Fusions & Acquisitions, La première revue des raprochements d'entreprises

DOSSIERS

L’intelligence artificielle – l’impact de l’IA sur l’industrie médicale

Interview du Dr. Jean-David Zeitoun,
par Cornelie Terlez,
Healthcare & Life Sciences Sector Lead,
Simmons & Simmons LLP 

+ - télécharger en PDF Imprimer Envoyer l'article par e-mail
Les recherches sur l’intelligence artificielle (IA) en médecine sont-elles récentes ?
Jean-David Zeitoun : Non, pas vraiment. Elles sont presque aussi anciennes que la conception de l’IA elle-même. Les premiers écrits retrouvables sont sans doute ceux de Robert Ledley, sur les bases du raisonnement médical et leur rapport possible aux ordinateurs (1959). Il y a aussi eu un psychiatre américain, Jerrold Maxmen, qui a publié un livre en 1976 sur ce qu’il appelait l’ère post-médecin. Il imaginait que les soins seraient pratiqués par une association d’ordinateurs et de professions dites paramédicales. Toujours est-il que pendant des décennies, les recherches ont généré ce qu’on appelle des systèmes experts, c’est-à-dire des logiciels qui étaient instruits par des humains sur des conduites à tenir, et qui essayaient ensuite d’appliquer des recettes pour prendre en charge des situations cliniques. De l’avis général, ces systèmes experts n’ont pas révolutionné la médecine et n’ont eu qu’un effet marginal sur la qualité des soins. Ils n’ont jamais été extraordinairement efficaces et ils posent aussi la limite de leur non-scalabilité.

Alors pourquoi a-t-on l’impression que le sujet est devenu omniprésent depuis peu ?
Jean-David Zeitoun :
En résumé, c’est parce que presque tout a changé, à savoir notamment le fameux triangle-clé de l’IA : puissance de calcul des ordinateurs, taille des jeux de données (dataset) et progrès des algorithmes d’apprentissage automatique (ou apprentissage machine, soit machine learning). Un tournant vient clairement de la publication en 2012 par une équipe de Toronto d’un article relatant les performances améliorées d’un algorithme de machine learning lors d’un exercice classique de reconnaissance d’images. Parmi les auteurs de ce papier figure Geoffrey Hinton, un chercheur majeur en IA, qui vient de recevoir le prix Turing, sorte de Nobel de la discipline, qu’il partage avec Yann Le Cun et Yoshua Bengio.

Quelles sont les applications possibles du machine learning en médecine ?
Jean-David Zeitoun : Elles sont très nombreuses, potentiellement infinies et il en existe probablement que l’on ne conçoit pas encore. Parmi les plus évidentes, on peut citer la détermination de facteurs prédictifs (de maladie, de complication, de réponse ou de toxicité d’un traitement), la reconnaissance d’images, l’aide au diagnostic, mais aussi le décryptage de données génomiques, l’épidémiologie, la gestion des hôpitaux ou des systèmes de soins. C’est très vaste, cela embrasse quasiment toutes les activités de la biomédecine.

Parmi ces potentialités, certaines sont-elles plus matures que d’autres, voire déjà actives ?
Jean-David Zeitoun : Sans aucun doute l’imagerie médicale au sens large ou même la reconnaissance d’images, qui concerne donc plus de spécialités médicales (cardiologie, ophtalmologie, dermatologie, anatomopathologie, etc.). Cela fait longtemps que l’IA s’intéresse à la compréhension des images. Bien que l’imagerie médicale se distingue par certains aspects des exercices classiques d’apprentissage profond en analyse d’images (notamment parce que les données sont souvent en 3D et multimodales), elle représente une continuité presque directe du travail des algorithmes déjà établis et performants. Ainsi, la plupart des articles publiés dans différents cas d’usage (c’est-à-dire différentes pathologies) confirment que la machine égale ou surpasse les performances des médecins. Ce n’est pas très connu mais les erreurs humaines en radiologie sont aussi assez fréquentes, allant jusqu’à 20% dans certaines estimations.

