La présence de l’IA dans le domaine médical est déjà très tangible, que ce soit dans l’analyse d’images, la chirurgie assistée ou encore la prévention des pandémies. L’accès donné au grand public à l’IA générative depuis décembre 2022 – par le biais de ChatGPT d’OpenAI, puis de ses concurrents – a été le tournant d’une nouvelle ère pour de nombreux domaines, y compris celui de la santé. Ce point de vue est partagé par Thomas Wolf, co-fondateur d’Hugging Face (communauté d’experts développant des modèles d’IA en accès libre), qui place la santé parmi les trois secteurs actuels les plus porteurs pour la recherche en IA générative, aux côtés de la finance et du droit [1]. Le marché mondial de l’IA générative en santé, estimé à 0,8 M$ fin 2022, devrait atteindre une valeur de 17,2 M$ d’ici 2032. Entre 2023 et 2032, on estime que ce marché enregistrera le taux de croissance annuel composé (TCAC) le plus élevé, estimé à  37,0 % [2].

Déjà des cas d’usage de l’IA générative en santé 

L’IA générative, qui exploite des modèles d’apprentissage automatique pour analyser des ensembles de données existants et créer de nouvelles informations (ou données), offre de multiples opportunités dans le domaine de la santé. En effet, cette technologie peut s’appliquer à divers secteurs ou disciplines allant de la gestion administrative à la recherche médicale, en passant par l’assistance aux examens cliniques et l’optimisation de structures protéiques pour de nouveaux traitements. Les modèles d’IA générative sont aujourd’hui entraînés sur des ensembles de données d’une dimension telle qu’il est difficile d’en dissocier les sources fiables et les sources non fiables. Or s’agissant d’un domaine critique, les applications de l’IA en santé nécessitent d’entraîner les modèles sur des bases fiables et purement médicales. 

On parle alors d’un nouveau paradigme dénommé Generalist Medical Artificial Intelligence (GMAI) [3]. Les modèles de GMAI sont capables d’interpréter de manière flexible différentes combinaisons de données médicales, y compris des données d’imagerie, des dossiers médicaux, des résultats de laboratoire, de la génomique, ou encore des graphiques. En retour, les modèles produisent des sorties expressives telles que des explications en texte libre, des recommandations orales ou des annotations d’images, démontrant ainsi des capacités avancées de raisonnement médical. L’IA générative pourrait ainsi contribuer, par exemple, à une manière de communiquer plus vulgarisée du médecin vers le patient, et pourrait aussi faciliter la gestion de l’équilibre compassion / détachement pour les médecins lors d’annonces difficiles [4].

Une récente publication en la matière [5] décrit plusieurs applications potentielles de la GMAI, dont certaines ont déjà un ancrage important dans la réalité :

Les rapports de radiologie basés sur l’IA générative. Les radiologues sont reconnus comme des pionniers des technologies médicales depuis plus de 20 ans. Avec notamment l’introduction du système d’archivage et de transmission des images (PACS pour « Picture Archiving and Communication System« ), ils ont su s’adapter aux technologies innovantes pour optimiser leurs activités, améliorer la qualité des soins et obtenir de meilleurs résultats. La GMAI leur apporte de nouvelles méthodes de travail, en mettant à leur disposition des assistants de radiologie, capables de rédiger automatiquement des rapports de radiologie. 

Les procédures chirurgicales augmentées. La GMAI devrait permettre de fournir une assistance aux chirurgiens afin de réviser les procédures réalisées, par le biais de visualisations, notations et analyses. Un modèle bien entraîné pourrait également résumer des publications relatant des faits anatomiques rares observés au cours de la chirurgie, ce qui pourrait être un outil puissant d’aide à la décision face à des situations critiques non communes.

L’aide à la décision au chevet du patient. Ces modèles peuvent également servir d’outils d’aide à la décision en pratique clinique courante, permettant ainsi de fournir aux cliniciens des explications détaillées, basées à la fois sur les antécédents du patients et des données fournies en temps réel. 

