Comment l’intelligence artificielle va-t-elle changer la médecine ? Et que peut-on faire pour garantir que le changement soit positif ?
Médecine de Stanford Pour obtenir un aperçu, il s’est tourné vers certains des leaders d’opinion de l’Université de Stanford en matière d’IA et d’éthique.
Ces six professeurs de Stanford sont à la tête d’une initiative lancée cet été pour aborder les questions d’éthique et de sécurité liées à l’innovation en IA. L’initiative, AUGMENTER la santé (Responsible AI for Safe and Equitable Health), lancé en juin, est parrainé par Stanford Medicine et l’Institut de Stanford pour l’intelligence artificielle centrée sur l’humain (HAI).
Voici ce que nous avons demandé : L’année 2023 a marqué un tournant dans la façon dont nous pensons et parlons de l’intelligence artificielle, notamment en médecine. Quelle est votre prédiction pour l’avenir de l’IA pour l’année à venir et même au-delà ?
Quelles évolutions vous rendent optimiste ? Quels sujets devraient recevoir plus d’attention ?
Fei Fei LiMédecin, Co-sponsor exécutif de RAISE-Health, professeur d’informatique et co-directeur de Stanford HAI
Je suis inspiré par l’intérêt des étudiants et des chercheurs de Stanford pour l’apprentissage des limites éthiques et des implications politiques et sociales de l’IA. Chez HAI, nous sommes à l’avant-garde de l’intégration d’une conception éthique et d’une pensée centrée sur l’humain dans le développement et l’utilisation de l’IA : nous avons des centaines de membres de la communauté qui bénéficient de nos différents programmes. Cela devient un mouvement.
Un domaine sur lequel je pense qu’il faut davantage insister est l’investissement public dans l’IA. Il existe actuellement une grande asymétrie entre les investissements des secteurs public et privé dans l’IA. Ce n’est pas sain pour notre pays et ce n’est pas sain pour l’écosystème de l’IA. Pour évaluer et évaluer cette technologie, nous avons besoin de sources fiables – des organisations qui jouent un rôle similaire à celui de la FDA pour les médicaments. Les investissements du secteur public sont bien placés pour soutenir la recherche multidisciplinaire et motivée par la curiosité, si importante pour découvrir de nouveaux médicaments, de nouveaux traitements et comprendre les mécanismes des maladies. Sans investissement dans le secteur public, nous passerons à côté de ces opportunités.
Lloyd mineurMARYLAND, Co-sponsor exécutif de RAISE-Health, doyen de l’École de médecine, vice-président des affaires médicales, Université de Stanford
Il ne fait aucun doute que les technologies de l’IA seront bientôt intégrées dans presque tous les domaines de la société – et la biomédecine ne fera pas exception. Ce qui est différent, bien entendu, ce sont les enjeux. Les erreurs dans les soins de santé et la recherche biomédicale peuvent avoir des conséquences qui changent la vie. Ainsi, lorsque nous exploitons le potentiel, nous devons faire preuve de diligence raisonnable.
Comme pour tout nouvel outil puissant, nous devons non seulement développer les connaissances et les compétences nécessaires pour l’utiliser efficacement, mais également investir dans la conception de son utilisation sûre et responsable. Ce qui me donne de l’espoir, c’est que des experts de différents domaines se réunissent de manière proactive pour diriger ce travail à travers des initiatives comme RAISE-Health.
En me tournant vers l’avenir, j’accorderai une attention particulière à l’environnement réglementaire entourant ces nouvelles technologies. Nous sommes actuellement dans la phase « wow » de cette technologie, mais très bientôt, nous aurons besoin de politiques solides et cohérentes pour guider le développement, l’utilisation et l’évaluation à long terme de l’IA. C’est la clé de la sécurité et de l’efficacité et de la garantie que ces technologies non seulement fonctionnent, mais contribuent également à remédier aux inégalités de longue date en matière de santé.
Russ AltmanMD, PhD, Codirecteur de RAISE Health, professeur Kenneth Fong et professeur de bio-ingénierie, de génétique, de médecine et de science des données biomédicales
L’IA est parfois critiquée en raison de préoccupations (fondées) concernant la vie privée, l’équité et la justice. Ceux-ci doivent rester une priorité pour tous les chercheurs en IA afin de garantir que les outils qu’ils développent contribuent à l’équité.
Cependant, l’IA offre également un avantage majeur dans la gestion de la recherche biomédicale et l’amélioration des soins cliniques. De grands modèles linguistiques pourraient révolutionner notre capacité à expliquer leur diagnostic, leur pronostic et leur traitement aux patients – dans un anglais clair et simple. Et la technologie de l’IA évoluera d’un simple outil d’analyse d’ensembles de données biologiques à un collègue/assistant capable d’aider à formuler des hypothèses, à les tester et à rendre compte des résultats. Cela accélérera le rythme de la découverte et de la traduction.
