Grant Lunney, responsable produit chez EverHealth – série d’entretiens

Grant Lunney est responsable produit chez EverHealth. Il possède près de deux décennies d’expérience dans les technologies de la santé, les opérations cliniques et la stratégie produit. Son parcours l’a conduit à travailler chez Boulder Community Health, OTTO Health, NextGen Healthcare et CrowdHealth, où il s’est concentré sur les soins ambulatoires et les difficultés concrètes auxquelles font face les cabinets médicaux. Chez EverHealth, il travaille à l’application de l’IA à la documentation clinique et aux flux de travail des cabinets, afin de donner aux cliniciens davantage de temps à consacrer aux soins des patients.

EverHealth propose des technologies de santé couvrant les dossiers médicaux électroniques, la gestion des cabinets, la facturation médicale et les communications avec les patients. Son outil EverHealth Scribe s’appuie sur l’IA ambiante pour transformer les échanges entre patients et professionnels de santé en projets de notes cliniques dans le dossier médical électronique, que le clinicien peut examiner et approuver. Dans cet entretien, Lunney aborde la documentation en santé comportementale, le consentement et la confidentialité des patients, la supervision clinique et la manière dont l’IA peut réduire les tâches administratives des cabinets indépendants.

Votre carrière s’étend sur près de deux décennies dans les technologies de la santé, des opérations cliniques et de la stratégie chez Boulder Community Health à la direction produit chez OTTO Health, NextGen Healthcare, CrowdHealth et, aujourd’hui, EverHealth. Comment ces expériences ont-elles façonné votre point de vue sur le rôle que l’IA devrait jouer dans le secteur de la santé, et qu’est-ce qui vous a attiré dans la possibilité de diriger l’innovation produit chez EverHealth ?

J’ai consacré près de deux décennies aux technologies de la santé, principalement dans le domaine des soins ambulatoires. Pendant cette période, j’ai vu les outils mis à la disposition des médecins pour les aider dans leur pratique évoluer de façon remarquable. Je me souviens de l’époque où la prescription électronique représentait une avancée majeure. La possibilité pour un médecin d’envoyer une ordonnance par voie électronique afin qu’elle soit prête à l’arrivée du patient à la pharmacie constituait un progrès important. Depuis, nous avons mis en place des dossiers médicaux électroniques toujours plus sophistiqués, l’automatisation des processus, l’interopérabilité et toutes sortes d’outils destinés à améliorer l’efficacité du système de santé.

Je vois l’IA à peu près de la même façon. Qu’il s’agisse de grands modèles de langage, d’IA générative ou de modèles prédictifs, ce sont des outils supplémentaires dans notre boîte à outils. L’objectif reste le même : rendre les cliniciens plus efficaces et, au bout du compte, améliorer la qualité des soins qu’ils peuvent offrir.

Prenons le cas d’un médecin de premier recours qui suit une patientèle de 2 500 ou 3 000 personnes. Ses journées sont absorbées par les consultations pour des problèmes aigus, la gestion des médicaments et la prise en charge de patients atteints de plusieurs maladies chroniques. Pourtant, je ne crois pas une seconde que ces médecins ne souhaiteraient pas consacrer davantage de temps à agir en amont avec leurs patients : parler d’alimentation, d’exercice, de santé comportementale et des facteurs sociaux qui influent sur la santé d’une personne. Les aider à apporter des changements importants qui pourraient empêcher l’apparition d’une nouvelle maladie chronique. C’est pour cela qu’ils ont fait leurs études de médecine.

C’est ce qui me passionne dans l’IA. Nous commençons à développer des technologies capables de décharger les cliniciens d’une part importante du travail administratif et du traitement de l’information, afin qu’ils aient davantage de temps à consacrer à la médecine.

Ce qui m’a attiré chez EverHealth, c’est notre capacité à déployer cette technologie progressivement dans l’ensemble d’un cabinet médical. Je suis convaincu qu’il faut résoudre un problème de manière exemplaire avant de passer au suivant. Nous pouvons améliorer la documentation clinique, puis la détection des diagnostics, puis le codage, les demandes d’examens, les prescriptions et la gestion du cabinet. Avec le temps, ces améliorations commencent à agir de concert.

EverHealth Scribe utilise l’IA pour transformer les échanges entre patients et professionnels de santé en documentation clinique structurée. Pouvez-vous nous expliquer le fonctionnement de cette technologie, de l’enregistrement d’une consultation à la production d’une note clinique, et nous dire en quoi votre approche se distingue des autres solutions de documentation médicale fondées sur l’IA ?