La prise de notes interactive. La GMAI pourrait révolutionner le dialogue entre patients et professionnels de santé en automatisant les prises de notes et les informations issues des conversations au cours des consultations. Cette  technologie permet notamment de produire des notes électroniques et des rapports automatiquement, réduisant ainsi la charge administrative des cliniciens qui peuvent alors se consacrer davantage au patient. La startup française Nabla, pas exemple, propose déjà ce type de produit sous la forme de Nabla Copilot, un logiciel basé sur l’IA permettant d’automatiser la prise de notes, la documentation clinique et la génération de rapports médicaux.

Les robots conversationnels (chatbots) à usage des patients. La GMAI  ouvre également de nouvelles perspectives en matière de soutien aux patients, en permettant d’imaginer des chatbots personnalisés capables de fournir des soins de haute qualité en dehors des environnements cliniques. Malgré ses biais, GPT4 est en mesure de répondre à de nombreuses questions médicales, même s’il n’a pas été initialement conçu par des experts médicaux pour réaliser cette fonction. Un agent conversationnel conçu par le corps médical sur un jeu de données vérifié et validé permettrait d’offrir des conseils détaillés et des explications aux patients quant à leur pathologie. Ceci répond à un besoin réel : aujourd’hui, du fait d’un manque de personnel qualifié au sein des structures de soins, les professionnels de santé disposent de moins en moins de temps pour écouter et répondre aux nombreuses questions des patients. En France, il existe des forums tels que Doctissimo, ou encore des applications (Vik, MaPatho) visant à combler ce manque. Ces solutions pourraient, à court terme, être améliorées grâce à la GMAI.

Des transformeurs de textes en protéines. L’IA révolutionne déjà la conception de nouvelles molécules, et la GMAI pourrait permettre de le faire de manière homologuée pour la création de protéines. En effet, un simple prompt textuel pourrait permettre de générer des séquences d’acides aminés et des structures tridimensionnelles de protéines. Cette application permettrait d’accélérer la conception de protéines présentant les propriétés fonctionnelles souhaitées, révolutionnant ainsi la R&D pharmaceutique. 

Les derniers investissements en IA générative et santé dans la Baie de San Francisco 

Les géants de la Tech en Silicon Valley ont depuis longtemps affiché un fort intérêt pour le secteur de la santé. Aussi, le premier semestre 2023 a t-il vu les investissements et partenariats stratégiques dans ce domaine s’intensifier, particulièrement pour ce qui concerne l’IA générative.

Microsoft

En avril 2023, Microsoft et Epic [6], (société fondée en 1979 et développant des logiciels patients et dossiers médicaux informatisés), ont annoncé une expansion de leur collaboration stratégique pour combiner la puissance d’Azure de Microsoft (intégrant les produits d’OpenAI) avec le logiciel de dossier médical électronique (DME), produit phare d’Epic et leader de l’industrie. Cette collaboration vise in fine à fournir une gamme complète de solutions alimentées par l’IA générative, afin de faciliter l’exploration des données de manière conversationnelle et intuitive, et permettre aux responsables cliniques d’identifier des améliorations de prise en charge. Plusieurs solutions sont déjà en cours de déploiement à University of California San Diego Health, University of Wisconsin Health à Madison, et Stanford Health Care, sites qui sont parmi les premières à bénéficier des améliorations logicielles d’Epic [7].

Microsoft avait déjà réalisé plusieurs investissements dans l’IA en santé avec, notamment, l’achat de Nuance communications en 2019, pour la somme colossale de 19,7 M$, lui permettant ainsi d’acquérir une entreprise considérée à l’époque comme pionnière dans le domaine de l’IA conversationnelle pour les soins de santé. La société, aujourd’hui propriété de Microsoft, a annoncé en mars dernier l’intégration de GPT4 à ses produits [8]. DAX (Dragon Ambient eXperience), leur produit phare, est destiné à alléger la charge de travail des cliniciens dans la rédaction des comptes rendus médicaux. DAX écoute les conversations avec les patients et transcrit les notes de visites médicales. La dernière version de DAX inclut donc GPT4. Actuellement, 77% des hôpitaux américains utiliseraient la technologie de Nuance [9].

