La pandémie de Covid-19 a propulsé la télémédecine au cœur des systèmes de santé, forçant les établissements du monde entier à adopter rapidement des solutions numériques pour maintenir l’accès aux soins. Cette transformation, qui semblait réservée aux zones rurales il y a encore quelques mois, s’accompagne d’une explosion de l’innovation technologique, de l’intelligence artificielle à la robotisation des tâches administratives.
L’augmentation de la demande de télémédecine est spectaculaire. En avril 2020, Blue Cross Blue Shield Massachusetts a enregistré 250 000 consultations à distance, soit une hausse de 3 600 % par rapport à février 2020 et de 5 100 % par rapport à 2019. Pour assurer un suivi médical complet à distance, la collecte de données physiologiques – saturation en oxygène (SpO2), tension artérielle, glycémie – devient essentielle, stimulant ainsi le développement d’appareils médicaux connectés pour la maison. Des entreprises comme Healthkon proposent déjà des dispositifs capables de surveiller plusieurs paramètres de santé simultanément.
L’essor de l’Internet des objets (IoT) dans le domaine de la santé permet aux médecins de surveiller leurs patients à distance, à condition que les données soient intégrées en temps réel. L’interopérabilité des systèmes, facilitée par des normes comme FHIR, est cruciale. Lors d’un récent événement organisé par HL7 India, une démonstration a illustré l’utilisation de FHIR pour connecter de manière transparente un patient et un médecin lors d’une téléconsultation.
L’innovation ne se limite pas à la télémédecine. La plateforme Kaggle a enregistré plus de 100 000 téléchargements pour son hackathon Covid-19, et de nombreux gouvernements – aux États-Unis, au Royaume-Uni, en Inde, au Canada – ont lancé des initiatives similaires pour trouver des solutions numériques aux défis posés par la pandémie. Au Royaume-Uni, par exemple, les efforts se sont concentrés sur des innovations pour améliorer la prise en charge des personnes âgées atteintes de cancer.
Le secteur pharmaceutique est également en pleine mutation. Le développement d’un nouveau médicament prend traditionnellement entre 10 et 20 ans. La crise actuelle pousse les entreprises à explorer des moyens d’accélérer ce processus grâce à la technologie. Des organisations comme aicures.mit.edu utilisent l’intelligence artificielle pour prédire les propriétés moléculaires, comme la lipophilie et la solubilité aqueuse, grâce à un algorithme d’apprentissage automatique appelé SAMPN.
Les essais cliniques, étape cruciale du développement de médicaments, bénéficient également de ces avancées. Identifier les bons candidats représente environ 10 % du budget total. Des entreprises comme Clinithink exploitent le traitement automatique du langage naturel (TALN) pour repérer les patients potentiels à partir de dossiers médicaux, réduisant ainsi considérablement les délais de recrutement. Mount Sinai a ainsi réduit le temps de recrutement de 9 mois à deux semaines grâce à l’outil CLiX ENRICH.
Parallèlement à ces innovations, de nombreux processus administratifs dans les établissements de santé restent encore non numérisés. La robotisation des processus (RPA) offre une solution pour automatiser les tâches répétitives et réduire les coûts. La Cleveland Clinic a par exemple automatisé le processus d’enregistrement des patients pour les tests Covid-19, réduisant le temps de traitement de plus de 90 % grâce à UiPath.
La numérisation des données médicales, y compris les notes cliniques prises lors des consultations, est également en cours. Des solutions comme Next Pen de Nextgen et Digital Pen de Doxper permettent de capturer ces informations électroniquement sans perturber le flux de travail des médecins. L’analyse de ces données, grâce au TALN et à des terminologies normalisées comme SNOMED-CT, peut faciliter le codage médical et réduire les erreurs de facturation.
Enfin, l’intelligence artificielle est utilisée pour améliorer le diagnostic et la prévention des maladies. GE a obtenu l’approbation de la FDA pour un algorithme capable de détecter le pneumothorax sur les radiographies pulmonaires, réduisant le délai de diagnostic de 8 heures à 15 minutes. Des établissements comme Geisinger et Cleveland utilisent l’apprentissage automatique pour identifier les patients à risque de septicémie, et une approche similaire peut être appliquée à la prévention des maladies chroniques, comme l’hypertension.
Selon l’Organisation mondiale de la santé, plus de 1,1 milliard de personnes dans le monde souffrent d’hypertension, une cause majeure de décès prématuré. Aux États-Unis, 22 % des décès liés au Covid-19 étaient associés à une comorbidité d’hypertension et 15 % au diabète. L’intégration de ces différentes technologies pourrait avoir un impact significatif sur la santé publique.