Dave Ryan, Directeur général, Entreprise Santé et Sciences de la vie chez Intel – Série d’entretiens

Dave Ryan dirige l’unité commerciale Santé et Sciences de la vie mondiales d’Intel (INTC ), 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 conçoivent des instruments de sciences de la vie, des équipements médicaux, des systèmes cliniques, des appareils de calcul et des dispositifs utilisés par les centres de recherche, les hôpitaux, les cliniques, les établissements de soins résidentiels et le domicile. Dave a siégé aux conseils d’administration de la division Santé et Fitness de la Consumer Technology Association, de l’Alliance de la santé connectée personnelle de HIMSS, de la Coalition mondiale sur le vieillissement et de l’Alliance pour les soins connectés.  

Qu’est-ce que l’entreprise Santé et Sciences de la vie d’Intel ?

L’entreprise Santé et Sciences de la vie 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 Santé d’Intel se concentre sur la santé de la population, l’imagerie médicale, les systèmes cliniques et les infrastructures numériques.

• 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 pour les cohortes. L’apprentissage automatique et l’intelligence artificielle 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, scanner), génère des ensembles de données énormes nécessitant une évaluation précise sans marge d’erreur. Le calcul haute performance et l’intelligence artificielle 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’intelligence artificielle, le calcul haute performance et le calcul de bord pour la surveillance des patients, la chirurgie robotique et la télémédecine, entre autres. Ces systèmes intelligents réconcilient les données sources diverses pour une vue complète du patient et un meilleur diagnostic, avec une flexibilité et une évolutivité pour soutenir les besoins organisationnels changeants.
• Les infrastructures numériques intègrent 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 Laboratoire et Sciences de la vie d’Intel se concentre sur trois domaines principaux : l’analyse des données, les « omiques » et la pharmacie.

• L’analyse des données utilise l’intelligence artificielle pour déclencher une cascade de découvertes et d’informations qui aident, entre autres, à la médecine de précision en veillant à ce que les patients reçoivent les médicaments les plus efficaces pour eux, réduisant ainsi le risque de profils d’effets secondaires.
• Les « omiques » décrivent et quantifient les groupes de molécules biologiques, en utilisant la bioinformatique et la biologie computationnelle. Les ensembles de données massives impliqués ici nécessitent un traitement à haut débit pour obtenir des résultats dans des délais raisonnables. Avec ce débit et de nouvelles bases de données, kits d’outils, bibliothèques et optimisations de code, les institutions « omiques » peuvent réduire le temps nécessaire pour obtenir des résultats et les coûts de développement.
• La pharmacie 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’intelligence artificielle 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 sur les réactions et à une découverte de nouveaux médicaments plus rapide.

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

La prolifération de l’intelligence artificielle dans de nombreuses industries a été en grande partie liée à l’automatisation des tâches régulièrement effectuées par les humains. Dans les soins de santé, l’intelligence artificielle est devenue un outil grâce auquel nous augmentons ou aidons, sans remplacer, l’expertise humaine existante pour offrir des approches véritablement transformatives du diagnostic et du 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’intelligence artificielle, et l’inférence en particulier, est capable d’effectuer des analyses plus rapides et plus détaillées de vastes ensembles d’informations que tout humain, et en faisant ainsi non seulement révèle des informations précédemment cachées, mais également maximise le temps précieux du radiologue pour parvenir à une meilleure conclusion diagnostique et pour plus de patients. Par exemple, les solutions d’intelligence artificielle des clients aident les radiologues en analysant les données des radiographies qui pourraient indiquer la présence d’un pneumothorax ou de 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 domaine m’amène naturellement à rechercher le prochain grand bond 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. Et si l’on va plus loin, l’idée est que l’intelligence artificielle peut démocratiser les connaissances dans les disciplines de soins et faire que l’expertise humaine et la nuance basée sur l’expérience aillent encore plus loin, en améliorant ainsi le niveau de qualité.

