Place du numérique et de l’intelligence artificielle dans l’activité médicale. Éléments pour une réflexion commune entre médecins et entreprises
p. 403-417
Texte intégral
1Le 28 juin 2021, l’OMS a publié un rapport sur l’IA « Ethics and governance of artificial intelligence for Health »1 soulignant que l’IA constitue un grand espoir pour améliorer la prestation des soins et la médecine dans le monde entier mais à condition de placer l’éthique et les droits humains au cœur de sa conception de son déploiement et de son utilisation.
2Dans une vision globale sur l’ensemble de la planète certains risques sont à craindre, de surestimer les avantages de l’IA dans le domaine de la santé quand cette technologie vient supplanter les stratégies de base nécessaires pour parvenir à la couverture sanitaire universelle. Les systèmes conçus et entrainés à partir de données des pays à revenus élevés peuvent ne pas fonctionner pour des populations à revenu faible. Plus encore, les intérêts des patients et des communautés peuvent être négligés au profit de puissants intérêts commerciaux des entreprises technologiques ou à ceux des gouvernements (surveillance et contrôle social).
3En Europe, clairement, le futur de la santé est digital. La commission Européenne2 considère que la transformation digitale de la santé et des soins peut améliorer le bien-être de millions de citoyens et changer radicalement la manière dont les soins médicaux sont délivrés aux patients. Les opportunités de la santé digitale sont réelles : 93 % des citoyens de l’UE souhaitent gérer leurs données de santé, et 80 % sont d’accord pour partager leurs données.
4Il s’agit d’un enjeu scientifique de recherche et d’innovation pour lequel les structures publiques sont initiatrices. Il est possible d’analyser de grandes quantités de publications scientifiques, d’identifier les effets secondaires des médicaments. La science des données permet le développement de la médecine génomique et de la médecine personnalisée.
5Mais c’est également un marché important dans lequel les industries proposent déjà de nombreux services dans tous les domaines. Pour la santé des contraintes supplémentaires apparaissent puisque la santé et la vie des individus en dépendent. Des progrès exceptionnels ont été apportés par tous ces nouveaux outils mais il persiste encore des difficultés avec l’idée d’un outil d’IA qui puisse décider seul.
6Dans cette présentation, la première partie sera consacrée à la situation observée aujourd’hui, comment le numérique s’est imposé dans les activités cliniques, créant des bases de données numériques, mais aussi dans la recherche. Une deuxième partie s’intéressera à l’avenir du numérique et de l’intelligence artificielle pour la santé prenant en compte les attentes des patients et les demandes des professionnels dans les innovations qui nous sont annoncées.
I. La situation aujourd’hui : numérique et objets connectés ; données, algorithmes et IA
7Le numérique s’est installé partout dans la délivrance des soins à l’hôpital et dans les cabinets médicaux. Comme dans la vie de tous les jours, le numérique a pris une place importante dans les activités médicales en raison de la rapidité des opérations et de la simplification de certaines tâches.
8Les dossiers médicaux sont numérisés comme les résultats et les images de radiographies, les résultats de laboratoires, les courriers médicaux et les rapports opératoires.
9La première étape de la transformation numérique des hôpitaux publics a débuté par la mise en place d’une gestion numérique des dossiers administratifs pour faciliter le remboursement des soins.
10Cette logique financière a longtemps dominé la stratégie d’informatisation de l’appareil de distribution des soins. Le PMSI, Programme de médicalisation des systèmes d’information, a été instauré par la Loi 31 7 19913, obligatoire depuis 1996. Il s’agit d’une évaluation et une analyse d’activité des établissements de santé destinées à l’assurance maladie. Cet instrument épidémiologique est rapidement devenu un instrument de gestion financière dont l’objectif est de calculer l’allocation budgétaire à allouer aux établissements publics et privés.
11Des données médico-administratives normalisées sont enregistrées dans un recueil standard d’information réparties en 4 champs : médecine, chirurgie, obstétrique et odontologie auxquels s’ajoutent les soins de suite et réanimation, la psychiatrie et l’hospitalisation à domicile.