Dans sa forme la plus simple, un assistant de rédaction clinique fondé sur l’IA écoute une conversation entre un patient et un clinicien, utilise la reconnaissance vocale pour comprendre ce qui est dit et par qui, puis s’appuie sur un grand modèle de langage pour organiser les informations cliniquement pertinentes sous la forme d’une note structurée. Le clinicien examine ces informations, apporte les corrections nécessaires et approuve la documentation finale.

Je pense que nous arrivons à un stade où la plupart des bons assistants de rédaction clinique fondés sur l’IA ambiante sont désormais remarquablement capables d’accomplir cette tâche fondamentale. Les modèles diffèrent par leur sophistication et leur précision, mais je crois que les possibilités de différenciation les plus importantes tiendront de plus en plus à tout ce qui entoure ce processus.

Pour nous, cela commence par tout le travail supplémentaire que nous pouvons accomplir pour le clinicien une fois la note produite. Nous avons déjà ajouté des recommandations de diagnostic et de codes CPT, et nous élargissons nos fonctionnalités aux demandes d’examens et aux prescriptions, le tout directement intégré au dossier médical électronique. Nous intégrons également le contexte des consultations précédentes, des antécédents médicaux et de la documentation établie avant la consultation, car un échange de 15 minutes ne représente qu’une petite partie d’une histoire clinique bien plus vaste. En outre, nous développons des annotations qui consignent les observations et les notes des cliniciens qui ne sont jamais formulées à voix haute.

Nous avons également intégré des mécanismes de fiabilité à toutes ces fonctionnalités. Si un clinicien passe 30 minutes avec un patient et découvre ensuite que l’enregistrement a échoué, c’est une expérience catastrophique. Nous devons donc prendre en compte tous les facteurs, du positionnement du microphone à la mauvaise qualité du Wi-Fi.

Si nous faisons tout cela correctement, le clinicien devrait terminer un rendez-vous avec presque tout le travail de documentation déjà effectué. Il ne lui reste qu’à examiner le contenu clinique, à exercer son jugement et à donner suite aux recommandations pertinentes.

Les consultations en santé mentale donnent souvent lieu à des échanges profondément personnels, riches en nuances émotionnelles et à des confidences sensibles. Quels sont les défis techniques particuliers que pose le développement d’un outil d’aide à la prise de notes par IA pour la santé comportementale, et comment veillez-vous à ce que le système consigne fidèlement les informations pertinentes sur le plan clinique, sans mal interpréter le contexte ni documenter des détails personnels inutiles ?

Une séance de psychothérapie de 50 minutes, une consultation en santé comportementale de 15 minutes et une visite de médecine interne de sept minutes sont trois échanges très différents. La documentation produite à l’issue de chacun de ces rendez-vous devrait, elle aussi, être différente.

Nous partons donc des besoins du clinicien et remontons le processus. Quelles informations faut-il consigner ? Comment les organiser ? Quel niveau de détail est approprié sur le plan clinique ? Et à quoi la note finale doit-elle ressembler pour que le professionnel de santé ait la certitude qu’elle rend fidèlement compte de la consultation ?

Une fois ces éléments définis, nous pouvons commencer à configurer et à affiner l’IA pour qu’elle produise une documentation conforme à ces attentes. L’objectif est de condenser une conversation parfois très longue, complexe et profondément personnelle pour en extraire les informations cliniques réellement utiles aux soins du patient.

Je pense que c’est particulièrement important en santé comportementale. Le fait qu’une chose ait été dite pendant une séance ne signifie pas automatiquement qu’elle doit figurer dans le dossier médical permanent du patient. Le modèle doit aussi interpréter correctement le sens clinique des propos ; en santé comportementale, une même déclaration peut avoir des significations très différentes selon le contexte. C’est pourquoi l’examen et le jugement du clinicien restent essentiels.

Nous parlons beaucoup de l’intelligence de ces modèles, mais je pense qu’une partie du travail le plus important intervient avant même que le modèle ne génère une note. Il s’agit de définir à quoi ressemble un résultat clinique satisfaisant, puis d’améliorer continuellement la fiabilité avec laquelle nous le produisons.

