Transfert d’apprentissage et gouvernance : combler le fossé de l’IA dans le secteur de la santé
Des chercheurs à Singapour ont démontré que des techniques avancées d’intelligence artificielle (IA) peuvent améliorer significativement les diagnostics cliniques dans les pays à ressources limitées, sans nécessiter de vastes ensembles de données locales.
Application du transfert d’apprentissage
Une équipe de la Duke-NUS Medical School a réussi à appliquer le transfert d’apprentissage, une méthode où un modèle développé pour une tâche est réutilisé comme point de départ pour une autre, afin de prédire les résultats des patients après un arrêt cardiaque.
Cette étude, publiée dans npj Digital Medicine, aborde un défi commun dans l’adoption de l’IA dans les pays à revenus faibles et intermédiaires : le manque de données étendues et de haute qualité nécessaires pour entraîner des modèles algorithmiques à partir de zéro.
Pour tester l’efficacité du transfert d’apprentissage, les chercheurs ont utilisé un modèle de prédiction de récupération cérébrale initialement construit au Japon à partir de données de 46 918 patients ayant subi un arrêt cardiaque en dehors de l’hôpital. Ils ont adapté ce modèle pour une utilisation au Vietnam, en le testant sur un groupe plus restreint de 243 patients.
Les résultats ont montré une amélioration considérable de la précision diagnostique. Lorsque le modèle japonais original a été appliqué directement au contexte vietnamien, il a distingué les patients à risque élevé des patients à faible risque avec une précision de 46 %. En revanche, le modèle adapté par transfert d’apprentissage a atteint un taux de précision d’environ 80 %.
Réflexions sur l’adoption de l’IA
« L’étude montre que les modèles d’IA n’ont pas besoin d’être reconstruits à partir de zéro pour chaque nouvel environnement », a déclaré un chercheur. « En adaptant des outils existants de manière sécurisée et efficace, le transfert d’apprentissage peut réduire les coûts, diminuer le temps de développement et aider à étendre les bénéfices de l’IA aux systèmes de santé avec moins de ressources. »
Malgré le potentiel croissant de l’IA dans le secteur de la santé, l’adoption de cette technologie reste inégale à travers le monde. Une autre étude publiée dans Nature Health a noté que, bien que 63 % des prestataires de santé interrogés utilisent des outils d’IA, l’adoption est plus fréquente dans les pays à revenu élevé et intermédiaire supérieur.
Exemples d’utilisation de l’IA
Des exemples incluent Sierra Leone, où des agents de santé communautaire utilisent des applications sur smartphone pour détecter des infections à paludisme à partir d’échantillons de sang, une méthode plus rentable que les systèmes classiques basés sur des microscopes. En Afrique du Sud, des chatbots fournissent aux mères enceintes des conseils prénatals.
« Les modèles de langage à grande échelle (LLM) ont la plus grande opportunité de transformer les soins de santé dans les environnements où les médecins spécialistes sont les plus rares, mais la communauté de la santé mondiale doit travailler ensemble avec urgence pour garantir que l’implémentation des LLM soit soutenue dans les régions où l’adoption est la plus difficile », a déclaré un expert.
Appel à la gouvernance internationale
Tandis que les outils d’IA ont le potentiel d’améliorer la prestation des soins de santé, les cadres de gouvernance sont essentiels pour une mise en œuvre sûre et éthique de la technologie. Aujourd’hui, les réglementations concernant les technologies médicales ne traitent souvent pas des risques spécifiques à l’IA, tels que les préoccupations relatives à la vie privée, les hallucinations du modèle, la sécurité et la nécessité d’une surveillance des nouveaux outils.
Pour aborder ces problèmes, des chercheurs ont proposé de former un consortium international appelé Partenariat pour la supervision, le leadership et la responsabilité dans la réglementation des systèmes intelligents-modèles génératifs en médecine (Polaris-GM).
Le consortium vise à fournir des orientations pour réguler de nouveaux outils, surveiller leur impact, établir des garde-fous de sécurité et les adapter aux environnements à ressources limitées. En réunissant des leaders de la santé, des régulateurs, des éthiciens et des groupes de patients du monde entier, Polaris-GM examinera les recherches existantes avant de travailler vers un consensus mondial sur la gouvernance de l’IA dans les soins de santé.
« Avec une supervision claire et des lignes directrices bien définies, les systèmes de santé peuvent tirer parti des nombreux atouts de l’IA pour améliorer les résultats de santé tout en évitant les pièges potentiels. Tous les acteurs, des décideurs aux groupes de patients, ont un rôle crucial à jouer pour réaliser cet objectif », a ajouté un responsable.
Pour en savoir plus sur l’IA dans le secteur de la santé, des experts de l’industrie pharmaceutique ont discuté lors de Gitex Asia 2025 sur la façon dont l’IA révolutionne la découverte de médicaments, en accélérant les essais cliniques et en diagnostiquant des maladies rares.