Health and AI
Summary
Un patient arrive en consultation avec plusieurs années d’histoire médicale.
Des hospitalisations, des résultats biologiques, des prescriptions, des comptes rendus, des examens d’imagerie, des consultations avec différents spécialistes.
Pour le professionnel qui le reçoit, toutes ces informations constituent le contexte nécessaire pour comprendre sa situation actuelle.
Pour une intelligence artificielle, ce sont d’abord des données.
Alors, que signifie réellement demander à une IA de « comprendre » un dossier médical ?
Un dossier médical raconte une histoire
Un dossier patient ne se résume pas à une liste de diagnostics.
Il évolue à chaque étape du parcours de soins.
Une douleur apparaît. Des examens sont prescrits. Un résultat biologique conduit à une nouvelle investigation. Un traitement est commencé, puis modifié quelques mois plus tard. Un spécialiste intervient. Une hospitalisation ajoute de nouvelles observations.
Certaines informations sont très structurées : une date, une valeur biologique, une dose de médicament.
D’autres sont contenues dans plusieurs paragraphes d’un compte rendu ou dans les notes rédigées par un professionnel.
Et leur signification dépend souvent de ce qui s’est passé avant.
Une valeur biologique légèrement anormale aujourd’hui peut être beaucoup plus intéressante lorsqu’on sait qu’elle évolue progressivement depuis plusieurs mois.
Comprendre le dossier nécessite donc de replacer les informations dans leur contexte.
Retrouver une information ne suffit pas toujours
Les modèles de langage peuvent déjà parcourir de grandes quantités de texte et en extraire des informations.
On pourrait par exemple leur demander :
« Quel traitement a été modifié lors de la dernière hospitalisation ? »
ou :
« Quels ont été les principaux événements médicaux depuis la dernière consultation ? »
Pour un dossier volumineux, cette capacité peut faciliter l’accès à une information qui aurait autrement nécessité d’ouvrir plusieurs documents.
Mais les questions deviennent rapidement plus complexes.
Prenons un patient dont le traitement apparaît à plusieurs endroits du dossier. Une prescription datant de janvier indique une dose. Un compte rendu de mars mentionne une modification. Une nouvelle prescription est enregistrée en avril.
Identifier les trois informations est une première étape.
Comprendre laquelle correspond à la situation actuelle demande également de tenir compte de leur date, de leur origine et de leur relation avec les autres éléments du dossier.
C’est ce contexte qui transforme une collection d’informations en parcours médical.
Résumer plusieurs années de soins
C’est probablement l’un des usages les plus évidents des modèles de langage appliqués au dossier patient.
Un professionnel pourrait demander une synthèse des derniers mois ou des dernières années :
les principales hospitalisations, les traitements actuels et leurs modifications, les derniers examens, les antécédents importants ou les éléments à surveiller.
L’intérêt devient particulièrement visible pour les dossiers longs et complexes.
Une synthèse ne remplace cependant pas le dossier d’origine. Elle constitue une nouvelle façon d’y accéder.
Pour être utile, elle doit permettre au professionnel de retrouver les éléments sur lesquels elle s’appuie : le compte rendu concerné, la prescription correspondante, le résultat biologique et sa date.
Cette traçabilité devient essentielle dès qu’une information générée par l’IA intervient dans un contexte de soins.
Toutes les informations ne sont pas écrites de la même manière
C’est là que les choses se compliquent.
Dans un hôpital, la donnée médicale existe sous de nombreuses formes.
Une température peut être enregistrée comme une valeur structurée. Une allergie peut apparaître dans un champ dédié. Une modification de traitement peut être décrite dans un compte rendu. Une observation clinique peut n’exister que dans une note rédigée pendant l’hospitalisation.
À cela s’ajoutent les informations provenant de différents services et outils.
Un modèle peut être très performant pour analyser du langage. La qualité de ce qu’il produit dépend néanmoins des informations auxquelles il peut réellement accéder et de la manière dont celles-ci sont organisées.
Une information absente, obsolète ou mal contextualisée reste un problème, même avec un modèle très performant.
« Comprendre » n’a pas le même sens pour une IA
Lorsqu’un médecin lit un dossier, il mobilise son expérience clinique, sa connaissance du patient et le contexte de la consultation.
Un modèle de langage fonctionne différemment.
Il analyse les informations qui lui sont fournies et les relations qu’il peut établir entre elles. Il peut identifier des éléments, les classer, les reformuler, les rapprocher ou produire une synthèse.
Cela permet déjà des usages intéressants dans le quotidien hospitalier.
Cela implique aussi de connaître les limites du système.
Un modèle peut mal interpréter une information ambiguë. Il peut accorder trop d’importance à un élément. Il peut produire une réponse plausible qui n’est pas correctement étayée par le dossier.
Dans un environnement médical, la possibilité de vérifier l’origine de l’information reste donc indispensable.
Du dossier que l’on consulte au dossier que l’on interroge
L’arrivée des modèles de langage pourrait progressivement modifier notre manière d’utiliser le dossier patient.
Aujourd’hui, accéder à une information signifie encore souvent savoir où chercher : ouvrir un onglet, retrouver un document, parcourir un compte rendu ou remonter dans un historique.
Avec une couche d’IA intégrée au dossier, le professionnel pourrait aussi formuler directement sa question.
« Qu’est-ce qui a changé depuis la dernière consultation ? »
« Quels traitements ce patient prend-il actuellement ? »
« Quand cette anomalie biologique est-elle apparue pour la première fois ? »
« Quels examens ont déjà été réalisés pour ce problème ? »
La réponse peut alors servir de point d’entrée vers les informations originales.
Cette manière d’interagir avec le dossier devient particulièrement intéressante lorsque celui-ci contient plusieurs années de données.
La donnée médicale devient la matière première
Pour que ces usages fonctionnent dans un environnement hospitalier, le modèle doit pouvoir accéder à une information fiable, contextualisée et exploitable.
Cela commence bien avant l’IA.
La manière dont une information est saisie dans le dossier, structurée, datée, reliée à un événement médical et conservée influence directement ce qu’il sera ensuite possible d’en faire.
Chez Galeon, cette logique fait partie de la conception du dossier patient : structurer la donnée au moment où elle est produite afin qu’elle puisse ensuite être retrouvée et utilisée dans son contexte.
Les modèles de langage ouvrent aujourd’hui de nouvelles possibilités pour exploiter cette information : recherche en langage naturel, synthèse, préparation d’une consultation ou mise en évidence de certains éléments du parcours.
Une IA peut donc lire, relier et synthétiser une partie de l’histoire contenue dans un dossier médical. La qualité de cette lecture commence par la qualité des données qu’on lui donne.
Contenu connexe
