Le transfert d’apprentissage et la gouvernance aident à réduire le fossé de l’IA dans le secteur de la santé
Des chercheurs ont démontré que des techniques avancées d’intelligence artificielle (IA) peuvent considérablement améliorer le diagnostic clinique dans les pays à ressources limitées, sans nécessiter de vastes ensembles de données locales.
Application du transfert d’apprentissage
Une équipe a appliqué avec succès le transfert d’apprentissage, une méthode permettant de réutiliser un modèle développé pour une tâche comme point de départ pour une autre, afin de prédire les résultats des patients après un arrêt cardiaque. L’étude aborde un défi commun à l’adoption de l’IA dans les pays à revenu faible et intermédiaire : le manque de données de haute qualité nécessaires pour former des modèles algorithmiques de zéro.
Pour tester l’efficacité du transfert d’apprentissage, les chercheurs ont utilisé un modèle de prédiction de récupération cérébrale initialement construit avec des données provenant de patients ayant subi un arrêt cardiaque hors hôpital. Ils ont adapté ce modèle pour une utilisation dans un autre pays, testant son efficacité sur un groupe de patients plus restreint.
Les résultats ont montré une amélioration significative de la précision du diagnostic. Lorsque le modèle d’origine a été appliqué directement, il a distingué les patients à haut risque des patients à faible risque avec une précision de 46 %. En revanche, le modèle adapté grâce au transfert d’apprentissage a atteint un taux de précision d’environ 80 %.
Opportunités et défis
Malgré le potentiel croissant de l’IA dans le secteur de la santé, son adoption reste inégale à l’échelle mondiale. Une étude distincte a révélé que, bien que 63 % des prestataires de soins de santé interrogés utilisent des outils d’IA, l’adoption est plus courante dans les pays à revenu élevé et intermédiaire.
Les chercheurs ont souligné le potentiel des grands modèles de langage (LLM) pour améliorer l’accès aux soins, le diagnostic et la prise de décision clinique dans les pays à revenu faible et intermédiaire, qui continuent de faire face à des obstacles à l’adoption tels que des infrastructures et une expertise limitées.
Des exemples incluent des travailleurs de la santé communautaire utilisant des applications pour détecter des infections, offrant une méthode plus économique que les systèmes basés sur des microscopes. Des chatbots fournissent également des conseils prénatals aux futures mères.
Appel à une gouvernance internationale
Alors que les outils d’IA ont le potentiel d’améliorer la prestation des soins de santé, des cadres de gouvernance sont essentiels pour garantir une mise en œuvre sûre et éthique de la technologie. Les régulations actuelles pour les technologies médicales ne tiennent souvent pas compte des risques spécifiques à l’IA, tels que les préoccupations en matière de confidentialité et de sécurité.
Pour relever ces défis, des chercheurs ont proposé de former un consortium international visant à fournir des orientations pour réguler de nouveaux outils, surveiller leur impact et établir des garde-fous de sécurité adaptés aux contextes à ressources limitées.
Avec une supervision claire et des directives bien définies, les systèmes de santé peuvent tirer parti des forces de l’IA pour améliorer les résultats en santé tout en évitant les pièges potentiels. Tous les acteurs, des décideurs aux groupes de patients, ont un rôle crucial à jouer pour réaliser cet objectif.
