Les technologies informatiques de pointe changeront la façon dont les médecins prennent leurs décisions

 

- Ottawa, Ontario

Le CNRC et l'Hôpital général juif de Montréal s'allient pour étudier l'usage d'outils d'apprentissage automatique en santé.

La technologie fait partie intégrante de la médecine moderne. Pourtant, le poids qui pèse sur le système de santé se fait toujours ressentir, notamment depuis le début de la pandémie où chaque place aux soins intensifs est comptée. Et si ce système était allégé au moyen d'outils technologiques de pointe capables d'aider les médecins à prendre des décisions souvent cruciales? L'apprentissage automatique révolutionne déjà de nombreux secteurs d'activité et son implantation en milieu médical n'est plus qu'une question de temps. Pour en arriver là, il faudra cependant que les médecins et autres professionnels de la santé aient la certitude que ces nouveaux outils informatiques sont fiables et peuvent vraiment les aider à prendre des décisions qui influeront de manière déterminante et favorable sur le bien-être de leurs patients.

C'est ce sur quoi le CNRC, en collaboration avec l'équipe de santé numérique du CIUSSS du Centre-Ouest-de-l'Île-de-Montréal et OROT, un incubateur pour l'avancement de l'innovation dans les soins de santé de l'Hôpital général juif de Montréal, travaille actuellement.

L'objectif? Intégrer des algorithmes d'apprentissage automatique aux processus décisionnels d'un hôpital et faire en sorte que les recommandations soient accompagnées d'explications.

Le projet est centré sur l'apprentissage automatique explicable. Cette technologie regroupe un ensemble de techniques qui permettent au système d'apprendre en s'appuyant sur un large éventail de données et d'en tirer des conclusions lorsqu'il est subséquemment mis en présence de données similaires. Par exemple, en analysant l'information saisie par le personnel affecté au triage des patients atteints de la COVID-19 dans une salle d'urgence, ce système pourrait être en mesure de prédire qui sont les patients les plus susceptibles d'avoir besoin de soins spécialisés à court terme. L'apprentissage automatique explicable pourrait même aller plus loin et exposer les raisons à la base de ces prédictions afin que les médecins puissent les comprendre. Jumelé à l'expérience du médecin, un tel outil aiderait le personnel hospitalier à prendre rapidement des décisions rapides, judicieuses et fidèles.

L'apprentissage automatique ouvre des perspectives intéressantes pour notre système de santé. Les algorithmes sont en mesure d'analyser plus rapidement et plus précisément que les humains des quantités énormes de données. L'objectif principal de ce projet de recherche consiste à comprendre quel serait le meilleur moyen pour les médecins d'utiliser l'apprentissage automatique et en faire un outil de soutien essentiel dans l'exercice de leur profession.

Comme l'apprentissage automatique est une technologie relativement nouvelle dans le domaine de la santé, Jordan Hovdebo, chef de l'équipe du projet du Centre de recherche sur les dispositifs médicaux du CNRC, et Rola Harmouche, responsable de projet, ont planifié le déroulement de ce projet en plusieurs phases.

L'équipe doit d'abord évaluer les besoins des cliniciens pour identifier les problèmes à résoudre dans un contexte de pandémie, bien qu'une fois finalisé, l'outil pourra certainement être utile dans plusieurs situations de pratiques de soins. Ensuite, un relevé des technologies et de la documentation existantes sera effectué afin de choisir celles qui seraient les plus pertinentes dans ces situations. L'équipe de recherche développera ensuite des algorithmes adaptés capables de prévoir correctement l'évolution des cas en étayant ces prévisions avec des explications. Ces algorithmes seront ensuite combinés à l'expérience des utilisateurs et aux lignes directrices des interfaces des systèmes informatiques cliniques développés par des chercheurs de l'Hôpital général juif. Il en résultera un prototype qui démontrera la viabilité de l'apprentissage automatique explicable en santé. Ce prototype sera ensuite présenté à une équipe de cliniciens participants pour en faire une évaluation.

« Nous souhaitons créer un dispositif qui aura des incidences cliniques à long terme. »

Rola Harmouche, responsable de projet, CNRC

Lancée en février 2021, la première phase de ce projet devrait durer un peu plus d'un an. À cette étape, le développement et la validation des méthodes d'apprentissage automatique seront fondés sur des données du domaine public. À un stade ultérieur de la collaboration, l'outil pourra être adapté afin d'utiliser des données extraites de dossiers de l'Hôpital général juif. Si tout se déroule comme prévu, ce projet engendrera un prototype validé qui démontrera l'efficacité de l'approche qui pourrait être utilisée dans des systèmes réels mis en place pour améliorer la prestation des soins de santé partout.

Le projet est financé par le Programme Défi en réponse à la pandémie du CNRC dont l'objectif consiste à faciliter le développement de technologies et de solutions qui combleront les lacunes qui minent actuellement la capacité de la communauté médicale à répondre à une pandémie. Si la crise de la COVID-19 a gravement perturbé nos activités, elle a aussi permis à notre esprit d'innovation de s'exprimer et elle sera sans doute à l'origine de technologies qui feront évoluer les soins de santé pour le mieux.

Science ou science-fiction?

Imaginez un médecin qui discute avec un ordinateur à propos d’un patient pour obtenir des recommandations sur les soins à lui prodiguer. Utopique? Pourtant, des technologies déjà couramment utilisées, comme celles qui vous servent à effectuer vos recherches sur Internet ou à détecter les fraudes bancaires, commencent à être installées dans les hôpitaux près de chez vous. Le CNRC teste actuellement, avec la collaboration de l’Hôpital général juif de Montréal, des modes d’interaction avec certaines technologies et la manière de présenter ces technologies afin de s’assurer qu’elles sont en mesure de répondre aux besoins de la communauté médicale.