En bref, notre démarche consiste à définir ce qu’est un résultat de qualité, à remonter le processus à partir de cette définition et à laisser au clinicien le dernier mot pour déterminer si nous y sommes parvenus.

Une étude de KFF a révélé que 77 % des adultes aux États-Unis s’inquiètent de la confidentialité des informations médicales communiquées aux outils d’IA. Comment EverHealth répond-elle à ces préoccupations, notamment en ce qui concerne la conservation des données des patients, l’accès de tiers et l’utilisation d’informations sensibles pour entraîner ou améliorer les modèles d’IA ?

Cette préoccupation est légitime, et je ne pense pas que les patients devraient avoir à sacrifier leur vie privée pour bénéficier de meilleurs soins. Dans le même temps, une entreprise technologique ne devrait pas leur demander de faire confiance à ses mesures de protection sans poser de questions. Les patients et les cabinets médicaux ont droit à des réponses claires sur les informations que nous utilisons, les personnes qui peuvent y accéder et la durée pendant laquelle nous les conservons.

Avec EverHealth Scribe, les informations des patients sont traitées afin de faciliter la documentation clinique et la continuité des soins. Nous travaillons avec des partenaires technologiques, notamment CarePilot, dans le cadre de garanties contractuelles, telles que des accords de partenariat commercial qui encadrent le traitement des informations de santé protégées. Nous utilisons également le chiffrement et des contrôles d’accès, et les informations permettant d’identifier les patients ne servent pas à entraîner des modèles d’IA. Les transcriptions de Scribe sont accessibles pendant une durée maximale de 180 jours, ce qui aide les cliniciens à retrouver des éléments de contexte pertinents d’une consultation à l’autre ; les cabinets peuvent toutefois aussi demander leur suppression.

En définitive, nous ne pouvons pas ajouter la protection de la vie privée à l’innovation après coup. Elle doit orienter nos décisions sur ce que nous développons, les systèmes auxquels nous nous connectons et les informations que nous conservons.

Mentavi Health, qui a déployé EverHealth Scribe, recueille le consentement des patients lors de leur admission, puis avant chaque consultation. Dans quelle mesure ce consentement renouvelé contribue-t-il à instaurer la confiance des patients, et que devrait-il se passer si un patient refuse la documentation assistée par l’IA ou retire son consentement pendant une séance ?

En recueillant le consentement lors de l’admission, puis de nouveau avant chaque consultation, Mentavi rappelle aux patients qu’ils ont leur mot à dire sur la manière dont leurs soins sont dispensés.

J’ai consacré une bonne partie de ma carrière à la télésanté, et je pense donc que les patients sont généralement réceptifs aux technologies lorsqu’ils en perçoivent les avantages. Dans l’idéal, ils bénéficient de davantage de contact visuel et d’échanges directs, et ont affaire à un clinicien pleinement concentré sur la conversation, plutôt que caché derrière un ordinateur portable ou occupé à saisir des informations sur un poste de travail. C’est un argument de poids.

Bien entendu, les patients doivent pouvoir choisir s’ils souhaitent bénéficier de ces avantages. Ils devraient comprendre comment la technologie est utilisée et se sentir libres de la refuser. Si une personne retire son consentement pendant une consultation, l’enregistrement devrait s’arrêter, et le clinicien devrait pouvoir poursuivre la consultation et la documenter selon sa procédure habituelle. Toute information déjà recueillie doit être traitée conformément aux exigences applicables en matière de consentement et de protection de la vie privée.

En définitive, je pense que la confiance repose sur la capacité à apporter des avantages concrets de façon constante. Si nous aidons les cliniciens à consacrer davantage de temps aux échanges avec les patients, et que ceux-ci en perçoivent réellement la différence, c’est que nous faisons les choses comme il faut.

Les notes cliniques générées par l’IA comportent des risques potentiels, notamment des informations inventées, des détails omis et des interprétations inexactes des propos des patients. Quelles mesures de protection EverHealth a-t-elle mises en place pour repérer ces erreurs, et comment veillez-vous à ce que les cliniciens conservent un véritable rôle de supervision au lieu de simplement approuver la documentation générée par l’IA ?

Les cliniciens collaborent étroitement avec l’outil de transcription et sont chargés de modifier les notes générées par l’IA avant de les ajouter au dossier médical, afin de limiter autant que possible les risques d’incohérence dans le résultat.