La Food and Drug Administration (FDA) a déjà autorisé plusieurs produits d’IA d’imagerie, notamment dans les fractures de poignet et les atteintes rétiniennes liées au diabète. Il va y en avoir probablement beaucoup d’autres assez rapidement.
Comment se fera la monétisation ?

Jean-David Zeitoun : C’est une des questions les plus importantes mais qui reste ouverte. Sur le marché de la santé, la rentabilisation de l’investissement initial passe très souvent pour les entreprises quelle que soit leur taille, par une couverture c’est-à-dire un remboursement par les différentes assurances publiques ou privées dans chaque pays ou territoire. Un médicament non remboursé – surtout s’il est cher – n’a à peu près aucune chance d’être un succès commercial, idem pour les dispositifs médicaux. Si les concepteurs de produits d’IA médicale visent une adoption massive, ils devront certainement en passer par là dans une bonne proportion de cas. Ce qui veut dire pour eux se soumettre à des exigences élevées de preuves de validité voire de supériorité par rapport aux standards (la question des standards n’étant souvent pas triviale d’ailleurs). Ils sont en train de le faire alors que l’industrie digitale ne l’avait pratiquement pas fait avant eux. A terme, on peut imaginer des essais cliniques en grand nombre, similaires aux essais cliniques conduits par les laboratoires pharmaceutiques ou les entreprises de dispositif médical, cherchant à démontrer un avantage comparatif d’une pratique de soins « avec » IA contre une pratique habituelle. En cas d’avantage confirmé, l’utilisation du produit pourrait être remboursée, le calcul des systèmes de soins étant que cette couverture améliorerait la santé des patients pris en charge dans l’ensemble.
Il existe probablement des alternatives où les praticiens ou centres de soins payent directement de leurs poches le droit d’usage du produit. Ils peuvent le faire s’ils ont déjà un niveau de rémunération important sur l’acte afférent (et qu’ils cherchent alors pour des raisons intrinsèques à élever leur niveau de soins) ou parce qu’ils calculent que le recours au produit d’IA est susceptible d’améliorer leur productivité et donc d’augmenter indirectement leurs revenus. On peut même imaginer que l’acquisition d’un produit d’IA fasse partie d’une stratégie marketing comme cela a été le cas avec un certain robot chirurgical dont les bénéfices cliniques sont controversés.

L’industrie pharmaceutique est-elle un acteur important dans le domaine de l’IA médicale ?
Jean-David Zeitoun : Elle n’est pas l’acteur pionnier mais elle semble vouloir monter dans le train rapidement. Mon analyse est qu’elle a partiellement manqué la vague du digital – mais toute l’industrie médicale ou presque n’a pas bien pris cette vague – et qu’elle sent que cette fois-ci, le potentiel est très supérieur, à la fois d’opérer un saut qualitatif pour elle mais aussi de se faire disrupter par d’autres acteurs en termes de partage de la valeur. L’industrie pharmaceutique investit donc dans un certain nombre de projets qui me semblent sensés mais qui sont hétérogènes. On ne sait pas bien encore quelles seront les meilleures applications de l’IA pour elle mais l’aide à la découverte de nouvelles molécules est une voie prometteuse car très difficile de base. 

Dans pratiquement tous les secteurs industriels, l’IA pose le risque de la destruction des emplois. Qu’en est-il en médecine ?
Jean-David Zeitoun : En théorie, le problème existe mais c’est en théorie seulement et pour plusieurs raisons. D’abord parce qu’en général, ce sont surtout des tâches qui sont détruites mais que les emplois effacés sont remplacés par d’autres. Il n’est pas fou d’imaginer que les médecins feront moins certaines tâches et se redéployeront sur d’autres. C’est déjà arrivé et cela n’a pas forcément posé de problème. Ensuite, la profession a historiquement bien résisté aux tentatives de disruption voire d’attaques. Je pense même que beaucoup de médecins voient bien le potentiel de l’IA et qu’ils conçoivent d’être actifs dans la transition du métier. Même avec un rôle significatif donné à la machine, il reste beaucoup de rôles à jouer pour les médecins : premièrement l’interprétation du verdict délivré par l’IA mais aussi bien sûr le partage de cette information avec le patient, qui va forcément devenir plus complexe parce que technique. Il faudra aussi – et je pense que cela sera délicat – gérer l’impact du déploiement des nouveaux produits d’IA sur l’organisation du travail. Quand on connait la complexité d’un hôpital, on mesure les futures difficultés nouvelles qui risquent d’émerger. Enfin, la demande en médecine est potentiellement sans limites. Si les machines s’approprient massivement certaines fonctions médicales, il y aura toujours une marge d’amélioration qui sera transférée au médecin. Nous en voulons toujours plus quand il s’agit de ne pas être malade.