L’innovation est également nécessaire pour réduire la consommation d’énergie de la technologie et la quantité de données nécessaires pour fonctionner correctement. Le succès dans ces deux domaines verra une démocratisation de l’IA, où elle ne sera plus dominée par de grandes et riches entreprises technologiques, mais où elle proliférera et sera dominée par un groupe beaucoup plus large d’utilisateurs divers avec des besoins, des perspectives et d’autres besoins et des perspectives peuvent être construites et utilisées.
Sanmi KoyejoMédecin, Codirecteur de RAISE Health, professeur adjoint d’informatique
Une grande partie de ce que nous avons vu au cours de l’année met en évidence les avantages et les risques de l’ère actuelle du développement de l’IA en général et de son utilisation dans les soins de santé. En fait, l’avenir de l’IA dans le domaine de la santé dépend des décisions que nous prenons aujourd’hui. Nous pouvons répéter les erreurs que nous avons commises et qui ont conduit à des systèmes injustes et fragiles, ou nous pouvons concevoir l’IA dans les soins de santé pour qu’elle ait un impact positif sur la société. J’espère que nous choisirons ce dernier.
Des stratégies significatives pour évaluer l’IA – ce qui fonctionne et ce qui ne fonctionne pas – sont des éléments essentiels pour instaurer la confiance et un impact positif. À cette fin, nous avons introduit un nouveau cadre d’évaluation qui se concentre sur les propriétés de fiabilité des modèles d’IA comme ChatGPT qui génèrent de nouvelles données. L’évaluation peut également aider à déterminer les capacités de l’IA. Par exemple, nous avons montré que certaines affirmations selon lesquelles les grands modèles de langage développeraient des propriétés émergentes – en d’autres termes, des comportements surprenants rappelant l’intelligence humaine – ne résistent pas à un examen minutieux.
Il est également essentiel de donner la priorité au développement d’une IA centrée sur l’humain dans le domaine de la santé. Impliquer les parties prenantes dans la conception et le déploiement de la technologie et garder les gens dans le pipeline conduira à des systèmes plus équitables qui éviteront de répéter les préjugés de notre passé.
Curtis LanglotzMD, PhD, Co-responsable de RAISE Health et professeur de radiologie, de recherche en informatique biomédicale et de science des données biomédicales
Je suis extrêmement optimiste quant à la fusion des données cliniques provenant de plusieurs sources pour alimenter les dernières avancées en matière d’IA. Les données issues des notes cliniques, des valeurs de laboratoire, des images diagnostiques et des tests génomiques sont rassemblées. En tant que radiologue, je suis particulièrement enthousiasmé par la façon dont l’IA peut nous aider à réduire les erreurs médicales et à détecter les maladies à un stade précoce.
Nous devrions accorder davantage d’attention aux défis d’une mise en œuvre équitable, pratique et durable de ces technologies étonnantes. Étant donné que ces systèmes apprennent à partir des données, tous les biais inhérents aux données sont intégrés au système. Et rien ne garantit que les médecins disposeront de la bande passante nécessaire pour agir en fonction des informations fournies par l’IA.
Je suis enthousiasmé par l’impact de ChatGPT, Bard et d’autres modèles linguistiques majeurs sur l’engagement des patients et des prestataires. Les patients ont désormais un accès facile à leur dossier médical, et des modèles linguistiques peuvent les aider à comprendre leurs informations de santé au niveau de lecture et dans le langage qui leur convient. Et les modèles de formation comme ChatGPT avec de grandes quantités de données sur les patients peuvent ouvrir des possibilités qui nous surprennent.
Sylvia PlevriteMédecin, Codirecteur de RAISE Health, professeur de science des données biomédicales et de radiologie et chaire de science des données biomédicales
Nous vivons une époque sans précédent. Les modèles d’IA générative comme ChatGPT capturent la structure des données d’une manière qui était inimaginable il y a à peine plus d’un an – et il s’agit de bien plus que la simple capacité d’enchaîner des mots. La structure n’apparaît pas seulement dans les phrases, mais dans tout : les séquences d’ADN, d’ARN et d’acides aminés ; repliement des protéines; entrées électroniques dans les dossiers de santé; et l’imagerie ont toutes une structure qui peut être explorée avec l’IA générative.
Je travaille dans la recherche sur le cancer. L’IA d’aujourd’hui nous permet de combiner des données afin de pouvoir prédire quel événement clinique (« code CPT ») est susceptible de se produire ensuite pour un patient atteint d’un cancer donné, en fonction de son état clinique et moléculaire et de ses antécédents. Cela nous permet de créer des systèmes d’apprentissage actif qui peuvent simultanément faire progresser la recherche fondamentale et les soins cliniques.
Je vois un avenir radieux et je ne suis pas seul. Les gens développent d’excellentes idées sur ce qui peut être fait. Mais la limite réside actuellement dans l’accessibilité. Ce travail nécessite d’importantes ressources informatiques et de données qui ne sont pas disponibles dans la plupart des établissements universitaires. Des universités comme Stanford prennent cela très au sérieux : comment créer des technologies d’IA puissantes mais moins coûteuses pour les environnements universitaires (et plus larges) afin de permettre une perspective scientifique, et pas seulement commerciale ?