Propos recueillis par Nathalie Zenou
François Diévart : « Que pourra être l’apport de l’IA à la pratique dans le cabinet du futur ? »
Conjuguée à la commande vocale, à l’interopérabilité des données provenant de logiciel, l’IA va contribuer à modifier la pratique médicale et l’organisation du cabinet cardiologique à court terme.
En fonction de ses symptômes, le rendez-vous du patient sera inséré dans l’agenda du cardiologue et du biologiste, dans des délais déterminés par l’analyse des agendas connectés en réseau numérique avec les médecins généralistes.
Le patient entrant dans le cabinet de cardiologie sera pris en charge par un assistant faisant en quelques minutes la mesure de plusieurs constantes vitales (PA notamment), l’ECG et l’échocardiographie, le tout interprété par IA.
Lorsque le patient pénétrera dans le bureau du médecin, ce dernier aura déjà tous les résultats et les probabilités de divers diagnostics sur son écran. Il pourra dialoguer avec le patient, lui exposer ces probabilités et la conduite à tenir. Au terme de ce dialogue, sans que le médecin ait saisi aucune note, un compte-rendu sera généré automatiquement et les RV du patient pour d’éventuels examens complémentaires arriveront directement dans l’agenda de son smartphone…
Thierry Garban : « Atouts et limites de l’intelligence artificielle »
Comme toute technologie, l’IA offre des applications et pose de nombreux défis dans le domaine médical, particulièrement en cardiologie.
L’IA, définie par l’OMS comme « une branche de l’informatique utilisant des algorithmes pour accomplir des tâches et présenter des comportements comme l’apprentissage et la prise de décision », offre des avantages significatifs en diagnostic assisté pour diverses modalités d’imagerie cardiovasculaire.
Parmi les atouts
L’approche RAG (Retrieval-Augmented Generation) se distingue par sa capacité à maintenir l’actualité des informations, réduire les hallucinations, fournir une expertise spécialisée et améliorer la traçabilité des informations. Elle permet également une adaptation rapide aux nouvelles connaissances sans réentraînement et une meilleure conformité réglementaire.
Cependant, l’IA présente des limites importantes
- Qualité et représentativité des données d’entraînement.
- Risques de biais algorithmiques.
- Manque de transparence des algorithmes complexes et validation clinique insuffisante.
Les défis pratiques incluent l’intégration aux systèmes existants, la formation des professionnels, les coûts d’infrastructure et l’impact écologique. S’ajoutent à cela des questions éthiques et réglementaires concernant l’équité, la responsabilité médicale et l’adaptation aux directives en constante évolution (RGPD, HDS, CNIL, IA Act).
© Depositphotos – Agsandrew
