L’intégration d’outils d’intelligence artificielle (IA) dans la pratique clinique, tels que les algorithmes d’aide à la décision clinique (CDS), aide les médecins à prendre des décisions cruciales concernant le diagnostic et le traitement des patients. Cependant, le succès de ces technologies dépend en grande partie de la compréhension qu’ont les médecins de ces outils, un ensemble de compétences qui fait actuellement défaut.
L’IA devient une partie intégrante de la prise de décision médicale, mais les médecins doivent améliorer leur compréhension de ces outils pour une utilisation optimale. Les recommandations d’experts appellent à une formation ciblée et à une approche d’apprentissage pratique.
Au fur et à mesure que les systèmes d’intelligence artificielle (IA) comme ChatGPT trouveront leur place dans l’utilisation quotidienne, les médecins commenceront à voir ces outils intégrés dans leur pratique clinique pour les aider à prendre des décisions importantes sur le diagnostic et le traitement des conditions médicales courantes. Ces outils, appelés algorithmes d’aide à la décision clinique (CDS), servent à guider les prestataires de soins de santé dans la prise de décisions cruciales, telles que les antibiotiques à prescrire ou s’il faut recommander une chirurgie cardiaque à risque.
Cependant, le succès de ces nouvelles technologies dépend en grande partie de la façon dont les médecins interprètent et agissent sur les prévisions de risque d’un outil – et cela nécessite un ensemble unique de compétences qui font actuellement défaut à beaucoup, selon un nouvel article de perspective publié le 5 août dans le Journal de médecine de la Nouvelle-Angleterre qui a été écrit par la faculté dans le École de médecine de l’Université du Maryland (UMSOM).
Le rôle des algorithmes d’aide à la décision clinique
Les algorithmes CDS sont polyvalents et peuvent prédire divers résultats dans des conditions d’incertitude clinique. Ils vont des calculateurs de risque dérivés de la régression à des apprentissage automatique et les systèmes basés sur l’intelligence artificielle. De tels algorithmes peuvent prédire des scénarios tels que les patients les plus à risque de sepsie potentiellement mortelle résultant d’une infection non contrôlée, ou quelle thérapie est la plus susceptible de prévenir la mort subite chez un patient souffrant d’une maladie cardiaque.
« Ces nouvelles technologies ont le potentiel d’avoir un impact significatif sur les soins aux patients, mais les médecins doivent d’abord apprendre comment les machines pensent et fonctionnent avant de pouvoir intégrer des algorithmes dans leur pratique médicale », a déclaré Daniel Morgan, MD, MS, professeur d’épidémiologie et de santé publique à UMSOM et co-auteur de la perspective.
Défis de mise en œuvre
Alors que certains outils d’aide à la décision clinique sont déjà intégrés dans les systèmes de dossiers médicaux électroniques, les prestataires de soins de santé trouvent souvent que le logiciel actuel est lourd et difficile à utiliser. « Les médecins n’ont pas besoin d’être des experts en mathématiques ou en informatique, mais ils doivent avoir une compréhension de base de ce que fait un algorithme en termes d’ajustement de probabilité et de risque, mais la plupart n’ont jamais été formés à ces compétences », a déclaré Katherine Goodman, JD, PhD, professeur adjoint d’épidémiologie et de santé publique à l’UMSOM et co-auteur de la perspective.
Solutions proposées pour une meilleure intégration
Pour combler cette lacune, la formation médicale et la formation clinique doivent intégrer une couverture explicite du raisonnement probabiliste adapté spécifiquement aux algorithmes CDS. Drs. Morgan, Goodman et leur co-auteur Adam Rodman, MD, MPH, au Beth Israel Deaconess Medical Center de Boston, ont proposé ce qui suit :
- Améliorer les compétences probabilistes: Au début de la faculté de médecine, les étudiants doivent apprendre les aspects fondamentaux de la probabilité et de l’incertitude et utiliser des techniques de visualisation pour rendre la pensée en termes de probabilité plus intuitive. Cette formation devrait inclure l’interprétation des mesures de performance telles que la sensibilité et la spécificité afin de mieux comprendre les performances des tests et des algorithmes.
- Incorporer la sortie algorithmique dans la prise de décision: Les médecins devraient apprendre à évaluer de manière critique et à utiliser les prédictions CDS dans leur prise de décision clinique. Cette formation implique de comprendre le contexte dans lequel les algorithmes fonctionnent, de reconnaître les limites et de prendre en compte les facteurs pertinents du patient que les algorithmes peuvent avoir manqués.
- Pratiquer l’interprétation des prédictions CDS dans l’apprentissage appliqué: Les étudiants en médecine et les médecins peuvent s’engager dans un apprentissage basé sur la pratique en appliquant des algorithmes à des patients individuels et en examinant comment différentes entrées affectent les prédictions. Ils doivent également apprendre à communiquer avec les patients au sujet de la prise de décision guidée par le CDS.
Lancement de l’Institut d’informatique de santé
L’Université du Maryland, Baltimore (UMB), l’Université du Maryland, College Park (UMCP) et le système médical de l’Université du Maryland (UMMS) ont récemment lancé des plans pour un nouvel Institut d’informatique de la santé (IHC). L’UM-IHC s’appuiera sur les avancées récentes de l’intelligence artificielle, de la médecine de réseau et d’autres méthodes informatiques pour créer un système de soins de santé d’apprentissage de premier plan qui évalue à la fois les données de santé médicales numérisées anonymisées et sécurisées pour améliorer le diagnostic, la prévention et le traitement des maladies. Le Dr Goodman commence un poste à l’IHC, qui sera un site dédié à l’éducation et à la formation des prestataires de soins de santé sur les dernières technologies. L’Institut prévoit d’offrir éventuellement une certification en science des données sur la santé parmi d’autres possibilités de formation formelle en sciences des données.
« L’analyse des probabilités et des risques est essentielle à la pratique de la médecine factuelle. Par conséquent, l’amélioration des compétences probabilistes des médecins peut offrir des avantages qui vont au-delà de l’utilisation des algorithmes CDS », a déclaré le doyen de l’UMSOM, Mark T. Gladwin, MD, vice-président des affaires médicales. , Université du Maryland, Baltimore, et professeur émérite John Z. et Akiko K. Bowers. « Nous entrons dans une ère de transformation de la médecine où de nouvelles initiatives comme notre Institute for Health Computing intégreront de vastes trésors de données dans des systèmes d’apprentissage automatique pour personnaliser les soins pour chaque patient. »