A. Les apports du numérique dans les activités médicales cliniques
12Dans les hôpitaux, le matériel numérique s’est largement déployé. Les ordinateurs sont présents partout et se déplacent au lit des malades. Les médecins génèrent de plus en plus de données médicales numérisées créant ainsi des bases de santé numérisées.
13Des automates réalisent les analyses médicales et produisent des résultats numérisés facilement transmissibles.
14Depuis plusieurs années, la reconnaissance d’images est utilisée pour développer des méthodes de diagnostic assisté par ordinateur à partir d’un très grand nombre de données issues des techniques numérisées d’imagerie (radiologie, dermatologie, oncologie). Les machines sont entrainées pour améliorer leurs performances par le « machine learning » basé sur le principe d’entrée-sortie : à partir des informations d’entrée, les informations de sortie sont attendues. La machine est alors informée de la qualité du résultat, soit la reconnaissance est correcte, soit le résultat est faux. Progressivement la machine apprend et donne de plus en plus de conclusions correctes en sortie. Avec ce système, des anomalies de plus petit volume sont détectées alors qu’elles n’étaient pas décelables avec l’œil d’un radiologue averti. La performance du système dépend du nombre et de la qualité des annotations réalisées par les spécialistes pour entrainer la machine.
15Les robots jouissent d’un succès médiatique parce qu’ils sont spectaculaires et synonymes de progrès mais ils restent des outils. En 2018, 80 robots chirurgicaux sont déployés en France, ils ne se substituent pas au chirurgien4, ils sont pilotés par la main de l’homme. Associés aux technologies de l’imagerie numérique, ils permettent une chirurgie personnalisée puisque le chirurgien peut s’entrainer sur une maquette 3D ou un clone de l’organe à opérer. Pour aller plus loin, la chirurgie éveillée sous réalité virtuelle première mondiale expérimentale a été réalisée à Angers en 20165, au cours de laquelle le patient peut interagir avec le chirurgien.
16Les robots compagnons ne remplacent pas l’homme, mais ils ont une fonction sociale d’accompagnement surtout pour l’aide aux personnes âgées. Plus de 100 établissements gériatriques ont adopté des robots sociaux6.
17Les cabinets médicaux se sont informatisés avec parfois l’aide financière de la sécurité sociale pour faciliter les échanges entre les professionnels de santé et l’assurance maladie.
18La mise en place de la carte vitale en 1998 permet la prise en charge directe des soins (nominative avec photographie) sur laquelle les professionnels de santé indiquent les actes pratiqués. Elle ne contient que des renseignements administratifs. Les données médicales sont réunies dans le dossier médical personnalisé (DMP), il n’y a pas de lien entre la carte vitale et le DMP. Rappelons ici que la gestion administrative des dossiers des assurés est totalement indépendante du contenu médical des prestations délivrées. Les médecins de l’assurance maladie assurent leur mission de conseil et de contrôle en totale indépendance, de l’administration de la caisse dans le respect du secret professionnel.
19Le Dossier Médical partagé est un carnet de santé numérique, constitué avec l’accord du patient. Il est accessible au patient qui décide des éléments contenus dans le DMP et aux professionnels de santé désignés. Les données de santé : traitements, résultats d’examens, sont conservés et sécurisés. L’accès est protégé et la confidentialité respectée. Créé en 2004 ce DMP n’a pas apporté les résultats attendus (10 millions de dossiers). Il a eu des difficultés à se mettre en place parce que les médecins n’ont pas encouragé les patients à le créer. Il va être remplacé en 2022 par un nouveau système entièrement numérique : « Mon espace santé » créé automatiquement par l’assurance maladie pour un partage des données de santé avec le praticien avec une messagerie sécurisée.
