IA et parcours patient selon la CNAM
Les outils d’intelligence artificielle : une transformation profonde des pratiques, de la prise en charge et du système de santé
Définition et impact potentiel
L’intelligence artificielle (IA) est définie par l’Organisation Mondiale de la Santé comme : « une branche de l’informatique, des statistiques et de l’ingénierie qui utilise des algorithmes ou des modèles pour effectuer des tâches et présenter des comportements tels que l’apprentissage, la prise de décision et les prédictions ».350
Une très grande variété de systèmes utilisant l’intelligence artificielle sont en cours de développement dans le secteur de la santé. L’impact potentiel des systèmes à base d’IA sur le parcours des patients est majeur et totalisant (Figure ci dessous). Ainsi, une attention particulière doit être portée à ces innovations dont l’utilisation pourrait redéfinir la pratique et la place des professionnels de santé dans le parcours et la relation de soins.
Un fort besoin d’évaluation clinique et de preuves scientifiques
Le processus d’évaluation des systèmes d’IA est particulièrement exigeant. Actuellement, la majorité des publications scientifiques relatives aux systèmes d’IA relèvent de la « validation analytique », mais leurs résultats d’efficacité sont marqués par les jeux de données d’entrainement des modèles, et influencent donc le contexte d’utilisation optimale. Ainsi, il est crucial de mettre en place des études prospectives visant à évaluer les systèmes d’IA selon des critères de jugement cliniques et des contextes d’utilisation pertinents.
Enfin, des dispositifs visant à accompagner les acteurs souhaitant conduire ce genre d’études existent. Par exemple, l’appel à projet, porté par BPI France, « Evaluation du bénéfice médico-économique des dispositifs médicaux numériques et des dispositifs médicaux d’équipement » a pour ambition de financer des évaluations cliniques post marquage CE et s’inscrit pleinement dans la démarche d’accompagnement de France 2030.
Des modalités d’évaluation à adapter selon une matrice de risque
Pour prendre en compte les spécificités des systèmes d’IA et leur grande variété d’application, il sera très probablement nécessaire d’adapter les modalités d’évaluation. Ainsi, il semble nécessaire d’initier une réflexion quant à la conception d’une matrice de risques visant à permettre de prioriser les besoins en évaluation de ces systèmes. Cette réflexion pourrait être étendue à l’ensemble des DMN à usage professionnel et s’inspirer des travaux de l’International Medical Device Regulators Forum datant de 2014 et plus récemment de l’EU AI Act proposant une stratification du risque en fonction du niveau de risque et de criticité de la situation clinique adressée par la solution et le niveau d’information fournie par celle-ci.
Les principaux enjeux autour de la définition des modalités d’évaluation résident principalement sur la nature des études menées par les fournisseurs de solutions (caractère prospectif ou rétrospectif, utilisation de critères de jugement pertinents cliniquement, etc.), l’identité de l’évaluateur (la HAS met en évidence deux principales pistes : une évaluation réalisée par la HAS, ou une évaluation portée par les Collèges Nationaux Professionnels avec un potentiel appui méthodologique de la HAS), et la temporalité de l’évaluation clinique.
Pour en savoir plus consultez le Rapport 2024 Charges et Produits CNAM
