Dave Ryan, Directeur général, Entreprise Health & Life Sciences chez Intel – Série d’entretiens

Dave Ryan dirige l’unité commerciale Global Health & Life Sciences d’Intel qui se concentre sur la transformation numérique de bout en bout pour rendre la prise en charge de précision et basée sur la valeur une réalité. Ses clients sont les fabricants qui construisent des instruments de sciences de la vie, des équipements médicaux, des systèmes cliniques, des ordinateurs et des appareils utilisés par les centres de recherche, les hôpitaux, les cliniques, les établissements de soins résidentiels et le domicile. Dave a siégé au conseil d’administration de la division Health & Fitness de la Consumer Technology Association, de l’Alliance personnelle de santé connectée de HIMSS, de la Coalition mondiale sur le vieillissement et de l’Alliance pour les soins connectés.  

Qu’est-ce que l’entreprise Health & Life Sciences d’Intel ?

L’entreprise Health & Life Sciences d’Intel aide les clients à créer des solutions dans les domaines de l’imagerie médicale, des systèmes cliniques et des laboratoires et des sciences de la vie, permettant ainsi des soins distribués, intelligents et personnalisés.

L’entreprise Health d’Intel se concentre sur la santé de la population, l’imagerie médicale, les systèmes cliniques et l’infrastructure numérique.

• La santé de la population examine les données de patients diversifiées pour donner aux prestataires des informations sur les risques de problèmes médicaux et les traitements améliorés à travers les cohortes. L’apprentissage automatique et l’IA optimisés aident à « hiérarchiser » les groupes, de sorte que les payeurs et les prestataires donnent la priorité aux patients les plus à risque.
• L’imagerie médicale (par exemple, IRM, CT), génère d’énormes ensembles de données nécessitant une évaluation précise sans erreur. L’informatique haute performance et l’IA aident à analyser plus rapidement les données d’image et à identifier les facteurs critiques pour aider les radiologues dans le diagnostic.
• Les systèmes cliniques utilisent la vision par ordinateur, l’IA, l’informatique haute performance et l’informatique de bord pour la surveillance des patients, la chirurgie robotique et la télémédecine, entre autres. Ces systèmes intelligents réconcilient les données de sources diverses pour une vue complète du patient et un meilleur diagnostic, avec la flexibilité et la scalabilité pour soutenir les besoins organisationnels changeants.
• L’infrastructure numérique intègre de nombreuses technologies pour permettre de nouvelles approches d’interaction avec les patients, y compris les soins en tout lieu et à tout moment, où les cliniciens collaborent à travers l’espace et le temps pour la gestion des affections, la chirurgie et l’analyse.

L’entreprise Lab et Life Sciences d’Intel se concentre sur 3 domaines principaux : l’analyse de données, l’« omique » et le secteur pharmaceutique.

• L’analyse de données utilise l’IA pour déclencher une cascade de découvertes et d’informations qui aident, entre autres choses, à la médecine de précision en veillant à ce que les patients reçoivent les médicaments les plus efficaces pour eux, et ainsi réduire le risque de profils d’effets secondaires.
• « Omique » décrit et quantifie les groupes de molécules biologiques, en utilisant la bioinformatique et la biologie computationnelle. Les ensembles de données massives impliqués ici nécessitent un traitement à haute performance pour obtenir des résultats dans des délais raisonnables. Avec cette puissance de traitement et de nouvelles bases de données, outils, bibliothèques et optimisations de code, les institutions « omiques » peuvent réduire le temps d’obtention des résultats et les coûts de développement.
• Le secteur pharmaceutique est l’étude des médicaments et de leur interaction avec les systèmes biologiques humains, y compris au niveau moléculaire où la science des données nécessite l’IA et l’apprentissage automatique pour aider à la génération de leads et aux optimisations, à l’identification des cibles et à la recherche préclinique. Cela donne lieu à de meilleurs essais cliniques, à des insights plus intelligents et à une découverte de nouveaux médicaments plus rapide.

Quand avez-vous personnellement commencé à vous intéresser à l’utilisation de l’IA pour le bénéfice des soins de santé ?