1 ) Big Data et e-santé
20L’intelligence artificielle ne peut pas fonctionner sans données. « L’algorithme sans données est aveugle, les données sans algorithme sont muettes » déclare la CNIL, liant ainsi de manière très étroite la science des données et le développement de l’IA. Le CNOM rajoute « il n’y a pas d’IA sans big data »7 , la valeur provient de la qualité des données plus que de l’algorithme, c’est pourquoi il est impératif de disposer de données médicales fiables. La France a la chance de disposer d’un système centralisé qui regroupe les données de 99 % de la population le SNDS créé en 2016. Il regroupe les données de la sécurité sociale (SNIRAM) les données du PMSI des hôpitaux et celles du registre des causes médicales de décès de l’INSERM. Ce sont des données brutes pseudonimysées qui doivent être mises en forme pour en permettre l’analyse. C’est le rôle de l’Institut national des données de santé. L’INDS organise les relations entre les producteurs de données et les utilisateurs dans le but de fluidifier l’accès, de coordonner les études et de vérifier leur transparence afin de limiter au maximum les risques d’atteinte à la vie privée. C’est un outil très précieux parce que les données qu’il contient sont fiables. Cette initiative publique est certainement plus lourde à mettre en action mais contrairement aux bases de données utilisées pour l’entrainement des outils privés qui contiennent une part importante de données issues de l’internet, les projets mis en œuvre à partir de l’INDS ont des objectifs plus modestes mais mieux ciblés sur les caractéristiques de notre population.
e-santé et objets connectés
21On regroupe sous le terme de e-santé un ensemble de pratiques et d’outils qui utilisent un support électronique pour la transmission de données de santé. Nous nous intéresserons à la télémédecine et aux objets connectés.
22La télémédecine est une pratique médicale à distance mobilisant les technologies de l’information et de la communication. Elle met en rapport entre eux soit le patient et un ou plusieurs médecins, soit des médecins entre eux. Les échanges d’information se font directement par voie orale mais aussi par télétransmission de données numérisées tels que les résultats d’examens et d’imagerie. Mise en place dans des conditions expérimentales par la loi du 21 juillet 2009, elle est entrée dans le droit commun de l’assurance maladie en 20188. La télémédecine est encouragée par la Commission Européenne9.
23Le décret du 19 octobre 2010 définit 5 types d’actes médicaux : la téléconsultation, la télé-expertise, la télésurveillance médicale, la télé assistance médicale, la réponse médicale dans la régulation du SAMU.
24Il faut distinguer télémédecine encadrée par la loi dans le système de soins et l’univers des services proposés et sur le net qui seront exposés plus loin.
25Les objets connectés destinés à la médecine répondent aux dispositions de la directive sur les dispositifs médicaux qui prévoit leur validation et le contrôle par les professionnels de santé 10. Il existe par ailleurs une offre commerciale de dispositifs sur le net, présentés comme utiles à la santé mais qui sont considérés comme des objets de bien-être.
26D’après l’étude du LEEM, 161 millions d’appareils de santé connectés en 2020 soit +120 % de plus qu’en 2016 (smartphones, implants, montre …)11. Les objets connectés de santé sont une révolution pour le suivi des maladies chroniques (diabète, maladies cardiovasculaires et pulmonaires, vieillissement, 548 000 personnes sont atteintes d’au moins une pathologie chronique en 2020). Ils permettent la surveillance des constantes, la coordination des spécialistes, l’adaptation des soins, les premières expertises permettant d’éviter des consultations. 8 patients sur 10 sont prêts à s’équiper d’objets connectés.
2) Intelligence Artificielle pour la santé et la recherche
27Qu’entend-t-on par IA ? De nombreuses tentatives de définition ont été proposées puisque l’intelligence artificielle est utilisée dans tous les domaines. On pourrait dire que c’est ce qu’une machine peut faire à la place d’un homme, cette machine n’est pas plus intelligente que l’homme mais elle dispose de capacités de plus en plus importantes d’analyse et de calculs grâce à l’utilisation d’algorithmes et de données massives. Le terme de traitement de données algorithmiques a été utilisé dans la loi de bioéthique pour informer les patients de l’utilisation d’un dispositif médical utilisant l’intelligence artificielle (art. L. 4001-3-1 du CSP).
28Plusieurs applications : systèmes experts, Machine learning, deep learning.