Le clinicien doit examiner et modifier les informations avant leur intégration au dossier médical. Il reste en définitive responsable de déterminer si la note rend fidèlement compte de la consultation et si des éléments importants ont été omis ou mal interprétés.

L’autre élément essentiel est le retour d’expérience continu. Après chaque consultation, nous demandons aux cliniciens si la documentation leur a été utile, et plus de 96 % des réponses sont positives. C’est un signe encourageant que nous apportons régulièrement de la valeur.

Lorsqu’un clinicien signale un problème, notre équipe échange directement avec lui pour comprendre ce qui s’est passé, cerner le problème sous-jacent et déterminer comment améliorer son expérience. Cette relation directe avec les personnes qui utilisent la technologie joue un rôle extrêmement important dans le développement et l’amélioration continue du produit.

À mon avis, c’est ainsi que l’on instaure la confiance dans la documentation assistée par l’IA : en rendant les informations sous-jacentes accessibles, en préservant une véritable supervision clinique et en évaluant en permanence si la technologie est réellement utile.

Mentavi Health a récemment fait état d’un déploiement par étapes auprès de plus de 30 cliniciens agréés, qui a permis de produire plus de 14 000 notes cliniques assistées par l’IA et d’améliorer la structuration de la documentation ainsi que la saisie des codes de diagnostic. Quels sont les principaux enseignements de ce déploiement, et comment mesurez-vous si les outils de rédaction clinique fondés sur l’IA améliorent réellement la productivité des cliniciens, l’exactitude de la documentation et la prise en charge des patients ?

L’un des principaux enseignements du déploiement de Mentavi est que la réussite de l’adoption dépend de bien plus que de la technologie elle-même. Mentavi a réuni des compétences cliniques, administratives et technologiques afin de définir des normes de documentation, d’établir des critères de qualité et d’introduire les fonctionnalités avec discernement. C’est précisément à cela que doit ressembler une innovation responsable dans le secteur de la santé.

Avec Scribe, nous cherchons à résoudre un problème simple : les cliniciens consacrent trop de temps à documenter les consultations. Alors, quelle part de ce temps et de ces efforts pouvons-nous leur épargner ?

Nous examinons le temps consacré à la documentation, la satisfaction des cliniciens et la capacité de fonctionnalités telles que la reconnaissance des diagnostics et les suggestions de codes CPT à éliminer des étapes supplémentaires du flux de travail. À mesure que nous intégrerons les demandes d’examens et les ordonnances, nous appliquerons la même approche. Chaque fonctionnalité doit supprimer une autre tâche importante de la journée du clinicien.

L’amélioration de la saisie des codes de diagnostic était particulièrement encourageante. Lors de l’évaluation, le taux de saisie des codes de diagnostic pour les consultations utilisant Scribe était proche de 80 %, contre environ 26 % sans cet outil. Il s’agit d’une amélioration considérable de la cohérence de la documentation clinique structurée et d’un excellent exemple de la valeur que l’IA peut apporter au-delà de la simple génération d’une note.

Le nombre de notes générées est encourageant, mais les résultats qui comptent vraiment sont la quantité de travail que nous éliminons, ainsi que la qualité et la cohérence de la documentation que nous aidons à produire.

Les cabinets indépendants de médecine générale et de santé mentale disposent souvent de ressources administratives limitées par rapport aux grands systèmes de santé. Comment la documentation assistée par l’IA peut-elle aider les petits cabinets à rivaliser, et quels obstacles liés aux coûts de mise en œuvre, à l’intégration aux flux de travail ou à l’adoption de la technologie reste-t-il à surmonter ?

À mon avis, le principal avantage pour les cabinets indépendants est la liberté de choix. En déchargeant les cliniciens et le personnel des tâches administratives, nous leur permettons de mieux décider comment employer leur temps et leurs ressources. Un médecin voudra peut-être recevoir davantage de patients. Il préférera peut-être consacrer plus de temps à ceux qu’il suit déjà. Ou il souhaitera simplement terminer sa dernière consultation à 17 h, passer 15 minutes à relire la documentation et rentrer chez lui, plutôt que de rester deux heures de plus pour rattraper son retard. Tous ces résultats sont précieux, et c’est au cabinet de décider lequel compte le plus.

Pour ce qui est de la mise en œuvre, nous sommes déjà le fournisseur technologique du cabinet ; l’intégration aux flux de travail relève donc de notre responsabilité, et non de la sienne. Scribe fonctionne sur les appareils que les cliniciens possèdent déjà, et la prise en main peut ne nécessiter qu’une ou deux séances de formation. Cela dit, un petit cabinet a très peu de marge pour absorber les problèmes techniques. Notre objectif est donc de rendre la configuration aussi autonome que possible.

