Table des matières
Désertification médicale et crise des Urgences
Deux problèmes majeurs traversent la médecine contemporaine.
D’une part, la situation de pénurie de médecins généralistes et spécialistes dans des zones géographiques de plus en plus vastes, phénomène aussi appelé désertification médicale, reste un problème endémique qui a un impact politique, motivant un vote contestataire qui reproche à l’Etat de ne plus assurer un service public de santé de qualité, notamment en zone rurale mais aussi dans des zones très peuplées comme certains départements de région parisienne. La médecine française se dirige-t-elle vers une situation catastrophique comme celle du NHS en Grande-Bretagne ?
D’autre part, la crise des urgences, et d’autres spécialités en tension, est également devenue chronique. Des centaines de services d’urgences fonctionnent en mode dégradé, et peinent toujours à trier les patients en deux groupes : ceux qui sont venus pour rien, et ceux qui en ont vraiment besoin.
Médecine et intelligence artificielle
Simultanément, deux processus d’évolution technologique tendent à régler ces deux problèmes.
Essor de la télémédecine
D’abord, l’essor de la télémédecine fait gagner du temps aux praticiens. L’informatique et les télécommunications omniprésentes font maintenant corps avec la société et permettent la banalisation de la médecine à distance. En 2024, se tiennent plus d’un million de téléconsultations médicales mensuelles. Le temps passé en téléconsultations occupe jusqu’à 20% de l’emploi du temps de certains médecins.
Progrès de l’IA
En parallèle, les progrès de l’intelligence artificielle permettent d’automatiser certaines tâches – comme l’analyse de résultats d’examens de biologie et d’imagerie médicale, par exemple des radios, des scans, des tests sanguins et autres résultats de labo – et donc d’augmenter la productivité, faisant mécaniquement baisser le nombre de médecins humains requis pour traiter la demande des patients.
Dès à présent, des IA entraînées sur d’énormes volumes de données ont des taux de détection de pathologie plus élevés que les meilleurs médecins experts. De telles compétences pourraient aider à améliorer le triage des patients aux urgences, en diagnostiquant les simples rhumes et autres bobos.
L’IA dans les cabines de téléconsultation
Et, comme une convergence de la téléconsultation et de l’IA, le matériel utilisé pour les consultations à distance se sophistique et devient plus intelligent. Ainsi, les cabines de téléconsultation, dont le nombre croit sans cesse, peuvent désormais intégrer des logiciels d’IA capables d’effectuer certains diagnostics sur la base de documents pris dans des cabines de téléconsultation.
Ainsi, l’entreprise H4D a décidé d’équiper ses centaines de cabines de téléconsultation de dermatoscopes (appareils pour inspecter l’épiderme), capables grâce à l’IA d’identifier des mélanomes, en les distinguant des simples nævus, communément appelés « grains de beauté ». Mine de rien, un tel dispositif intelligent permettra d’éviter des milliers de consultations inutiles en dermatologie, réduisant d’autant les listes d’attente.
De la même manière, on a pu développer une machine d’ophtalmologie qui détecte automatiquement les rétinopathies.
IA et médecine préventive
Dans le domaine de la médecine préventive, l’IA peut aussi contribuer à réduire les déserts médicaux, en réduisant le nombre d’affections graves ou de longue durée. En effet, plus une pathologie est traitée tôt, moins elle nécessitera de soins médicaux, notamment de séjours à l’hôpital voire aux Urgences, et donc moins elle mobilisera de personnels.
Or l’informatisation des données de santé, par le biais de Mon espace santé par exemple, autorise à réaliser des traitements de masse des données génétiques, environnementales et comportementales, qui permettent de prévoir les risques de santé futurs, et donc d’agir tant qu’il est temps, pour sensibiliser les patients – par exemple les personnes à risque élevé de fracture liée à l’ostéoporose, ou les risques suicidaires chez les adolescents. L’appropriation de telles technologies par la patientèle pourra aboutir à une responsabilisation individuelle accrue.
Ces traitements automatiques des données utilisent des technologies d’IA comme l’apprentissage profond ou deep-learning, et depuis peu les LLM (large language models) comme ChatGPT, capables de comprendre le langage naturel des comptes-rendus médicaux. Cette dernière technologie pose néanmoins problème dès lors qu’elle est connue pour « halluciner » (inventer des faits) et que les comptes-rendus médicaux sur lesquels elle se base ne sont eux-mêmes pas exempts d’erreurs, de lacunes, d’ambiguïtés et d’approximations.
Pour l’heure, les IA de médecine préventive restent trop largement susceptibles d’erreurs, de faux diagnostics et autres surdiagnostics, ce qui empêche de les utiliser sans l’avis d’un médecin. Mais à l’avenir, on peut imaginer qu’elles gagnent fortement en précision, grâce à des données mieux pensées pour les nourrir, et que dès lors une bonne partie des diagnostics puissent se faire de manière automatisée.
Conclusion
Le développement de la télémédecine et de l’IA contribue pour l’instant modestement à réduire les problèmes des déserts médicaux et la crise des urgences. Mais dans un avenir proche, des progrès pourraient augmenter drastiquement la productivité médicale, et régler définitivement le problème de la pénurie de médecins.