29Dans l’activité clinique, les systèmes experts, génèrent des alertes et des rappels, une assistance au diagnostic, des relectures thérapeutiques et des plannings de soins.
30Les premières applications destinées aux médecins ont commencé à se diffuser dans les années 1990 pour la surveillance des dialysés en générant des alertes et en 2000 pour l’autosurveillance des diabétiques. L’usage des capteurs s’est répandu et avec le développement de l’analyse des données, la voie était ouverte à la santé mobile (Livre blanc du CNOM en 2015).
31Le « Machine learning » est un ensemble d’algorithmes capable d’améliorer les performances de la machine à mesure qu’elle reçoit de nouvelles données. Une réponse est attendue à partir d’une question posée. La machine est informée si la réponse est correcte (supervision) et quand le résultat est faux. Graduellement, la machine génère de plus en plus de résultats satisfaisants.
32Le « deep learning » est une technologie basée sur des réseaux de neurones artificiels inspirés des neurones du cerveau humain, chaque neurone pouvant entrainer un signal excitant ou inhibiteur sur les neurones auxquels il est connecté. Ces réseaux peuvent créer des algorithmes capables d’apprendre et de s’améliorer de manière autonome. Plus le nombre de neurones est élevé plus le réseau est profond.
33On peut citer comme exemple le logiciel d’intelligence artificielle Watson12. C’est un système de « cognitive computing » capable de répondre aux questions posées par un humain en langage naturel qui a des applications multiples. Il propose des solutions à partir de recherches effectuées dans d’énormes corpus de données. 20 % des données sont structurées et chiffrées, les autres sont issues d’articles scientifiques ou de presse etc… Les experts entrainent le logiciel à fournir des réponses pertinentes. Watson a été développé également pour la santé, version qui nécessite un apprentissage avec des données pertinentes. Si les données prises en compte sont parcellaires ou inadaptées à la population étudiée, cela peut induire des biais dans les solutions proposées, d’où la nécessité d’impliquer des professionnels de santé dans la construction du programme.
Numérique et intelligence artificielle dans la recherche
34La recherche est multidisciplinaire, depuis longtemps les équipes de chercheurs ont intégré des spécialistes de l’informatique pour l’analyse des résultats de leurs protocoles. De nouveaux algorithmes sont utilisés à tous les stades des recherches pour créer des modèles animaux afin de réduire le nombre des animaux de laboratoire13. Les recherches précliniques in silico fondées sur les lois de la physique et de la chimie, utilisent des modèles mathématiques pour modéliser les phénomènes biologiques. L’analyse de la relation structure activité (QSAR) établit des corrélations entre une structure chimique et un effet biologique et identifie des molécules chimiques similaires pour enrichir une base de données expérimentales. Les logiciels sont de plus en plus performants pour renseigner les critères pharmacocinétiques et sont utilisés pour le screening de nouveaux ingrédients14.
35Avec l’apprentissage par renforcement, la structure de 30 000 molécules a été réalisée avec GENTRL pour cibler une protéine liée à la fibrose, puis 6 d’entre elles ont été synthétisées et la plus prometteuse a été testée sur les cellules souches (en 21 jours)15.
36Les chercheurs du MIT ont découvert la molécule Halicine, un antibiotique puissant en utilisant le deep learning alimenté par une base de données sur les caractéristiques moléculaires de 2 500 médicaments. In vivo, la molécule a réussi à tuer de nombreuses bactéries résistantes aux antibiotiques existants. Toutefois, malgré l’accélération très rapide des premières étapes, la suite du processus de développement sera identique et il faudra des essais cliniques de plusieurs années avant que le médicament puisse être mis sur le marché.
37Des logiciels permettent l’optimisation du recrutement des patients pour les essais cliniques. À titre d’exemple, Dr Warehouse16 permet le recrutement de cohortes de patients, à l’hôpital Necker 670 000 dossiers sont regroupés avec 5 millions de documents, utilisés par 290 chercheurs.