La prolifération de l’IA dans de nombreuses industries a été en grande partie une question d’automatisation des tâches régulièrement effectuées par les humains. Dans les soins de santé, l’IA est devenue un outil à travers lequel nous augmentons ou aidons, sans remplacer, l’expertise humaine existante pour offrir des approches vraiment transformatives de diagnostic et de traitement. Et nulle part cela n’est plus clair que dans l’imagerie médicale, où le volume et la complexité des données constituent à la fois un obstacle et une opportunité. Aujourd’hui, l’IA, et en particulier l’inférence, est capable d’effectuer des analyses plus rapides et plus détaillées de vastes ensembles d’informations que tout humain, et en le faisant, non seulement révèle des informations précédemment cachées, mais maximise également le temps précieux du radiologue pour parvenir à un meilleur diagnostic et pour plus de patients. Par exemple, les solutions d’IA des clients aident les radiologues en analysant les données des radiographies qui pourraient indiquer la présence d’un poumon éclaté (pneumothorax) ou du COVID. C’est une réalisation vraiment remarquable qui révolutionne l’efficacité de l’imagerie médicale elle-même et de l’application de l’expertise humaine. Assister à ce type de transformation dans ce seul domaine motive naturellement à rechercher le prochain grand bond en avant dans d’autres domaines de la santé et des sciences de la vie où l’homme et la machine se combinent pour produire un nouveau tout bien plus grand que la somme de ses parties. Etre en mesure de prendre cela à l’étape suivante, c’est l’idée que l’IA peut démocratiser les connaissances à travers les disciplines de soins et faire que l’expertise humaine rare et la nuance basée sur l’expérience aillent encore plus loin, en élevant le niveau de qualité.

Quelle est l’importance de l’IA pour analyser les grandes données dans un contexte clinique ?

Les industries de la santé et des sciences de la vie génèrent plus de données avec une complexité plus grande que toute autre industrie du monde aujourd’hui. Et contrairement aux autres industries, gérer et analyser efficacement ces données est une question de vie et de mort. Compte tenu de ces grandeurs, l’IA est maintenant un facteur indispensable pour répondre à une gamme de besoins, à la fois ordinaires et innovants, dans les contextes cliniques et de laboratoire pour répondre à l’objectif triple de l’industrie : améliorer la qualité des soins et l’accès, tout en réduisant les coûts.

Par exemple, les dossiers médicaux électroniques (DME) ont permis une révolution numérique dans la qualité et l’efficacité de la prestation de soins. Malheureusement, dans ces dossiers, il y a un mélange désordonné de données structurées et non structurées que l’IA peut aider à numériser en ensembles de données plus unifiés et plus utiles. La reconnaissance optique des caractères (ROC) et le traitement automatique du langage naturel (TALN) sont deux modèles d’IA qui peuvent convertir les analogues de l’écriture manuscrite et de la voix en données de DME. Et une fois numérisées, l’IA peut être appliquée à travers ces ensembles de données dans de nombreux cas d’utilisation passionnants.

Dans d’autres cas, les données capturées à partir d’appareils médicaux et de caméras sont en augmentation et, lorsqu’elles sont combinées avec les données d’histoire des patients, les analyses peuvent aider à générer de nouvelles informations pour personnaliser davantage les traitements. Au niveau du recensement, de nombreux hôpitaux ont déjà déployé des algorithmes qui peuvent prédire l’apparition du sepsis pour une intervention plus rapide, et dans les unités de soins intensifs, les logiciels peuvent combiner des données à partir de plusieurs appareils isolés pour créer une image complète du patient en quasi-temps réel. Au fil du temps, toutes ces données capturées et stockées peuvent également être analysées pour de meilleures prédictions à l’avenir.

Quels sont certains des cas d’utilisation les plus notables que vous voyez pour l’apprentissage automatique qui analyse ces données ?

Comme mentionné ci-dessus, les outils de TALN peuvent aider à remplacer la saisie manuelle ou l’entrée de données pour générer de nouveaux documents, tels que des résumés de visites de patients et des notes cliniques détaillées. Cela permet aux cliniciens de voir plus de patients et aux prestataires d’améliorer la documentation, le flux de travail et la précision de la facturation en saisissant les commandes et la documentation plus tôt dans la journée.

Plus largement, les analyses d’IA aident les prestataires à comprendre et à gérer un large éventail d’applications cliniques qui améliorent l’efficacité et réduisent les coûts. Cela permet aux hôpitaux de mieux gérer les ressources et d’affiner les meilleures pratiques, et aux équipes de soins de collaborer sur les diagnostics et la coordination des traitements et des soins globaux qu’ils dispensent aux patients.

Les cliniciens peuvent analyser les anomalies ciblées en utilisant les approches d’apprentissage automatique appropriées et filtrer les informations structurées à partir d’autres données brutes. Cela peut conduire à un diagnostic et à des traitements plus rapides et plus précis. Par exemple, les algorithmes d’apprentissage automatique peuvent convertir le système de diagnostic des images médicales en processus de décision automatisé en convertissant les images en texte lisible par machine. Les techniques d’apprentissage automatique et de reconnaissance de modèles peuvent également tirer des informations à partir de volumes massifs de données d’images cliniques, ingérables par un humain seul, pour transformer le diagnostic, le traitement et la surveillance des patients.