Google

Autre géant de la Tech, Google a publié son modèle de langage Med-PaLM2 en mai 2023. PaLM2 (Pathways language model) est le dernier modèle de langage à grande échelle (LLM) lancé par Google ; il succède au précédent modèle PaLM, datant de 2022. Sa déclinaison Med-PaLM2 est une version optimisée pour les questions médicales. 

Zoubin Ghahramani, de la direction de la recherche à DeepBrain, affirme que “MedPaLM2, entraîné par nos équipes de recherche en santé avec des connaissances médicales, peut répondre aux questions et résumer les informations issues de divers textes médicaux denses. Il atteint des résultats exceptionnels en matière de compétences médicales”. En effet, Google estime que Med PaLM2 est le premier modèle de langage à atteindre un niveau de performance « expert » sur le jeu de données MedMCQA, qui comprend plus de 194 000 questions (couvrant 2 400 sujets de santé et 21 matières médicales), dont certaines sont similaires à celles de l’Examen Médical de Licence des États-Unis (USMLE). Avec une précision de plus de 85 %, Google affirme que Med-PaLM2 rivalise avec les connaissances et l’expertise des professionnels de la santé [10]. Notons qu’au même titre que les experts médicaux, Med-PaLM2 peut parfois générer des réponses potentiellement dangereuses : ce risque a été évalué à 5,9 %, contre 5,7 % pour les experts humains. L’équipe de recherche travaille activement à des améliorations pour garantir la sécurité des utilisateurs et la qualité des informations fournies. 

L’arrivée de Med-PaLM2 marque donc une avancée majeure dans l’utilisation de l’IA dans le domaine médical. Néanmoins, il sera important pour Google de poursuivre ses recherches et travailler en étroite collaboration avec les professionnels de la santé pour maximiser son potentiel et garantir des résultats, encore plus fiables, et sécurisés.

L’intérêt de Google pour l’IA en santé n’est pas un phénomène nouveau. Google Cloud et la Mayo Clinic avaient déjà signé en 2019 un partenariat de 10 ans [11], première étape d’un accord établi entre les deux sociétés pour travailler ensemble sur les applications d’IA dans les soins de santé. Le 7 Juin dernier, Google Cloud a déclaré que la Mayo Clinic testait, pour le compte de Google, un nouveau service appelé Enterprise Search [12]. Celui-ci a été développé pour permettre aux organisations de créer rapidement des chatbots personnalisés et des applications de recherche sémantique, avec un minimum de codage nécessaire pour démarrer, et une gestion et une sécurité intégrées, de niveau entreprise. John Halamka, président de la plateforme Mayo Clinic, croit beaucoup au futur de l’IA en santé et a récemment affirmé que, d’ici 2030, “les hôpitaux seront des entreprises axées sur les données qui combinent des algorithmes et des services humains de manière harmonieuse” [13]. On se trouve face à un changement de paradigme où les hôpitaux seront fournisseurs de services basés autant sur les données biomédicales que sur les humains. 

Enfin, en mai 2023, Google s’est également positionné dans le champ de l’administration de médicaments et de la génétique en annonçant le lancement de deux solutions : Target and Lead Identification Suite, et Multiomics Suite [14]. La première aide les chercheurs à prédire plus rapidement la structure des anticorps, évaluer la structure des acides aminés et accélérer la conception de protéines de novo. Cette solution permet de découvrir de nouveaux candidats médicaments de manière qualitative, plus rapidement et donc à plus faible coût. La suite Multiomics, quant à elle, facilite l’ingestion, le stockage, l’analyse et le partage de vastes quantités de données génomiques, permettant ainsi aux entreprises de développer des traitements de précision.