Simulation numérique des maladies
38Les outils mathématiques sont capables à partir de la collecte d’un grand nombre de données de modéliser des maladies à condition que la simulation soit pertinente. Les applications sont encore limitées. On peut citer : Le projet ARAMIS simule un cerveau développant la maladie d’Alzheimer afin d’en comprendre la progression et d’identifier de manière personnalisée les facteurs de risque de déclin cognitif rapide17. Et le projet Calym18 collecte les données de la recherche clinique et préclinique sur le lymphome de 13 équipes académiques depuis 20 ans pour construire le « lymphome data hub » qui est utilisé pour des projets de recherche académiques sur la compréhension des lymphomes.
39L’idée du patient virtuel n’est pas encore possible mais la recherche dans ce sens est en marche. Compbiomed19, centre d’excellence en biomédecine digitale, développe un projet européen qui a pour but de créer un humain virtuel sur lequel on pourra tester les nouveaux médicaments ou préparer les interventions chirurgicales.
II. L’avenir du numérique et l’Intelligence artificielle pour la santé
A. Les attentes des patients
40Ils souhaitent intégrer les technologies numériques dans la relation de soins avec les professionnels de santé. Fin 1983, 3 millions de patients étaient équipés dans le monde de dispositifs de monitoring à domicile sous le contrôle de professionnels de santé20. Il est possible de surveiller à distance les dialysés (Diatelic) mais aussi de fournir aux diabétiques des outils d’autosurveillance (Diabeo). Ces dispositifs présentent des garanties pour les patients : les algorithmes sont certifiés pour leur usage en santé parce que ce sont des dispositifs médicaux selon les termes de la Directive Européenne 93/42/EC. Ils sont assortis de recommandations de bonnes pratiques, le médecin assure la communication avec empathie, le dispositif est présenté comme un complément de l’activité médicale et le patient est informé de l’usage du dispositif par un pictogramme.
41Mais surtout, les patients veulent accéder à la santé par eux-mêmes, en dehors du circuit traditionnel. Le patient devient un patient expert qui consulte des informations sur internet pour être un partenaire de la décision médicale. La démarche de ces patients relève d’une volonté de « gestion individuelle de sa santé dans une perspective de prévention et de perfectionnement21 ». Pour les malades chroniques : 21,5 % ont téléchargé une application mobile de santé, 71 % sont possesseurs d’un smartphone ou d’une tablette22, 51 % ont échangé avec leur médecin sur les données ou les mesures recueillies. Les diabétiques sont les ambassadeurs de la santé mobile, 55 % des 65 à 79 ans et 34 % des 80 ans et plus ont un smartphone, 6 sur 10 ont téléchargé une application : le carnet de suivi, l’Information sur leur pathologie, les actualités liées à la maladie, les applications liées aux objets connectés de santé.
42Les communautés de patients évoluent dans cet espace. Créées depuis les années 90 à l’initiative d’associations de patients, elles ont pour objectif le partage d’information et l’entraide entre les malades. Certaines entreprises s’appuient sur ce nouveau « marché » des communautés de patients en ligne, pour proposer des services marchands23.
43Concernant la consultation de sites dédiés à la santé sur internet, l’étude IPSOS 24 montre que 68 % les consultent au sujet des maladies et de leur traitement, cherchent des informations relatives aux objets connectés. Ils s’informent sur les structures de soins et utilisent les sites spécialisés pour les rendez-vous médicaux. 60 % sont satisfaits du résultat. Mais ils demandent que ces sites soient validés et contrôlés par des médecins (HON). Il est important que les entreprises développent les dispositifs nécessaires à répondre à cette demande.
44La relation médecin-patient qui est la base de l’exercice médical doit désormais intégrer un troisième partenaire, les technologies du numérique et de l’intelligence artificielle, qui enrichissent les capacités respectives du médecin et du patient.
B. Les besoins/demandes des professionnels de santé
45Les médecins privilégient la relation médecin malade en particulier pour l’information sur les avantages et les inconvénients de l’utilisation des technologies numériques.
