AI for Health Summit : trois grandes tendances à retenir sur l’intelligence artificielle en santé

Le 16 novembre 2022, la cinquième édition de l’événement AI for Health s’est tenue à Paris dans l’un des plus grand campus de startups au monde, Station F. Cocréé en 2018 par Startup Inside et Janssen, AI for Health est une initiative qui a pour mission de construire un écosystème autour de la Santé et de l’Intelligence Artificielle en rassemblant tous les acteurs de l’innovation dans ce domaine : chercheurs, médecins, startups, industriels et acteurs publics. De nombreux thèmes ont été abordés, allant des questions réglementaires liées aux données de santé à la présentation des dernières innovations par les startups de cet écosystème. Une belle réussite, clôturée par l’intervention du Ministre de la Santé et de la Prévention, François Braun, nous rappelant que l’objectif premier de l’innovation en santé est d’améliorer la qualité des soins, tout en insistant sur l’ambition qu’a la France d’être le leader international de l’innovation dans ce secteur. Plus de 1600 participants étaient présents à cet événement anniversaire. Alcimed était présent et fait le point sur les trois grandes tendances qui ont marqué cette 5e édition de l’AI for Health.

Tendance n°1 : une grande diversité d’acteurs se mobilise pour faire émerger l’IA en santé

Comme nous l’avons constaté lors de l’événement, un large spectre d’acteurs, aussi bien publics que privés, médecins qu’industriels, se mobilise pour faire émerger une véritable filière de santé autour des technologies d’IA, et construire un écosystème pour pousser l’innovation à la croisée de ces secteurs. Si différentes parties prenantes innovent en ce sens, c’est au carrefour de cette émulation que se trouveront les ruptures et plus grandes avancées pour demain.

L’Etat et les organismes publics : en plus de devoir agir au niveau local, régional et national pour permettre la coordination entre les acteurs de l’écosystème, l’Etat, à travers ses administrations et institutions, peut également agir en faveur du développement des innovations d’intérêt public, notamment en fixant un cadre propice à l’innovation. C’est le cas aux Etats-Unis avec le programme Bridge2AI lancé par le NIH et la startup française Owkin pour construire une base de données de voix humaines, afin de pousser l’exploration des caractéristiques vocales comme biomarqueurs pour détecter des pathologies telles que la dépression.

Les hôpitaux : ce sont aujourd’hui les hôpitaux qui agrègent le plus de données de santé, dans des formats très variés : bases médico-administratives, comptes-rendus médicaux, dossiers patients, images médicales, etc. Par exemple, l’Hôpital Foch a collaboré avec Medicen pour lancer le Challenge AI for Health 2022 à partir de leurs données hospitalières. Le défi visera à identifier grâce à l’IA des facteurs prédictifs de l’augmentation de la durée de séjour et/ou de la mortalité post-opératoire des patients ayant reçu une anesthésie.

Les industriels de la Tech : de plus en plus, les industriels de la Tech développent des solutions en santé, notamment en collaborant avec d’autres acteurs du système. Aussi, Airbus et de l’IUCT Oncopole de Toulouse mutualisent des ressources techniques en IA et une ingénierie de pointe avec les connaissances du secteur de l’oncologie et les données médicales pour faire émerger les innovations de demain.

Tendance n°2 : cadrer, connecter et promouvoir comme mots d’ordre pour innover en santé

Chaque acteur de l’écosystème a son rôle à jouer dans l’innovation en santé, qu’il s’agisse de fixer un cadre pour permettre l’innovation, de connecter les acteurs ou encore de promouvoir les innovations. Ces trois fonctions sont étroitement liées.

Fixer un cadre, rôle détenu essentiellement par l’état et les institutions publiques, permet donner un cap commun aux acteurs de l’IA en santé, ici l’ambition de la France à devenir un pôle international d’excellence en biotechnologies ainsi que la promotion de partenariats.
Une fois le cadre fixé et le cap donné, connecter les acteurs permet non seulement de mutualiser les ressources, mais aussi de développer des synergies cross-secteurs autour de l’IA en santé.

Enfin, mettre en avant l’efficacité des techniques d’IA par des challenges et hackathons est doublement bénéfique, en permettant d’une part de capter davantage d’acteurs de l’innovation en leur offrant une opportunité de promouvoir leur savoir-faire, et d’autre part en créant des guichets de valorisation des données hospitalières les risques et les défis pour demain

Tendance n°3 : mesurer les risques et les défis pour demain

Face au principe de précaution, l’évaluation du risque « à ne pas faire ». Le principe de précaution a tendance à figer les processus d’innovation en santé, notamment quand on s’intéresse au sujet sensible des données (freins réglementaires, accès, etc.). Aussi, Emmanuel Bacry, Directeur Scientifique du Health Data Hub, a rappelé lors d’une conférence à ce sujet l’importance de démystifier le risque lié au partage de données, et surtout celle d’évaluer le risque « à ne pas faire » en ne les partageant pas, un risque qui a tendance à être sous-estimé et qui a pourtant des répercussions directes sur les patients.

Face aux freins à l’adoption des technologies, l’inclusion des parties prenantes dans le développement. Pour que l’IA inspire confiance et soit correctement perçue par les utilisateurs, il est important de les rassurer et de les sensibiliser aux nouvelles technologies. Comme conclu dans deux interventions, cela passe d’une part par l’éducation des citoyens aux enjeux liés à l’IA, et d’autre part par l’inclusion de professionnels de santé dans les processus de développement, afin de mieux comprendre leurs besoins et de s’assurer de la valeur qu’a l’innovation dans leur exercice.

Face aux risques liés au transfert de données, la technique de l’apprentissage fédéré. Pour limiter les flux de données et réduire les risques liés au transfert d’informations, l’apprentissage fédéré (ou federated learning) a été présenté à de multiples reprises au cours de cette journée comme une solution prometteuse. Plutôt que de transférer l’ensemble des données d’apprentissage pour les centraliser sur un serveur unique, cette approche, introduite pour la première fois par Google en 2016, consiste à entrainer un modèle de machine learning sur plusieurs serveurs à la fois, chacun disposant de ses propres données localement, et de ne transférer que le modèle entrainé une fois cette étape terminée.

L’intérêt grandissant et le potentiel de l’IA en santé positionnent donc ce sujet au cœur des innovations de demain. Alcimed peut vous accompagner dans vos projets liés à la Data Science et à l’intelligence artificielle. N’hésitez pas à contacter notre équipe !

A propos de l’auteur, 

Clarisse, Consultante au sein de l’équipe Santé d’Alcimed en France