améliorer les résultats cliniques, mais aussi impliquer les patients à grande échelle.
Sur le même sujet