46La loi de bioéthique25 a consacré l’obligation d’information pour le professionnel de santé qui utilise un dispositif médical comportant un traitement de données algorithmiques dont l’apprentissage a été réalisé à partir de données massives et que la personne est informée de l’interprétation qui en résulte (art. L. 4001-3-1 CSP).
47De leur côté les professionnels de santé sont informés du recours à ce traitement de données. Les concepteurs d’un traitement algorithmique s’assurent de l’explicabilité de son fonctionnement pour les utilisateurs. Un arrêté du ministre de la santé établit après avis de l’HAS et de la CNIL la nature des dispositifs concernés et leurs modalités d’utilisation.
48Les médecins s’interrogent sur le fait que la machine puisse prendre une décision médicale (diagnostic, traitement) toute seule. La délégation de la décision médicale sans validation par un médecin du résultat proposé par la machine place le médecin dans une situation d’exécutant, contraire à la déontologie médicale puisque le médecin ne doit pas aliéner son indépendance professionnelle26. Cette situation ne peut être acceptée, la garantie humaine est nécessaire pour toute décision médicale.
49Le principe d’une garantie humaine dans l’utilisation des algorithmes en santé constitue « la garantie d’une supervision humaine dans toute utilisation du numérique en santé et l’obligation d’instaurer pour toute personne le souhaitant à tout moment la possibilité d’un contact humain en mesure de lui transmettre l’ensemble des informations la concernant… »27. Le CCNE souhaite préserver la maîtrise finale du professionnel de santé en interaction avec le patient pour prendre une décision appropriée. Les garanties sont apportées par des procédés de vérification régulière, le recueil d’un deuxième avis médical en cas de doute. Le CCNE s’est prononcé en faveur de l’interdiction d’un acte décisionnel uniquement effectué par l’intelligence artificielle sans intervention humaine.
50Les médecins ont renforcé les liens avec les informaticiens et les spécialistes de l’IA dans des projets multidisciplinaires et participent à l’apprentissage des machines notamment en imagerie.
51Les professionnels de santé souhaitent disposer d’outils numériques et d’algorithmes fiables, entrainés avec des données pertinentes dont le fonctionnement est explicable au patient et l’utilisation justifiée pour chaque patient. La qualité et le choix des données annotées est une préoccupation permanente.
52Les résultats des corrélations et automatismes ne doivent pas être sans contrôle ni justifications. Ils doivent pouvoir être expliqués (explicabilité), et permettre l’intervention du professionnel pour valider ou actualiser le système (garantie humaine).
53Afin de comprendre globalement comment on arrive au résultat, il faut pouvoir préciser les critères retenus pour hiérarchiser et classifier les informations. Le fonctionnement des algorithmes est assez obscur, « on a parlé de boîte noire », parce qu’il y a une Incapacité à décrire de façon intelligible le résultat produit par la machine dans chaque nouveau cas. Le caractère autoapprenant n’empêche pas de retrouver a posteriori les facteurs pris en compte dans la solution proposée.
54Dans son rapport, Cédric Villani considère qu’il « est difficile de garantir a priori le comportement d’un système d’apprentissage, parce que les protocoles d’apprentissage profond sont trop opaques et les protocoles d’audit balbutiants » ... et … que l’« on ne peut admettre en tant que société, que certaines décisions importantes puissent être prises sans explications ».
55La conception humaine des logiciels suppose des choix décisionnels pour éviter les biais. Les algorithmes ne font que reproduire les discriminations présentes dans les données qu’on leur fournit. L’algorithme de décision reproduit les inégalités sociales (minorités, cas rares, …) parce que certaines catégories ne sont pas représentées du fait de l’ignorance des signaux faibles. Les éléments se trouvent dans les données mais le traitement statistique ne les fait pas ressortir. Certaines études ne prennent pas en compte les situations particulières les moins fréquentes.
56Le numérique accentue fortement l’application au niveau individuel de résultats obtenus sur des groupes de population. Un biais pourrait résulter de la systématisation de raisonnements fondés sur des modèles qui n’ont pas la capacité à prendre en compte l’ensemble des caractéristiques et des préférences de chaque patient.
