Comment l'IA crée de nouvelles opportunités dans le secteur de la santé

Tim McCarty : Quand on pense à l’intelligence artificielle (IA), et quand la plupart des personnes présentes dans cette salle y pensent, la santé n’est pas le premier sujet qui vient à l’esprit. Ce secteur a tardé à adopter l’intelligence artificielle. Certains pourraient en conclure que les soins de santé et l’intelligence artificielle s’excluent mutuellement. Je vais essayer de démontrer aujourd’hui que cette conclusion n’est pas la bonne. En fait, nous pensons qu’au cours des trois à cinq prochaines années, nous allons assister à une accélération de l’adoption de l’intelligence artificielle dans le secteur de la santé et que le secteur de la santé va dépasser d’autres secteurs en termes d’adoption de l’IA.

Applications de l'IA dans le domaine de la santé : la détection précoce du cancer

Concernant le cancer, l’opportunité que représente l’IA est un diagnostic plus précoce qui permettra d’obtenir de meilleurs résultats en matière de traitement. Le problème avec le cancer, c’est qu’il est souvent dépisté trop tard pour traiter les symptômes, et qu’il n’existe aujourd’hui que quelques méthodes de dépistage. Il y a la mammographie pour le cancer du sein ou la coloscopie pour le cancer du côlon.

Eh bien aujourd’hui, on utilise l’IA à un stade précoce pour le dépistage sanguin du cancer chez des personnes saines ou non symptomatiques, pour permettre un diagnostic plus précoce et augmenter les chances de guérison. Pour donner un exemple concret, prenons l’exemple des Cowboys de Dallas. Et ce qu’a fait le quarterback Dak Prescott est une véritable source d’inspiration.

Malheureusement, le cancer l’a touché de plein fouet. Sa mère est décédée des suites d’un cancer et il a utilisé sa fondation pour militer en faveur d’un dépistage précoce. Et il a demandé à toute l’organisation des Cowboys de se faire dépister. L’été dernier, pendant le stage de formation, un membre de l’équipe des relations média a passé un test de dépistage sanguin et a appris qu’il était peut-être atteint d’un cancer de la tête ou du cou. Il a ensuite subi un test diagnostique qui a confirmé qu’il était effectivement atteint d’un cancer de la tête ou du cou de stade 2. Mais ce qui est important,c’est qu’il ne présentait aucun symptôme. Il a été traité pendant la semaine de repos de l’équipe et aujourd’hui il remercie Dak Prescott de lui avoir sauvé la vie. Il s’agit donc d’un exemple concret pour illustrer cette réalité.

Améliorer l'expérience du patient, du payeur et du prestataire

Il existe une maladie appelée sténose aortique sévère, dont le taux de mortalité à 2 ans est de 50 % si elle n’est pas traitée. Mais la bonne nouvelle pour les patients, c’est qu’il existe une approche mini-invasive, une alternative à la chirurgie à cœur ouvert, appelée remplacement de la valve aortique par transcathéter, qui donne aux patients une nouvelle chance. L’intelligence artificielle permet de mieux diagnostiquer cette maladie à trois niveaux :chez le généraliste, chez le cardiologue, puis dans le cadre d’une intégration avec les systèmes de santé.

Tout d’abord, le parcours normal du patient pour diagnostiquer cette maladie se fait chez le généraliste, qui, lors d’un examen médical annuel, doit réussir à détecter un souffle cardiaque. Mais c’est très imparfait. C’est un exercice très imparfait et sujet aux erreurs. On est donc en train d’incorporer l’IA dans le stéthoscope du généraliste afin de réduire le taux d’erreur.

Ensuite, le patient va chez le cardiologue. Chez lui, le patient va devoir subir un test de diagnostic appelé échocardiogramme. Mais comme pour tout test diagnostique,il y a un taux d’erreur, et là, l’IA vient prêter main-forte à l’échocardiographe.

Les principaux centres médicaux universitaires de ce pays estiment que seuls 50 % des patients diagnostiqués sont traités. Ce que fait l’IA, c’est de fusionner les dossiers médicaux électroniques avec les systèmes de santé pour signaler de manière proactive les patients qui sont passés entre les mailles du filet d’une manière ou d’une autre. Il s’agit là de ce que j’appelle « viser dans le mille » concernant les soins de santé, avec les trois P de l’écosystème des soins de santé - le patient, le payeur et le prestataire - tous incités à adopter cette technologie.

Accélérer la découverte de médicaments

La découverte de médicaments est un processus très inefficace, et nous pensons que l’intelligence artificielle peut améliorer ça. « Et donc ? » me direz-vous. À plus long terme, nous pensons que ça peut faire augmenter les multiples des sociétés biopharmaceutiques. J’aime parler de ce que j’appelle la règle des 10/10 pour illustrer l’inefficacité de la découverte de médicaments. Il faut en moyenne 10 ans pour qu’un médicament arrive sur le marché, et seuls 10 % des médicaments y parviennent ; 90 % échouent, et en réalité, c’est seulement 5 % si on exclut les reformulations ou les médicaments identiques à d’autres. C’est donc un processus très inefficace.

Les entreprises biopharmaceutiques disposent d’une multitude de données, mais elles n’avaient pas vraiment les moyens de les utiliser à leur avantage jusqu’à présent. Grâce à l’intelligence artificielle, ces données sont analysées et il est possible de mieux prédire la structure et l’interaction des biomolécules. Selon nous, cela peut conduire à une amélioration de la règle des 10/10. Si l’on considère l’ensemble du secteur de la santé, les entreprises biopharmaceutiques affichent certaines des marges les plus élevées, mais elles se négocient aux multiples les plus bas en raison de la règle des 10/10 ou de l’inefficacité. Mais si l’IA peut améliorer cela, nous pensons que cela peut conduire à une réévaluation à plus long terme des multiples des entreprises biopharmaceutiques.