Une IA peut-elle vraiment faire gagner du temps aux soignants ?

Un médecin ouvre le dossier de son prochain patient.

Il connaît son nom et le motif de sa venue. Il lui reste maintenant à retrouver ce qui s’est passé depuis leur dernière rencontre : les derniers résultats biologiques, un compte rendu d’hospitalisation, les traitements en cours, une consultation chez un spécialiste, peut-être une modification récente de prescription.

Toutes ces informations existent.

Le problème est de les retrouver, de les lire et d’identifier rapidement celles qui seront utiles pour la consultation.

C’est précisément sur ce type de tâches que l’intelligence artificielle commence à trouver sa place à l’hôpital.

Une partie du temps médical se passe devant un écran

Le travail d’un soignant ne se limite pas au temps passé avec ses patients.

Il faut consulter et compléter les dossiers, rédiger des comptes rendus, rechercher des informations, préparer certaines consultations, documenter les soins ou encore transmettre les éléments nécessaires aux autres professionnels.

Ces tâches sont indispensables au fonctionnement de l’hôpital. Elles prennent aussi du temps.

Et plus le dossier d’un patient s’enrichit, plus la quantité d’informations à parcourir augmente.

Pour un patient suivi depuis plusieurs années, un professionnel peut avoir à naviguer entre des consultations, des prescriptions, des résultats biologiques, des examens, des courriers ou des comptes rendus provenant de différents services.

L’IA peut aider à parcourir cette information autrement.

Lire plusieurs pages en quelques secondes

Prenons un exemple simple.

Un patient revient à l’hôpital six mois après sa dernière consultation.

Pendant cette période, plusieurs événements ont eu lieu : une prise de sang, une modification de traitement, une consultation avec un spécialiste et un passage aux urgences.

Plutôt que de rechercher manuellement chacun de ces éléments, un système utilisant un modèle de langage pourrait préparer une synthèse :

« Depuis la dernière consultation : passage aux urgences le 12 juin pour X, modification du traitement Y, dernier bilan biologique réalisé le 4 août, consultation en cardiologie le 21 août. »

Le professionnel conserve l’accès aux informations d’origine et peut les vérifier.

L’intérêt est simple : réduire le temps nécessaire pour retrouver et organiser l’information.

Cette logique peut s’appliquer à de nombreux usages : résumer un dossier avant une consultation, retrouver une information précise dans un historique, préparer un compte rendu à partir des éléments documentés ou faciliter certaines transmissions entre professionnels.

Écrire moins, vérifier davantage

La documentation constitue un autre terrain d’application.

Après une consultation, une partie du travail consiste à retranscrire ce qui s’est passé : observations, décisions, prescriptions, suivi prévu…

Des outils utilisant la reconnaissance vocale et les modèles de langage peuvent déjà produire une première version structurée d’un compte rendu à partir d’une conversation ou de notes.

Le professionnel relit, corrige et valide ensuite le document.

Le même principe peut être utilisé pour préparer certains courriers, synthèses ou documents administratifs.

Le professionnel dispose ainsi d’une première version structurée, qu’il peut ensuite relire, corriger et valider.

Quelques minutes gagnées sur une tâche peuvent sembler modestes. Répétées plusieurs fois par jour, par plusieurs professionnels et dans plusieurs services, elles finissent par représenter un temps considérable.

L’IA doit savoir où chercher

Demander à une IA de résumer un dossier suppose cependant qu’elle puisse comprendre les informations qui le composent.

Et tous les dossiers médicaux ne ressemblent pas à une base de données parfaitement organisée.

Une information peut se trouver dans un compte rendu rédigé plusieurs années auparavant. Une autre dans un résultat biologique. Une troisième dans une prescription. Certains éléments sont structurés, d’autres prennent la forme de texte libre.

Pour produire une synthèse réellement utile, l’IA doit accéder à une information suffisamment complète, correctement contextualisée et exploitable.

C’est l’un des enjeux majeurs de l’IA médicale : la performance du modèle ne suffit pas. La qualité et la structure des données auxquelles il accède comptent tout autant.

Gagner du temps ne signifie pas déléguer la décision

Il faut aussi distinguer plusieurs niveaux d’utilisation de l’IA.

Résumer vingt pages de dossier n’est pas la même chose que recommander un traitement.

Retrouver le dernier résultat biologique d’un patient n’est pas la même chose qu’interpréter ce résultat.

Préparer un compte rendu n’est pas la même chose que le valider.

Plus l’IA se rapproche d’une décision médicale, plus les exigences de fiabilité, de traçabilité, de validation et de responsabilité deviennent importantes.

Pour les usages qui nous intéressent ici, le gain de temps peut justement venir de tâches situées autour de la décision médicale : retrouver, organiser, synthétiser, documenter.

Le professionnel garde la responsabilité de l’interprétation et de la décision.

Et les hallucinations ?

C’est l’une des limites les plus connues des modèles de langage.

Un LLM peut produire une information qui paraît parfaitement crédible alors qu’elle est incorrecte.

Dans un contexte médical, une réponse convaincante ne suffit évidemment pas.

Un outil hospitalier doit donc permettre au professionnel de retrouver l’origine de l’information utilisée : quel résultat biologique ? quelle prescription ? quel compte rendu ? quelle date ?

Une synthèse utile ne devrait pas devenir une nouvelle couche opaque entre le médecin et le dossier.

Elle doit au contraire faciliter l’accès aux informations qui la composent.

Cette traçabilité sera déterminante pour construire la confiance dans ces outils.

Plus de temps pour quoi ?

Les premiers gains peuvent venir d’outils capables de mieux exploiter l’information déjà disponible : retrouver plus rapidement un élément du dossier, préparer une synthèse, structurer un compte rendu ou faciliter certaines transmissions.

Pour que ces usages soient réellement utiles, les modèles doivent pouvoir s’appuyer sur des données médicales structurées, contextualisées, sécurisées et intégrées aux outils que les professionnels utilisent déjà.

Chez Galeon, c’est aussi pour cette raison que nous travaillons à structurer la donnée directement au sein du dossier patient. Plus l’information est exploitable, plus il devient possible de développer des usages d’IA pertinents pour les professionnels de santé.

Le premier bénéfice de l’IA à l’hôpital pourrait finalement être très concret : rendre l’information plus facile à retrouver, à comprendre et à utiliser.

‍