C. Innovation
Les entreprises de création en IA
57Une étude du LEEM montre que 80 Entreprises de taille intermédiaire (ETI) et PME et 270 start-ups sont spécialisées dans l’IA (+ 30 % de créations supplémentaires / an depuis 2010). Il y a 400 millions d’euros pour les partenariats publics-privés pour soutenir la recherche en IA.
58La France est parmi les 4 pays leaders pour les publications sur l’IA (avec la Chine, les USA et l’UK).
59Rien qu’en 2018 les entreprises du médicament ont signé une quinzaine d’accords avec des start-ups d’intelligence artificielle Berg, Exscientia ou Aktana auxquels s’ajoutent des partenariats plus anciens avec les géants du web.
60Les start-ups explorent le potentiel de l’IA en médecine, rassemblent autour des projets des médecins, des informaticiens et des ingénieurs qui tissent des liens étroits avec les centres de recherche clinique des hôpitaux : prédiction de l’évolution clinique et mesure de l’efficacité des traitements (exploite les données IRM des patients, associées aux biomarqueurs), diagnostic automatisé de la rétinopathie diabétique par deep learning entrainé sur un échantillon d’un million d’images.
La médiatisation des innovations
61Dès qu’une innovation est signalée, les médias la répercutent en général à grand bruit. Les concepteurs ont souvent besoin de collecter des fonds et cette publicité basée sur les performances futures d’un procédé non encore complètement expérimenté et validé scientifiquement contribue à stimuler la compétition. En revanche ces annonces dans le grand public font croire que le procédé fonctionne ou que le nouvel antibiotique sera bientôt disponible.
62De même les objets connectés destinés au bien-être qui ne sont pas validés médicalement peuvent donner des informations approximatives à certains patients, plus encore les prédictions réalisées à partir de données non validées médicalement peuvent être erronées. Sans vouloir restreindre la e-santé au contrôle exclusif des professionnels de santé, un espace de liberté doit permettre au citoyen de choisir les dispositifs de son proche environnement qui favorisent son bien-être. Il convient de lui procurer une information sur l’absence de validation médicale de la plupart des applications vendues pour améliorer la santé afin qu’il ne soit pas privé des recommandations fiables qui lui seraient nécessaires.
Quelques remarques pour conclure
63L’OMS recommande de « promouvoir une IA réactive et durable : les concepteurs, développeurs et utilisateurs devraient évaluer de manière continue et transparente les applications de l’IA en situation réelle afin de s’assurer que la technologie répond de manière adéquate et appropriée aux attentes et aux besoins. », avec les principes suivants : protéger l’autonomie en restant maître des systèmes de soins et de santé avec un consentement approprié, un cadre juridique assurant la protection des données ; garantir la transparence, la clarté l’intelligibilité ; garantir inclusion et équité en encourageant l’utilisation et l’accès équitable le plus large, indépendant de l’âge, du sexe, du genre, des revenus, de la race, de l’origine ethnique, de l’orientation sexuelle, ou d’autres caractéristiques protégées par les droits humains.
64Ces principes sont actuellement appliqués en Europe. L’intelligence artificielle en santé a modifié profondément la relation médecin-patient qui se décline désormais à trois partenaires qui intègre le tiers numérique. On peut parler, avec le CNOM, de médecin augmenté et de patient modélisé mais aussi grâce au numérique le patient devient acteur de sa santé c’est désormais un partenaire engagé.
Notes de bas de page
1 https://buzz-esante.fr/wp-content/uploads/2021/07/9789240029200-eng.pdf
2 Connected for a healthy future digital transformation, empowered citizen, healthier. Brochure published by DG CONNECT. societycNET-H3@ec-europa.eu.
3 Article 6113-7 et 8 CSP.
4 Rapport du CNOM Janvier 2018 « Médecins et patients dans le monde des data, des algorithmes et de l’intelligence artificielle », p. 13.
