Comment l'Intelligence Artificielle Médicale est en train de changer le comportement des patients et de leurs familles vis à vis de la santé

Nous poursuivons l'analyse du rapport de la National Academy of Medicine américaine (voir le billet intitulé IAM Académique (1/4) dans la rubrique "Articles de fond"). Ce billet est consacré au 3ème chapitre de l'ouvrage, intitulé "« HOW ARTIFICIAL INTELLIGENCE IS CHANGING HEALTH AND HEALTH CARE », travail collaboratif avec les auteurs suivants : Joachim Roski, Booz Allen Hamilton; Wendy Chapman, University  of Melbourne; Jaimee Heffner, Fred Hutchinson Cancer Research Center; Ranak Trivedi, Stanford University; Guilherme Del Fiol, University of Utah; Rita Kukafka, Columbia University; Paul Bleicher, OptumLabs; Hossein Estiri, Harvard Medical School; Jeffrey Klann, Harvard University; and Joni Pierce, University of Utah. Tous ces auteurs sont membres de l'Académie Nationale de Médecine américaine. 

https://nam.edu/artificial-intelligence-special-publication/

Ce chapitre explore les possibilités qu'on attribue à l'intelligence artificielle médicale (IAM) pour changer les comportements et les organisations professionnelles des différents acteurs du champs de la santé. Sont discutées successivement les applications possibles de l'IAM pour les patients et leurs familles, pour les cliniciens (médecins et autres soignants), pour les professionnels de la santé publique, les administrateurs et les chercheurs en santé publique. Ces  solutions offrent au  lecteur un aperçu des possibilités offertes par l’IAM à court et moyen termes. Enfin, les académiciens offrent une perspective sur la façon dont l'IAM pourrait transformer la pratique des soins. Ils proposent quelques solutions qui permettraient d’éviter certains obstacles.

Les industries de la santé investissent depuis plusieurs années dans les solutions technologiques numériques, dont fait partie l'IAM. Il y a déjà eu des exemples prometteurs de solutions d'IAM destinées aux soins de santé, mais il y a eu aussi d’importantes lacunes dans l'évaluation de ces outils d’IAM lorsqu’on parcourt les différentes publications dans la littérature médicale scientifique. Il est difficile aujourd'hui d'évaluer l’impact réel des différents outils qui utilisent l'IAM.

L'impact de solutions combinées est également diffi­cile à évaluer. Lorsque les solutions technologiques sont couplées, elles peuvent donner des résultats positifs à cause de leur synergie. Par exemple, une solution d'IAM peut devenir plus puissante si elle est couplée à un système de réalité augmentée, à la réalité virtuelle, aux systèmes informatiques plus rapides, à la robotique ou à l'Internet des objets (IoT).

Trois billets sont nécessaires pour résumer cet important chapitre consacré aux applications actuelles et à venir de l'IAM. Ce premier résumé est consacré aux solutions d'IAM qui modifient progressivement les comportements des patients et leurs familles.

L'IAM peut-elle modifier les comportements des patients et leurs familles vis à vis de la santé ?

L'IAM peut jouer un rôle important dans le self-management des maladies chroniques par les patients. Les maladies cardiovasculaires­, le diabète et  la dépression en sont des exemples parmi d'autres. L'autogestion de sa propre maladie peut inclure la prise de médicaments, la modification de son alimentation, le développement d'une activité physique adaptée, la gestion des soins, comme par exemple les soins de plaies chroniques, la gestion d'un dispositif médical, comme par exemple celui qui permet le traitement par dialyse au domicile. Le patient peut être assisté par des solutions d'IAM dans ses différentes taches de self-management, en particulier grâce à des dispositifs de surveillance de la maladie et de prévision d'éventuels risques. De même, l'IAM peut renforcer la possibilité de certaines technologies à répondre aux besoins des personnes handicapées.

Les agents conversationnels dans le champ de la santé

Les agents conversationnels permettent d''engager un dialogue bidirectionnel avec l'utilisateur par le biais de la reconnaissance vocale, du traitement du langage naturel, de sa compréhension et de sa génération. L’IAM est derrière beaucoup de dispositifs conversationnels. Les interfaces peuvent inclure le dialogue textuel, la langue parlée, ou les deux. Ils sont appelés diversement, "agents virtuels", "chatbots" ou "chatterbots". Certains agents conversa­tionnels dits "incarnés" (ACI) présentent une image humaine (par exemple, l'image d'une infirmière ou d'un médecin) ou une image non humaine (par exemple, un robot ou un animal) dans le but de fournir une expérience interactive plus riche et plus convaincante que les agents vocaux non incarnés comme Siri d'Apple, Alexa d'Amazon ou Cortana de Microsoft.