NVIDIA

La multinationale NVIDIA, basée à Santa Clara, en Californie, domine le marché de la fourniture de matériel et de logiciels d’IA. Après avoir établi, en 2021, des partenariats avec AstraZeneca et University of Florida Health pour des projets d’IA visant à accélérer les découvertes de médicaments, NVIDIA poursuit sa lancée avec de nouveaux projets en santé en 2023. Parmi eux, BioNeMo™ [15] est un service cloud pour l’IA générative, permettant aux chercheurs de déployer, à grande échelle, des modèles d’IA biomoléculaires prédictifs, générant plus rapidement et facilement la structure et la fonction de nouvelles protéines, accélérant ainsi la création de nouveaux candidats médicaments. En outre, NVIDIA s’est également associée en mars 2023 à la compagnie japonaise Mitsui & Co, au sein du projet Tokyo-1 [16]. Celui-ci vise à développer le premier supercalculateur d’IA générative dédié à l’industrie pharmaceutique; il sera exploité par Xeureka, filiale de Mitsui & Co., spécialisée dans la découverte de médicaments par IA. NVIDIA s’attend à ce que le système devienne opérationnel cette année. Les fonctionnalités du supercalculateur comprennent notamment des simulations de dynamique moléculaire haute résolution et des modèles d’IA génératifs pour la découverte de médicaments.

Quelques startups se démarquent dans l’IA générative en santé 

Glass Health, fondée en 2021 par Graham Ramsey et Dereck Paul, est une startup basée à San Francisco. Elle se concentre sur le développement de GlassAI 2.0, une plateforme d’assistance à la décision clinique basée sur l’IA. Initialement axée sur la création d’un système de conservation électronique des notes médicales, la société a saisi l’opportunité offerte par ChatGPT d’OpenAI pour perfectionner sa solution [17]. En effet, les cofondateurs ont constaté l’adoption rapide de ChatGPT parmi les étudiants en médecine. La question de la fiabilité des réponses apportées par le chatbot a rapidement nécessité la réalisation d’études de fiabilité du modèle dans le domaine médical. L’équipe du Dr Marc Succi a alors montré que ChatGPT atteignait une précision globale de 71,7 %, comparable au niveau d’étudiants en médecine de 3e ou 4e année. Sur la base de ces résultats prometteurs, les fondateurs de Glass Health ont cherché à améliorer davantage la précision et la fiabilité du modèle existant. La plateforme GlassAI propose ainsi une combinaison entre un modèle linguistique de langage (LLM) et une base de données de connaissances cliniques, créée et entretenue par des cliniciens. Cette combinaison permet de générer des diagnostics différentiels (DDx) et des plans cliniques pour assister les professionnels de la santé.

Carbon Health Technologies Inc. [18] est une entreprise fondée en 2015 à San Francisco. Elle proposait initialement une plateforme logicielle pour les dossiers médicaux, la télémédecine, la messagerie entre médecins et patients, et la planification des rendez-vous. En juin dernier, Carbon Health a présenté un nouvel outil logiciel qui utilise le modèle GPT4, afin d’aider les médecins à créer des dossiers médicaux plus rapidement [19]. En effet, en pratique clinique, les médecins doivent rédiger manuellement les notes médicales, tâche relativement chronophage en regard du temps disponible pour les consultations avec les patients. Le nouvel outil proposé à base d’IA générative permet de rédiger ces notes en moins de 4 minutes, contre 16 manuellement. Sur consentement du patient, le logiciel d’IA capture et transcrit l’audio en utilisant le service AWS Transcribe Medical d’Amazon Web Services Inc. Les algorithmes d’apprentissage automatique de l’outil combinent ensuite la transcription audio avec d’autres informations sur le patient, telles que les résultats de laboratoire. La société a déjà testé la technologie dans l’une de ses cliniques à San Francisco. Selon Carbon Health, celle-ci aurait enregistré une augmentation de 30 % des visites de patients depuis l’adoption de l’outil d’IA.