À quel point l’intelligence artificielle est-elle importante 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 n’importe quelle autre industrie au monde aujourd’hui. Et contrairement aux autres industries, gérer et analyser efficacement ces données est une question de vie ou de mort. Compte tenu de ces grandeurs, l’intelligence artificielle est désormais un facteur indispensable pour répondre à une gamme de besoins, tant routiniers que novateurs, dans les contextes cliniques et de laboratoire pour répondre aux trois objectifs 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, au sein de ces dossiers, il y a un mélange confus de données structurées et non structurées que l’intelligence artificielle 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) ne sont que deux modèles d’intelligence artificielle qui peuvent convertir les écritures manuscrites et la voix en données de DME. Et une fois numérisées, l’intelligence artificielle peut être appliquée à 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 antécédents médicaux des patients, l’analyse peut aider à conduire de nouvelles informations pour personnaliser davantage les traitements. À un niveau de recensement, de nombreux hôpitaux ont déjà déployé des algorithmes qui peuvent prédire l’apparition d’une septicémie pour une intervention plus rapide, et dans les unités de soins intensifs, des 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 analysant ces données ?

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

Plus largement, les analyses d’intelligence artificielle 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 des diagnostics plus rapides et plus précis et à des traitements optimaux. Par exemple, les algorithmes d’apprentissage automatique peuvent convertir le système de diagnostic des images médicales en prise de décision automatisée en convertissant les images en texte lisible par machine. Les techniques d’apprentissage automatique et de reconnaissance de modèles peuvent également tirer des insights des 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’intelligence artificielle permettent aux chercheurs d’interpréter des ensembles de données génomiques complexes, de prédire des types de cancer spécifiques (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 élaborer sur la façon dont Intel collabore avec la communauté des génomiques pour transformer de 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 des résultats cliniques améliorés 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, antécédents médicaux, 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 au mieux sur les plateformes et les processeurs basés sur l’architecture Intel. Par exemple, l’optimisation du logiciel de variante génétique de l’institut Broad, 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’intelligence artificielle, met en évidence notre impact et notre engagement dans cette industrie. L’outil GATK offre des avantages pour la recherche biomédicale tels que la base de données Génomique qui stocke efficacement des fichiers d’environ 200 Go (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’intelligence artificielle.

L’accélération de la vitesse et la réduction du coût de l’analyse génomique tout en maintenant l’exactitude de cette analyse continue d’être convaincante 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 en étaient, jusqu’à récemment, une croyance intuitive et espérée selon laquelle les soins à distance pourraient être, pour de nombreuses situations de prestation de soins, aussi bons que ou meilleurs que les modèles traditionnels en clinique. Maintenant, poussée 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 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 et le confort des patients avec la prestation de soins par télémédecine augmentent rapidement. Ils peuvent rester calmes et à l’aise chez eux avec moins de perturbations et d’impact sur l’horaire. Les prestataires les aiment parce qu’ils peuvent voir plus de patients et mieux gérer leur temps et allouer les ressources cliniques rares. Et, bien sûr, ce qui est devenu la raison la plus claire et la plus convaincante ces derniers mois pour tout le monde 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 de dispositif 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 par la sécurité et la confidentialité des données, et la robustesse de l’application et des données qu’elle capture. 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 la 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 des normes industrielles 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 et l’analyse en nuage à l’arrière-plan.

En outre, la capacité de rassembler et d’agréger les données provenant des utilisateurs est fondamentale pour permettre aux cliniciens de surveiller les patients et de soutenir, et pour que les logiciels 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’intelligence artificielle 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 allez-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’intelligence artificielle, la gestion de la santé de la population progressera également avec toutes les données de patients qui se fondent dans des ensembles de données toujours plus grands qui améliorent l’exactitude d’un modèle d’apprentissage itératif. C’est essentiel pour la surveillance à distance à grande échelle.

Quels sont certains des 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 traditionnelle 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 maîtrise de la technologie, des appareils requis et de la connectivité. Les silos de données empêchent de maximiser la valeur que les ensembles de données partagés plus importants pourraient produire, surtout 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 nettement 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 pour que la technologie disparaisse dans l’arrière-plan, et les capacités soient intuitives et sans faille 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 réussissons (et nous croyons que nous le faisons et que nous continuerons à le faire), alors la technologie permettra véritablement un pont vers le meilleur modèle de prestation de soins à distance de demain, en faisant le meilleur plaidoyer 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 Santé et Sciences de la vie mondiales d’Intel.