5 Rapport du CNOM, précité, p. 25.
6 CNOM p. 14.
7 Rapport CNOM Janvier 2018 Médecins et patients dans le monde des data, des algorithmes et de l’intelligence artificielle p. 12 https://www.conseil-national.medecin.fr/sites/default/files/external-package/edition/od6gnt/cnomdata_algorithmes_ia_0.pdf.
8 Vie publique télémédecine https://www.vie-publique.fr/eclairage/18473-la-telemedecine-une-pratique-en-voie-de-generalisation.
9 (Com (2008)689) Communication on telemedicine for the benefit of patients, health care systems and society).
10 Directive 93/42/CE and R 2017/745 UE.
11 Etude du LEEM « Intelligence artificielle et données de santé : le mariage du futur » : https://www.leem.org/100-questions/intelligence-artificielle-et-donnees-de-sante-le-mariage-du-futur.
12 Watson : comment marche l’IA dIBM dans la santé, la banque, Journal du Net. https://www.journaldunet.com/solutions/reseau-social-d-entreprise/1196452-ibm-watson/.
13 Le nouveau règlement REACh 1907/2006 incite à n’utiliser les essais sur les animaux qu’en dernier recours. L’utilisation des animaux pour les essais de cosmétologie est interdite par l’Union Européenne depuis 2009.
14 À titre d’exemple voir : Méthodes et outils de caractérisation de l’impact de xénobiotiques sur la reproduction : méthodes d’études in silico. http://www.ipubli.inserm.fr/bitstream/handle/10608/222/Chapitre_19.html?sequence=1545&isAllowed=y
15 A. Zhavoronkov, Y.A Ivanenkov, Aliper, A et al « Deep learning enables rapid identification of potent DDR1 kinase inhibitors », Nature biotechnology 37, 1038-1040 (2019).
17 Voir les technologies d’intelligence artificielle des instituts Carnot www.instituts-carnot.eu
19 Conférence 2021 : « Building the virtual human » www.compbiomed-conference.org
20 Étude du CNOM, Santé connectée. De la e-santé à la santé connectée, Janvier 2015, p. 10, Berg Insight. https://www.conseil-national.medecin.fr/sites/default/files/external-package/edition/lu5yh9/medecins-sante-connectee.pdf
21 Antoinette Rouvroy, Cahier de la CNIL Le corps nouvel objet connecté p. 16. https://www.cnil.fr/sites/default/files/typo/document/CNIL_CAHIERS_IP2_WEB.pdf
22 Le Lab e-santé communiqué de presse 5 juin 2015 www.le-lab-e-sante.fr
23 http://www.lemonde.fr/sciences/article/2014/06/18/le-mercantilisme-menace-les-communautes-de-patients_4440551_1650684.html
24 Étude IPSOS, Quels enjeux pour les Français sur une labellisation dans la santé connectée ? Octobre 2016, https://www.ipsos.com/fr-fr/quels-enjeux-pour-les-francais-sur-une-labellisation-dans-la-sante-connectee
25 Loi n° 2012-1017 du 2 août 2021 relative à la bioéthique.
26 Art. R. 4127-5 CSP.
27 Avis 129 du CCNE « Contribution du CCNE à la révision de la Loi de bioéthique », p. 105.
Auteur
Maître de Conférences émérite Université Toulouse3 Paul Sabatier
UMR/INSERM CERPOP 1292, équipe Bioethics
Coordinatrice du WG Numérique et robotique de la Chaire UNESCO Ethique, Sciences, Société
Le texte seul est utilisable sous licence Licence OpenEdition Books. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.
Qu’en est-il du code du commerce 200 ans après ?
États des lieux et projections
Corinne Saint-Alary-Houin (dir.)
2008
Qu'en est-il de la simplification du droit ?
Frédérique Rueda et Jacqueline Pousson-Petit (dir.)
2010
La réorientation européenne de la TVA à la suite du renoncement au régime définitif
Francis Querol (dir.)
2014
Regards critiques sur quelques (r)évolutions récentes du droit
Tome 1 : Bilans et Tome 2 : Réformes-Révolutions
Maryvonne Hecquard-Théron et Jacques Krynen (dir.)
2005