Dans le domaine du self-management en santé, des agents conversationnels sont déjà utilisés pour lutter contre la dépression, aider au sevrage tabagique, améliorer les traitements de l'asthme et du diabète. Bien qu'il existe de nombreux chatbots et ACI, l'évaluation scientifique de tels dispositifs dans le champ de la santé reste très limitée (Fitzpatrick KK, Darcy A, Vierhile M, Delivering Cognitive Behavior Therapy to Young Adults With Symptoms of Depression and Anxiety Using a Fully Automated Conversational Agent (Woebot): A Randomized Controlled Trial. JMIR Ment Health. 2017 Jun 6;4(2):e19. doi: 10.2196/mental.7785).

La place des agents conversationnels dans le self-management en santé est néanmoins très prometteur. Tout en simulant une interaction avec le monde réel, l'agent conversationnel peut évaluer les symptômes, faire un rapport sur les indicateurs de la surveillance, recommander un plan d'action basé sur le recueil de ces indicateurs. La plupart des adultes se disent prêts à utiliser un aidant virtuel avec IAM ou une infirmière virtuelle "intelligente" pour surveiller à leur domicile leur santé et/ou les symptômes de leur maladie chronique. Il y a cependant moins d'enthousiasme à les utiliser comme soutien à la santé mentale. 

Ces agents conversationnels peuvent aussi être utiles pour lutter contre la solitude et l'isolement, en particulier dans les établissements pour personnes âgées dépendantes. Il est démontré que la stimulation conversationnelle des personnes qui débutent une démence permet de ralentir son évolution.

Ces agent peuvent également modifier le comportement des patients vis à vis de leur maladie : des études ont montré que les patients sont plus rigoureux vis à vis de leur traitement lorsqu'ils sont aidés par des agents virtuels.

Comment les solutions d'IAM contribuent à mieux reconnaître les comportements humains pour prévenir les risques en santé.

Les solutions d’IAM peuvent se nourrir de données brutes fournies par les "accéléromètres" qui existent sur les appareils mobiles tels que les smartphones, les tablettes tactiles, les bracelets connectés, les caméras, les drones, les consoles de jeux video, etc. Les algorithmes d'apprentissage automatique peuvent être construits à partir de ces données brutes pour identifier certains modèles, afin de les classer comme des indicateurs de comportement d'un individu vis à vis de sa santé. Ces systèmes permettent aux patients de mieux comprendre leurs symptômes, de gérer leur propre état de santé et de les partager ensuite avec les professionnels de santé qui les aident dans le parcours de soin.

L’IAM peut adapter ses interventions pour qu’elles soient mieux ciblées et davantage personnalisées. C’est ce qui est appelé « les interventions de l’IAM qui s'adaptent au bon moment" (JITAI pour just-in-time adaptive interventions). Il s’agit de systèmes d’apprentissage qui offrent une intervention personnalisée. Le JITAI prend des décisions immédiates en fonction de la réponse à une intervention préalable. Il vise à favoriser la prise de conscience d’un évènement externe ou interne (humeur, anxiété, hémorragie, etc) en fonction de l’emplacement de la personne et/ou de son activité au moment de l’évènement.  

L'assistance de JITAI  se déclenche  lorsque les utilisateurs en ont  le plus besoin ou seront dans une situation la plus réceptive possible pour la prendre en compte. Ces systèmes peuvent également indiquer à un clinicien un problème qui ne serait pas détecté immédiatement par une autre méthode de surveillance. Par exemple, une intervention JITAI peut détecter une situation à risque de rechute dans la toxicomanie et déclencher immédiatement une action pour la prévenir.

Ces interventions par JITAI s'appuient sur des capteurs, et non sur un système classique d’auto déclaration jugé moins efficace, pour détecter les états de vulnérabilité d’une personne ou l'opportunité d'une intervention pour prévenir un risque. 

Le système JITAI permet de répondre à au moins deux défis du self-management : d'une part, la contrainte importante que représente pour un patient une auto-surveillance permanente de sa maladie ou de ses facteurs de risque, d'autre part, les limites de la conscience humaine sur la prise en compte des enjeux de santé.

Lorsque les capteurs sont de plus en plus présents au domicile, dans les smartphones, et sur le corps humain (wearables), ces sources de données alimentent le système JITAI et ne peuvent que se développer. L'IAM peut aussi être utilisée pour permettre aux appareils domestiques connectés de communiquer entre eux. Par exemple, un glucomètre pourrait recevoir des informations d’un frigidaire connecté sur la fréquence et les types d'aliments consommés. En tirant partie de toutes ces données, provenant de plusieurs sources et lieux de vie, la capacité de l'IAM à fournir une gestion­ comportementale adaptée et en temps réel ne peut que progresser.

