4 axes d’intégration de l’IA dans un CHU

Quelle est la démarche du CHU de Montpellier pour réussir une intégration fonctionnelle de l’IA ? Et qu’en est-il la Gen AI ?

Quand on parle d’IA dans un CHU, il est essentiel de distinguer ses domaines d’application car les besoins qu’ils impliquent, surtout en termes de compétences diffèrent. Le traitement des données médicales, par exemple, nécessite des approches spécifiques et des mesures de sécurité rigoureuses différentes de celles des ressources humaines ou des achats. De plus, chaque domaine a ses propres enjeux et défis.

Un premier axe se concentre sur l’exploitation des données. Il s’agit de comprendre comment enrichir les données disponibles et améliorer leur qualité, notamment grâce à l’exploitation des données textuelles par les techniques de traitement automatisé du langage (NLP). L’objectif est d’exploiter ces données pour le pilotage stratégique et la valorisation d’une part, et pour la recherche clinique et le partage de données rares d’autre part. Un autre objectif est de développer des approches de médecine personnalisée et prédictive.

Le deuxième axe concerne les outils de traitement de l’information au quotidien du travail des soignants. Nous devons réfléchir aux outils qui permettent une meilleure saisie et visualisation des informations. Par exemple, la reconnaissance de voix associée à un traitement par l’IA en mobilité peut grandement améliorer l’efficacité des professionnels de santé, en facilitant l’acquisition mais aussi la structuration et l’organisation des données.

Le troisième axe porte sur la productivité individuelle en dehors des activités cliniques. Il est indispensable de former et d’équiper les professionnels de santé pour qu’ils puissent utiliser l’IA générative dans leur travail quotidien. Cela inclut la gestion de projets, la rédaction d’articles scientifiques, la conception de formations et d’autres tâches importantes qui ne sont pas directement liées aux soins, mais qui sont essentielles au bon fonctionnement de l’hôpital.

Le dernier axe se focalise sur l’assistance à gestion hospitalière. Cela inclut des domaines comme les achats, les finances, la logistique, la planification des ressources et la décarbonation. L’IA peut y apporter des améliorations significatives en optimisant les processus et en réduisant les coûts.

Au CHU de Montpellier, nous avons déjà réalisé une première grande transformation. Un poste de directeur médical en charge de la stratégie de gouvernance des données a été formalisé pour permettre d’assurer une cohérence, une mutualisation et un alignement de toutes les ressources.

Des modèles économiques encore à construire

Quels seraient les freins au passage à l’échelle de solutions d’IA au CHU et comment les lever ?

De manière général en France, l’hôpital fait face à des défis financiers majeurs, qui rendent très difficile les investissements qui seraient nécessaires pour ces technologies. Afin de pouvoir expérimenter et valider ces innovations, il faut aller chercher des financements auprès de l’industrie ou de l’État. Les besoins concernent les compétences dans toute l’ingénierie logicielle pour entrainer et adapter des modèles d’IA mais aussi les infrastructures d’hébergement et les solutions permettant de réaliser des calculs haute performance, ce qui est indispensable pour garantir la souveraineté du traitement des données et diminuer notre dépendance vis-à-vis des prestataires externes.

Pour autant, la multiplication et la diversification des partenariats sont essentielles pour un CHU tant les besoins de nouveaux métiers en lien avec ces technologies sont forts. Nous travaillons avec différents acteurs, comme Microsoft, pour bénéficier de leurs services tout en essayant de contrôler les coûts et d’assurer une certaine indépendance. Nous venons, par exemple, d’annoncer un nouveau partenariat de mécénat avec Dell pour des infrastructures de calcul haute performance.

Comment ces nouvelles technologies devront-elles être financées et quels sont, selon vous, leurs modèles économiques les plus pertinents ?

Les modèles économiques restent à inventer et de nombreuses questions vont se poser : qui paiera le coût de ces technologies ? Le remboursement par l’Assurance maladie, qui représente la grande majorité des recettes d’un hôpital, ne prendra pas en considération ces coûts sans un processus très long d’évaluation du service médical rendu. Si les bénéfices deviennent évidents, qui garantira l’équité d’accès aux soins et l’absence de perte de chance ? Enfin les coûts d’usage sont à ce jour très difficiles à évaluer car nous sommes dans une situation instable avec une évolutivité majeure.

L’intégration de l’IA dans les hôpitaux nécessite une approche multifacette, incluant l’exploitation des données, l’amélioration des outils de traitement de l’information, l’augmentation de la productivité individuelle et l’optimisation des processus de gestion. Pour réussir cette transformation, il est crucial de trouver les financements adéquats, de former les professionnels et de développer des partenariats stratégiques.

La Gen AI pour réinventer l’hôpital de demain

Quelles seraient les transformations nécessaires de l’hôpital pour bénéficier de ces technologies ?

Nos systèmes de santé travaillent depuis plus de 40 ans avec la Pharma, et depuis plus de 20 ans avec les éditeurs de logiciels en santé. Nous avons maintenant quelques années pour trouver la bonne façon de travailler avec les nouveaux entrants que sont les acteurs de l’IA au sein du monde des technologies de l’information.

A court terme, nous devons nous concentrer sur l’acculturation et la formation précoce des professionnels de santé et sur l’identification de filières universitaires spécialisées pour préparer les futures générations à ces transformations. Si ces questions ne sont pas anticipées, le risque est de se retrouver face à un système construit par des acteurs différents (par les Gafam notamment, avec des biais dans les modèles de données, dans les valeurs intégrées dans les algorithmes et le fonctionnement de l’IA) de ceux qui l’utilisent, créant des incohérences à long terme. Nous devons également valoriser les compétences indispensables à cette transition. Cela pourrait nécessiter des changements législatifs pour reconnaître officiellement ces rôles et intégrer ces compétences dans les fiches de poste des professionnels de santé.

Pour l’hôpital de demain, l’intégration de technologies de plus en plus puissantes et intelligentes pose des défis à tous les niveaux : stratégique, opérationnel et individuel. Il y a une certaine difficulté à appréhender de façon collective la transformation que cela impliquera. Les dernières publications soulèvent de nombreuses questions sur l’évolution de la médecine, notamment avec l’IA multimodale qui combinera l’imagerie, les dossiers médicaux et la génétique pour définir et surveiller des stratégies de prise en charge. L’hôpital devra évoluer lorsque ces innovations prouveront leur efficacité et leur supériorité par rapport aux dispositifs actuels. Par ailleurs, nous n’avons pas encore mesuré la transition entre l’IA classifiante que nous connaissons depuis une quinzaine d’année, qui justifie un apprentissage sur un grand volume de donnée pour accomplir une ou deux tâches, et l’IA générative dont les modèles, une fois entraînés, peuvent réaliser un nombre illimité de tâches, ce qui change profondément l’univers des possibles et les conséquences pour les hôpitaux. Je ne pense pas que nous puissions nous contenter d’être de simples spectateurs. Nous devons, au contraire, mettre en œuvre intelligemment ces innovations pour en tirer pleinement parti.