En définitive, je pense que l’IA permet aux cabinets indépendants d’accéder à des fonctionnalités et à des gains d’efficacité opérationnelle qui, jusqu’ici, exigeaient des organisations beaucoup plus grandes. Et, tout aussi important, elle donne aux personnes qui travaillent dans ces cabinets davantage de maîtrise sur l’utilisation de leur temps.

Alors que les États adoptent des législations de plus en plus variées encadrant l’IA dans le secteur de la santé, en particulier dans le domaine de la santé comportementale, comment EverHealth s’adapte-t-elle à cet environnement réglementaire fragmenté ? Quelles difficultés se posent lors du développement d’un produit d’IA qui doit répondre aux différentes exigences en matière de consentement des patients, de protection des données et de supervision par les cliniciens dans plusieurs juridictions ?

J’ai l’impression d’avoir déjà vu ce film. J’ai consacré une grande partie de ma carrière à la télésanté avant la COVID, à composer avec les différences entre les États en matière d’autorisation d’exercer, de lieu de résidence des patients, de consentement, de prescription et de remboursement. Puis, les règles ont changé presque du jour au lendemain, et nous avons dû passer à l’échelle alors même qu’elles continuaient d’évoluer.

Le paysage de l’IA me semble suivre une évolution similaire. Nous nous attachons à anticiper les projets de loi, à comprendre les particularités des réglementations des États et du gouvernement fédéral, et à concevoir le produit de façon à ce qu’il puisse s’adapter.

C’est particulièrement important dans le domaine de la télésanté comportementale, où un même clinicien peut recevoir des patients dans de nombreux États. Le consentement, la protection de la vie privée et la supervision par les cliniciens doivent être des fondements configurables du service.

La véritable leçon de cette expérience, c’est qu’il faut concevoir le produit dès le départ pour qu’il puisse s’adapter aux exigences réglementaires. C’est la philosophie qui guide notre approche de l’IA chez EverHealth. Notre rôle est de prendre en charge autant que possible cette complexité afin que les cliniciens puissent se concentrer sur les soins.

À l’avenir, les capacités de l’IA dépassent rapidement le cadre de la documentation pour s’étendre à l’aide à la décision clinique, à l’engagement des patients et à des processus de soins de santé de plus en plus autonomes. Selon vous, où doit se situer la frontière entre l’assistance de l’IA et le jugement clinique humain, en particulier en santé mentale, et comment imaginez-vous l’évolution de la technologie d’EverHealth au cours des trois à cinq prochaines années ?

L’IA peut écouter, organiser, faire ressortir les éléments pertinents et suggérer des pistes. Mais le jugement clinique relève du clinicien.

C’est particulièrement important en santé mentale, où les antécédents d’un patient, un changement de ton ou même ce qui reste inexprimé peuvent avoir autant de sens que les mots eux-mêmes. La technologie devrait permettre aux cliniciens d’être plus présents dans ces moments-là, et non moins.

Au cours des trois à cinq prochaines années, les possibilités vont bien au-delà d’un assistant de documentation plus performant. Chez EverHealth, notre vision est celle d’un parcours de soins ambulatoires intelligent, où la technologie contribue à relier les moments qui précèdent une consultation, ceux qui se déroulent pendant celle-ci et ceux qui la suivent.

Imaginez une clinique qui se souvient de ce qui compte : les antécédents pertinents sont accessibles au moment opportun, les cliniciens peuvent se concentrer sur le patient au lieu de reconstituer des informations fragmentées, et les décisions cliniques s’intègrent plus harmonieusement à la documentation, au codage, à la coordination des soins et au suivi. Nous ne cherchons pas seulement à accélérer des tâches isolées. Nous voulons réduire les frictions entre elles.

Dans tout ce que nous faisons, notre étoile polaire est de veiller à ce que chaque patient se sente pleinement considéré et à ce que chaque professionnel de santé dispose de la clarté nécessaire pour offrir des soins coordonnés en toute confiance.

Merci pour cet excellent entretien ; les lecteurs qui souhaitent découvrir la documentation clinique assistée par l’IA et les flux de travail de soins de santé interconnectés peuvent se rendre sur EverHealth.