Apport de l'IAM chez les patients atteints de déficiences cognitives

Les académiciens américains partent des données épidémiologiques fournies par le Center for Disease Control and Prevention (CDC). Selon le CDC, 16 millions de citoyens américains vivent avec une déficience  cognitive. L'âge est le meilleur prédicteur de risque de survenue d'altérations ­cognitives. Environ 5 millions d'Américains, âgés de plus de 65 ans, ont la maladie d'Alzheimer. Les autorités américaines s'attendent à ce que ces chiffres augmentent avec la croissance de la population vieillissante. Actuellement, près de 9 % de tous les adultes américains ont plus de 65 ans, un pourcentage qui devrait doubler d'ici 2050 selon le CDC.

Selon l'association Family Caregiver Alliance, 15,7 millions de membres de la famille fournissent des soins et un soutien (non rémunéré) aux personnes atteintes de la maladie d'Alzheimer ou d'autres démences. Le système actuel de soins, aux USA comme en Europe, n'est pas préparé à gérer la charge actuelle ou future de la dépendance des patients âgés, de leur permettre de rester vivre à leur domicile plutôt que d'être obligé de déménager dans des centres spécialisés pour la dépendance.

La surveillance par l'IAM à la maison et l'usage de la robotique pourraient permettre de relever les défis de la dépendance liés au vieillissement et de soulager les aidants familiaux. La surveillance de la maison par l'IAM pourrait augmenter l'indépendance de ces personnes âgées et améliorer les conditions de vieillissement au domicile en surveillant leur espace de vie, le risque de chutes, le temps passé au lit, etc. Par exemple, il est démontré qu'un temps excessif au lit d'une personne âgée peut être la cause d'un état dépressif, peut augmenter le risque d'escarres, aggraver la dépendance par perte de mobilité et, in fine, augmenter la mortalité.

Les  robots sociaux actuellement disponibles aux Etats-Unis, tels que PARO,  Kabochan ou  PePeRe fournissent une compagnie aux personnes en état de démence et une stimulation bénéfique. Récemment, l'utilisation d'animaux de compagnie robotisés a été évaluée. L'usage de ces animaux robotisés s'est révélé très efficace pour réduire l'agitation de patients atteints de démence. 

Par exemple, PARO est un robot conçu pour ressembler à un mignon bébé phoque blanc. De plus en plus utilisé dans les hôpitaux et les établissements pour personnes âgées dépendantes, il a un impact significatif sur le comportement des patients en institution. Les premiers essais pilotes de PARO ont montré que l'interaction avec le robot améliorait l'affect et la communication des patients atteints de démence. Cet impact a été particulièrement démontré chez ceux qui avaient des déficits cognitifs sévères. De plus, une meilleure participation du patient à la vie collective de l'institution a été démontrée. 

Moyle W, The promise of technology in the future of dementia care. Nat Rev Neurol. 2019 Jun;15(6):353-359. doi: 10.1038/s41582-019-0188-y. Review 

Bien que les robots sociaux soient conçus principalement pour les personnes âgées, les soignants en institution ou les aidants familiaux en bénéficient également puisqu'ils soulagent leur charge de travail et améliorent ainsi leur bien-être. Comme la technologie continuera de s'améliorer, il est possible que les robots puissent réaliser dans le futur des tâches de plus en plus sophistiquées.  

De futures applications de la robotique sont en cours de développement pour fournir des soins de plus en plus élaborés. Les plateformes de surveillance à domicile par IAM  peuvent intégrer à la fois les besoins des soignants et des patients afin de construire une expérience familiale de la robotique plutôt que des expériences seulement individuelles. Les concepteurs de la surveillance à domicile par IAM doivent aussi avoir un regard éthique sur cette évolution en faisant en sorte que l’accès à ces nouvelles solutions organisationnelles pour les personnes âgées, les personnes dépendantes socialement et les personnes handicapées physiquement, soit équitable pour la population concernée.

Le prochain billet (IAM Académique 3/4) sera consacré aux apports de l'IAM chez les soignants.

Très bonne année 2020 à tous les lecteurs de ce blog !

2 janvier 2020

­

 

Commentaires

James Goldberg

06.01.2020 23:14

Artificial Intelligence it’s onlyMeaningful if human intelligence can understand and integrate together all of the best uses and the security equality and the purpose of healthcare of life

Nicole Hill

05.01.2020 07:32

Remarquable, pertinent et instructif: merci

Bruno Boutteau

03.01.2020 22:51

Excellente année 2020 et merci pour vos écrits.

Derniers commentaires

01.12 | 12:57

Merci, très intéressant cet article qui me permet de donner un exemple pour illustrer un cours!

16.11 | 16:08

Merci du commentaire

16.11 | 16:07

Merci de votre commentaire

16.11 | 04:04

Très intéressant en effet, merci.

Partagez cette page