Pour évaluer et gérer la santé de la population, les algorithmes d’apprentissage automatique peuvent aider à prédire les trajectoires de risque futures, à identifier les facteurs de risque et à fournir des solutions pour les meilleurs résultats. Les modules d’apprentissage profond intégrés aux technologies d’IA permettent aux chercheurs d’interpréter des ensembles de données génomiques complexes, de prédire des types spécifiques de cancer (sur la base des profils d’expression génique obtenus à partir de divers grands ensembles de données) et d’identifier plusieurs cibles médicamenteuses.

Pouvez-vous expliquer comment Intel collabore avec la communauté des génomiques pour transformer les grands ensembles de données en informations biomédicales qui accélèrent les soins personnalisés ?

La médecine de précision fournit des sources de données de santé au niveau individuel qui permettent une meilleure sélection de cibles de maladies et l’identification de populations de patients qui présentent de meilleurs résultats cliniques pour les approches préventives et thérapeutiques nouvelles.

La génomique est la pierre angulaire de cette médecine de précision. Elle fournit le plan de qui nous sommes et pourquoi et comment nous sommes uniques, ce qui est essentiel pour les prestataires qui combinent ces informations avec d’autres données (images, chimie clinique, historique médical, données de cohorte, etc.). Les cliniciens utilisent ces informations pour élaborer et dispenser des traitements spécifiques aux patients qui sont moins risqués et plus efficaces.

Intel collabore avec la communauté des génomiques en optimisant les outils d’analyse génétique les plus couramment utilisés dans l’industrie pour fonctionner de manière optimale sur les plateformes et les processeurs basés sur l’architecture Intel. Par exemple, l’optimisation du logiciel de variant génétique de l’institut Broad, l’industrie leader, le Genomic Analysis Toolkit (GATK), sur le matériel Intel en utilisant OpenVINO pour faciliter le développement, le débogage et le déploiement d’un modèle d’IA, met en évidence notre impact et notre engagement dans cette industrie. L’outil GATK offre des avantages à la recherche biomédicale tels que Genomics DB qui stocke efficacement des fichiers d’environ 200 Go de taille (typiques pour les ensembles de données génomiques) et la bibliothèque noyau du génome qui utilise les instructions matérielles spécifiques de l’architecture Intel pour accélérer les charges de travail génomiques et l’utilisation de l’IA.

Accélérer la vitesse et réduire le coût de l’analyse génomique tout en maintenant l’exactitude de cette analyse continue d’être convaincant pour les chercheurs biomédicaux et d’autres sciences de la vie qui utilisent les solutions de calcul d’Intel pour découvrir et exploiter de nouvelles informations médicales.

Pouvez-vous discuter de l’importance des soins de santé à distance ?

L’industrie de la santé a travaillé sur diverses formes et aspects des soins à distance pendant de nombreuses années. Les raisons de cela ont été, jusqu’à récemment, une croyance intuitive et espérée que les soins à distance peuvent être, pour de nombreuses situations de prestation de soins, aussi bons que ou meilleurs que les modèles de clinique traditionnels. Maintenant, poussé par la crise de la pandémie et son impact, les systèmes de prestation de soins de santé dans le monde sont contraints d’adopter la télémédecine ou de s’effondrer. Cette ruée soudaine pour mettre en œuvre prouve maintenant que ces croyances de longue date sont vraies et que les soins à distance sont à la fois vitaux et très viables.

Les soins à distance ont de nombreux avantages. La satisfaction des patients et leur confort avec la prestation de soins par télémédecine augmentent rapidement. Ils sont capables de rester calmes et à l’aise chez eux avec moins de perturbation et d’impact sur l’horaire. Les prestataires aiment cela parce que cela leur permet de voir plus de patients et de mieux gérer leur temps et de mieux allouer les ressources cliniques rares. Et, bien sûr, ce qui est devenu la raison la plus claire et la plus convaincante pour tout le monde ces derniers mois est la capacité inhérente des soins à distance à limiter la contagion et le besoin de contact en personne lorsqu’une conversation vidéo avec une télémétrie d’appareil et de calcul peut réaliser la plupart des tâches de prestation de soins tout aussi bien.

Pouvez-vous discuter des technologies actuellement utilisées pour la surveillance à distance des patients ?