Hippocratic AI, soutenu par General Catalyst et Andreessen Horowitz, a été fondée par un groupe de médecins, d’administrateurs d’hôpitaux et de chercheurs en IA de Johns Hopkins, Stanford, Google et Nvidia [20]. La mission de l’entreprise est de “développer l’IA générale la plus sûre en matière de santé afin d’améliorer considérablement l’accessibilité des soins de santé et les résultats pour la santé”. La startup, basée à Palo Alto, a bénéficié d’une levée de fonds de 50 M$ en mai dernier, et dispose aujourd’hui  d’une valorisation de plusieurs centaines de M$. Hippocratic AI ne propose pas encore de produits mais investit massivement dans l’acquisition de contenu de santé fondé sur des preuves, et perfectionne un LLM disposant d’un apprentissage par renforcement avec rétroaction, par des professionnels de santé. On parle alors de RLHF-HP (Reinforcement Learning with Human Feedback process using healthcare professionals) [21].

IA générative en santé : des débuts fastidieux, puis prudents, et de nombreux défis

Bien que prometteuse, l’IA a dores et déjà montré des limites dès les premiers cas d’usage en santé. GPT3 a par exemple incité un utilisateur à se suicider [22]. Citons aussi Babylon Health, start-up d’IA soutenue par le National Health Service du Royaume-Uni, soumise à un examen approfondi après avoir prétendu que sa technologie de diagnostic des maladies pouvait surpasser les médecins [23].

Ainsi, le domaine de la santé se distingue des autres domaines d’application de l’IA générative, à plusieurs niveaux. 

Tout d’abord, ces innovations ont un impact direct sur l’intégrité et la vie humaine. L’IA générative comme aide à la décision pour le médecin requiert donc davantage de validations, de vérifications, de prise en compte des biais et de respect de la confidentialité. Aussi, ces avancées technologiques questionnent la place du médecin dans le parcours de soins des patients et invite, non seulement à intégrer les professionnels de santé dans le développement de ces technologies, mais aussi à considérer l’IA générative avant tout comme un outil permettant de perfectionner les pratiques actuelles. 

Ensuite, ce domaine se distingue par les différences majeures en termes de réglementation et de respect de la vie privée qui existent entre les pays. Ceci concerne en particulier l’accès aux données médicales (y compris anonymisées) et pourrait constituer un frein majeur à l’adoption de pratiques partagées par la communauté médicale dans son ensemble.

Enfin, l’investissement observé dans ce domaine semble encore timide, en regard d’autres industries. Il est probable que la recherche et l’innovation devront encore s’appuyer sur une part significative de financements institutionnels avant que la fiabilité des solutions technologiques soit en mesure de remporter l’adhésion des praticiens, patients et professionnels de santé. 

Initiatives françaises en matière d’IA générative

En France, de nombreux dispositifs ont été annoncés pour soutenir cette innovation. Citons par exemple l’appel à projets lancé par Bpifrance, doté de 40 M€, pour constituer et mettre à disposition des communs numériques pour l’IA générative, c’est-à-dire, par exemple, des bases de données d’apprentissage et de test pour l’entraînement des nouveaux modèles. Ces bases de données ouvertes auront notamment pour intérêt de refléter et valoriser les spécificités françaises et européennes (respect de la vie privée, liberté d’expression, francophonie, …), favorisant ainsi le développement d’IA plus conformes à ces valeurs. Dans le cadre de cet appel, la mise à disposition de giga-modèles d’IA pré-entraînés et rendus accessibles à tous pourra être soutenue, ainsi que l’adaptation de tels modèles à des cas d’usages spécifiques d’un corps de métier ou d’un pan de l’économie. Une telle démarche anticipe les transformations potentielles des IA génératives dans le monde du travail (droit, création, etc.) [24].

