Rapport Villani sur l’IA : les principales recommandations en santé

IA-Villani

Le rapport Villani sur l’intelligence artificielle identifie la santé comme l’un des quatre secteurs sur lesquels concentrer les efforts en matière d’IA.

 

Zoom sur les principales recommandations du rapport en santé :

 

  • Lancer un nouveau chantier spécifique accompagnant le Dossier Médical Partagé (DMP) de production d’informations et de données de santé utilisables à des fins d’IA pour améliorer les soins et leur coordination, mais également participer à des projets de recherche et d’innovation d’IA en santé. Articulé avec le DMP ce dernier serait élargi comme un espace sécurisé où les individus pourraient stocker leurs données, d’en ajouter d’autres eux-mêmes, d’autoriser leur partage à d’autres acteurs (médecins, chercheurs, membres de l’entourage, etc.) et de les récupérer pour en créer d’autres usages

 

  • Déployer des outils, techniques d’automatisation de la codification des informations produites par les patients en données pertinentes pour le suivi médical. Ce point devrait être accompagné d’un travail de normalisation de l’information médicale

 

  • Sensibiliser les patients à la maîtrise de leurs données (data literacy appliqué en santé).

 

  • Transformer les voies d’accès aux études de médecine : d’une part pour diversifier les profils et intégrer davantage d’étudiants spécialisés dans le domaine de l’informatique et de l’IA (création de double cursus, reconnaissance d’équivalence), et d’autre part pour mettre un terme à la logique de compétition tout au long du cursus universitaire qui s’avère contre-productive pour développer une coordination transdisciplinaire et structure les postures d’autorité médecins – patients

 

  • Former les professionnels de santé aux usages de l’intelligence artificielle, de l’IOT et du big data en santé, ainsi qu’aux compétences de coordination, d’empathie et du rapport avec les patients (ex. : expérience virtuelle pour mieux voir, comprendre la vie des patients). Cette transformation de la formation initiale pourrait avoir lieu dans la réforme en cours du premier et deuxième cycle de médecine entreprise par la Conférence des Doyens des Universités de médecine. Elle pourrait donner lieu à des modifications de la DPF

 

  • Clarifier la responsabilité médicale des professionnels de santé en cas d’utilisation de technologies d’intelligence artificielle : à l’heure actuelle, la responsabilité médicale d’un médecin peut être engagée en raison d’une faute ou d’un manquement déontologique (généralement conçu comme un manquement à des obligations d’information et au droit du patient à consentir de manière éclairée à l’acte médical). En l’absence de la reconnaissance d’une personnalité juridique autonome pour l’algorithme et le robot, il serait envisageable de tenir le médecin pour responsable de l’utilisation des programmes, algorithmes et systèmes d’intelligence artificielle, sauf défaut de construction de la machine.

 

  • Permettre les expérimentations en conditions réelles pour les technologies d’IA en santé, au sein des CHU et des lieux d’expérimentations locaux en santé voire jusqu’aux professionnels

 

  • S’appuyer sur les organisations et communautés de professionnels de santé pour identifier des partenaires (institutionnels ou particuliers) désireux de participer à des programmes d’expérimentation d’IA en santé.

 

  • Créer une plateforme d’accès et de mutualisation des données pertinentes pour la recherche et l’innovation en santé (regroupant dans un premier temps les données médico-administratives, puis les données génomiques, cliniques, hospitalières…), ayant vocation à se substituer à terme au socle du SNDS. À l’image de ce qui est mis en place pour le SNDS, l’État serait chargé d’organiser l’accès au système selon un certain nombre de critères comme la nature de l’organisme, la finalité du projet et sa nature (recherche, commercialisation d’un service etc.). Il faut cependant indiquer qu’un changement d’échelle en terme de moyens humains et financiers est nécessaire pour organiser efficacement cet accès et permettre la valorisation d’un tel système et le mettre au service de l’innovation. L’INSERM, qui est en particulier chargé d’assurer la mise à disposition effective des données pour le monde de la recherche, doit être armé pour tenir ce rôle de guichet et faire face à une demande qui ne peut qu’exploser

 

  • Mettre en place des procédures d’accès fluides à cette plateforme pour développer de nouvelles approches s’appuyant sur l’IA – tout en maîtrisant finement l’accès aux informations contenues dans le système à cette fin. Un guichet unique pourrait être créé pour collecter les demandes d’expérimentation qui prendront la forme d’un dossier unique. Le délai d’instruction du dossier devrait être garanti sous trois mois et assorti d’un principe de « silence vaut acceptation ». En cas de désaccord entre les autorités de régulation et les acteurs économiques sur la décision d’accès au bac à sable, la possibilité d’un recours à un médiateur indépendant pourrait être garantie

 

  • Développer une offre lisible d’accès aux bases de données hospitalières (Hospital as a Platform) : les hôpitaux héritent, disposent ou se constituent de bases de données moléculaires et d’annotation cliniques. Il serait bénéfique d’inciter les hôpitaux à organiser des « data science bowl » ou challenges autour des jeux de données (cf. National Cancer Institute), des projets collaboratifs (cf. Projet « national patient-centered clinical research network » – PCORnet aux États-Unis). Certains services (tels que l’entraînement des IA sur les données des bases hospitalières,) pourraient éventuellement être monétisés

 

  • Etendre les données recueillies par la plateforme au-delà des données médico-administratives : données issues du plan France Médecine génomique, données issues des grandes cohortes nationales, données cliniques et hospitalières. Il faudra assurer l’interopérabilité des données et des systèmes (des hôpitaux jusqu’au SNDS), chantier qui pourra être articulé avec le développement d’une architecture technique du Dossier Médical Partagé compatible avec les usages de recherche et d’innovation.

 

  • Expérimenter de nouvelles procédures de qualification et certification des algorithmes ayant vocation à être utilisés dans un contexte médical, à l’instar du programme FDA Pre-cert lancé en juillet 2017 par la Food and Drug Administration aux États-Unis

 

  • Transformer le cadre de réflexion et de débat sur la bioéthique afin d’intégrer les enjeux liés à l’IA en santé et de développer des modes de consultation citoyens plus réguliers et adaptés aux rythmes de l’innovation.
Retour à l’ensemble des actualités