Il existe plusieurs éléments technologiques critiques. Le plus important est la facilité d’utilisation pour le patient, suivie rapidement de la sécurité et de la confidentialité des données, et de la robustesse de l’application et des données qu’elle capte. Par exemple, nous devons empêcher un utilisateur de supprimer une application de surveillance par accident sur son iPad.

Un autre aspect critique pour un prestataire de soins qui déploie sur plusieurs patients est la gestion de flotte et la capacité d’envoyer des mises à jour ou un support technique par câble et adapté à chaque utilisateur ou cohorte d’utilisateurs. Cela nécessite :

• la normalisation de l’échange de données et de la confidentialité avec les normes de l’industrie telles que FHIR et Continua;
• une plate-forme de calcul sécurisée et économe en énergie pour orchestrer les données et les communiquer au clinicien, y compris le logiciel et le cryptage appropriés;
• la connectivité via un réseau cellulaire pour rendre les appareils utilisateurs autonomes et non dépendants du Wi-Fi à domicile qui peut être peu fiable ou même inexistant;
• le stockage en cloud et l’analyse à l’arrière-plan.

En outre, la capacité de recueillir et d’agréger les données provenant des utilisateurs est fondamentale pour permettre aux cliniciens de surveiller les patients et de fournir un support, et pour que le logiciel et les analyses informent les équipes de soins d’un état nominal ou déclenchent une notification d’alarme pour les résultats qui sont hors tolérance.

Nous croyons que l’IA jouera un rôle beaucoup plus important dans la surveillance des patients à l’avenir, en améliorant l’expérience du patient grâce à des enquêtes de voix naturelles (« Comment vous sentez-vous aujourd’hui ? », « Votre tension artérielle semble un peu élevée ») et en permettant aux équipes de soins de mieux comprendre la santé d’un patient et d’identifier les traitements appropriés. Grâce à l’utilisation de modèles d’IA, la gestion de la santé de la population progressera avec toutes les données de patients qui se fondent dans des ensembles de données encore plus grands, ce qui améliore l’exactitude d’un modèle d’apprentissage itératif. C’est essentiel pour la surveillance à distance à grande échelle.

Quels sont les problèmes qui doivent être surmontés pour augmenter le taux de réussite des soins de santé à distance ?

De nombreux problèmes qui affectent notre système actuel de prestation de soins traditionnels sont également des facteurs qui améliorent ou entravent le succès des soins à distance. Cela inclut les croyances et les stigmates sociétaux et sous-segmentaux entourant les soins de santé, ou les barrières socio-économiques découlant du manque d’assurance, de la compétence technologique, des appareils requis et de la connectivité. Les silos de données empêchent de maximiser la valeur que des ensembles de données partagés plus importants pourraient produire, en particulier maintenant que notre capacité à exploiter les programmes d’apprentissage est vraiment émergente.

Mais il y a des défis qui sont uniques aux soins à distance :

• les problèmes de politique et de paiement, bien que beaucoup améliorés ces derniers temps, doivent continuer leur élan positif pour s’étendre avec des restrictions assouplies sur ce qui est autorisé et remboursable via la modalité de soins à distance;
• les défis financiers et le manque de capital pour investir dans la technologie dans les soins de santé nécessitent une conversion d’un modèle de CapEx à un modèle de OpEx. Plutôt que d’investir dans des installations et des équipements de CapEx, les prestataires peuvent passer à un modèle « payez-as-you-go », renonçant ainsi au besoin d’une grande infrastructure fixe et, comme le service téléphonique, payant pour les minutes (ou les données) utilisées;
• l’expérience utilisateur, pour les patients et les prestataires, doit continuer à s’améliorer, en fin de compte jusqu’au point où la technologie disparaît dans l’arrière-plan, et les capacités sont intuitives et transparentes et le processus convaincant avec des résultats et des structures de coûts équivalents ou meilleurs.

En fin de compte, nous voulons que la technologie soutienne la prestation de soins, et non qu’elle se mette en travers. Si nous sommes réussis (et nous croyons que nous le sommes et que nous continuerons à l’être), alors la technologie permettra réellement un pont vers le modèle de demain de prestation de soins à distance, faisant ainsi le meilleur cas possible pour la normalisation des soins à distance comme norme de prestation de soins.

Je vous remercie pour cette fantastique interview, j’ai apprécié en apprendre davantage sur les efforts de santé d’Intel. Les lecteurs qui souhaitent en savoir plus devraient visiter l’entreprise Health & Life Sciences d’Intel.