Cet appel à projet fait partie d’un plan national ambitieux, dénommé “IA Booster”, annoncé par le Président de la République, Emmanuel Macron, le 14 juin dernier lors du salon parisien Vivatech. En particulier, ce plan – financé dans le cadre de France 2030 – inclut le dispositif  “IA-cluster”, doté de 500M€, pour consolider des pôles de formation et de recherche d’excellence nationaux et leur conférer une envergure de leaders européens et internationaux, avec l’objectif de massifier le nombre de talents et spécialistes de l’IA en France à l’horizon 2030 [25] [26].

Enfin, l’institut toulousain Artificial and Natural Intelligence Toulouse Institute (ANITI) a publié le 16 juin dernier un position paper sur le sujet de l’IA de confiance, acceptable et responsable – et en particulier de l’IA générative. ANITI soutient trois voies de recherche principales pour les futurs développement de l’IA générative : la poursuite de critères d’explicabilité de l’IA, la recherche d’une IA à la fois performante et frugale sur le plan énergétique, et l’apprentissage hybride alliant compétences humaines et sociales et compétences technologiques pures. L’appel à la responsabilité des Etats et à la refonte de l’éducation y sont également relayés [27].

Rédactrices

Valentine Asseman, chargée de mission pour la Science et la Technologie, Consulat Général de France à San Francisco, [email protected]

Emmanuelle Pauliac-Vaujour, attachée pour la Science et la technologie, Consulat Général de France à San Francisco, [email protected]

Louise Francillon, stagiaire au Service Science et Technologie, Consulat Général de France à San Francisco, [email protected] 

Références

1. L’invité de La Matinale – Thomas Wolf, directeur de la start-up française « Hugging Face » – rts.ch
2. Generative AI in Healthcare Market Size & Trends Analysis | 2032.
3. L’intelligence artificielle accessible à tous : la promesse d’une puissante technologie pour le secteur de la radiologie.
4. Doctors Are Using ChatGPT to Improve How They Talk to Patients – The New York Times (nytimes.com)
5. Moor, M., Banerjee, O., Abad, Z.S.H. et al. Foundation models for generalist medical artificial intelligence. Nature 616, 259–265 (2023). https://doi.org/10.1038/s41586-023-05881-4
6. Site Web Epic
7. Microsoft and Epic expand strategic collaboration with integration of Azure OpenAI Service
8. Microsoft’s Nuance integrates GPT-4 into medical scribe
9. Nuance and Microsoft Announce the First Fully AI-Automated Clinical Documentation Application for Healthcare – Mar 20, 2023
10. Sharing Google’s Med-PaLM 2 medical large language model, or LLM
11. Google Cloud Collaborates with Mayo Clinic to Transform Healthcare with Generative AI
12. Page Web Entreprise Search
13. AI: A Fork in the Road | Full Documentary
14. Accelerate drug discovery and precision medicine with Google Cloud
15. BioNeMo Drug Discovery Cloud Service | NVIDIA
16. Mitsui and NVIDIA Announce Japan’s First Generative AI Supercomputer for Pharmaceutical Industry
17. Hippocratic AI Raises $50 Million To Power The Healthcare Bot Workforce
18. GPT AI Has Arrived in the Doctor’s Office
19. Carbon Health launches medical charting tool powered by GPT-4 – SiliconANGLE
20. Hippocratic AI launches with $50M to build large language model for healthcare | MobiHealthNews
21. Site Web Hippocratic AI
22. Medical chatbot using OpenAI’s GPT-3 told a fake patient to kill themselves
23. Babylon claims its AI can diagnose patients better than doctors
24. Appel à projets : « Maturation technologique et démonstration de systèmes de confiance intégrant des briques d’intelligence artificielle »
25. France 2030 : Emmanuel Macron annonce un effort sans précédent de la France en intelligence artificielle
26. 16/06/2023 – Lancement du programme IA Booster France2030 pour accompagner la transformation numérique des PME et ETI – Presse – Ministère des Finances (economie.gouv.fr)
27. Position paper ANITI sur les systèmes d’IA générative – ANITI (univ-toulouse.fr)