Et à part ce risque ou ce non-risque, voyez vous d’autres sujets sensibles voire problématiques ?
Jean-David Zeitoun : Oui, il y en a beaucoup mais tous ne présentent pas le même niveau de probabilité ni de dangerosité. Parmi les risques cités qui me semblent peu plausibles, il y a le risque de déqualification des médecins (deskilling) ou celui de perte d’emploi que je viens de commenter. La déqualification des médecins est très incertaine et si elle survient, elle concernera je pense des fonctions mineures. Il est probable qu’au contraire, les médecins soient amenés à progresser au contact de la machine, car ils devront être au niveau pour la « challenger » lorsqu’elle se trompera (ce qui lui arrivera toujours) et parce que lors d’un résultat anormal inattendu, ils pourront probablement déterminer a posteriori l’élément pathologique qu’ils n’auraient pas identifié.
A l’autre extrémité du spectre, il existe des effets pervers vraisemblables mais bénins, comme par exemple le fait de savoir si une prédiction est actionnable ou pas. Beaucoup ne le seront pas et le livrable de la machine sera donc considéré comme futile. Pour rendre cet exemple plus concret, untelle IA pourra nous dire que ce cancer est plus grave que la moyenne mais cela ne se traduira pas forcément par une action thérapeutique différente (soit parce qu’aucun traitement n’existe ou plus probablement parce qu’on ne sait pas quelle stratégie thérapeutique est la plus indiquée dans ce cas).
Enfin, il existe des risques qui me semblent à la fois probables et dangereux. J’en ai déjà évoqué un certain nombre. Un impact négatif sur le flux de travail en est un. Le problème des corrélations parasites en est un autre, qui n’est pas nouveau et qui est inhérent à la nature observationnelle d’une analyse donnée. Le risque ici est que l’information donnée par un produit d’IA soit fausse et trompeuse. Il y a aussi le problème de la boite noire (blackbox), à savoir qu’aujourd’hui, on ne sait pas comment un algorithme est arrivé à un résultat donné. Ce risque est bien identifié par les chercheurs en IA et des approches sont déjà testées pour l’atténuer voire le neutraliser.

Qu’est-ce qu’un investisseur doit examiner avant de prendre une décision concernant une société développant un produit d’IA médicale ?
Jean-David Zeitoun : Les principes habituels restent sans doute valables, à savoir que les 3 étapes qui déterminent le succès commercial d’un produit médical n’ont pas de raison de changer : régulation, évaluation, adoption. La régulation répond à peu près aux standards connus et les agences, notamment la FDA, travaillent le sujet pour fixer des normes d’autorisation. L’évaluation est plus délicate mais le concept de démontrer une supériorité par rapport à l’existant est invariant. En France, la Haute Autorité de Santé a récemment publié un guide précisant les spécificités de l’évaluation clinique de dispositifs médicaux connectés, ce qui comprend ceux qui sont dotés d’une IA. Enfin, l’adoption est un point critique et particulièrement difficile à anticiper notamment à l’échelle globale car beaucoup d’éléments locaux – variables d’un endroit à l’autre – influencent le recours réel à un produit médical, a fortiori s’il est d’un genre nouveau.

Jean-David Zeitoun est docteur en médecine, hépato-gastroentérologue, diplômé de Sciences Po Paris, docteur en épidémiologie clinique, et entrepreneur.

article à la une
En poursuivant votre navigation sur ce site, vous acceptez l’utilisation d'un cookie une fois connecté à vos identifiants, ceci vous permettant de naviguer pleinement sur notre site.