Jeffrey Eyestone, conseiller en intelligence artificielle pour les soins de santé chez CognitiveScale – Série d’entretiens

Jeffrey Eyestone est le conseiller en intelligence artificielle pour les soins de santé de CognitiveScale. Dans ce rôle, Jeff travaille avec des organisations de soins de santé (principalement des fournisseurs de soins de santé, des payeurs et des fournisseurs de technologie) sur leur parcours d’intelligence artificielle – de la stratégie pour développer des compétences et des centres d’excellence en intelligence artificielle à la mise en œuvre plus tactique de la création de cartes routières et de la livraison de solutions d’intelligence artificielle.

Pouvez-vous discuter de pourquoi vous pensez que l’intelligence artificielle est si importante pour l’industrie des soins de santé ?

Des quantités massives de données complexes, disparates et distribuées forment la base des processus cliniques, administratifs et financiers sous-jacents qui animent les soins de santé. L’intelligence artificielle est donc désormais une capacité de base dans toute la chaîne de valeur de la technologie de l’information des soins de santé. Les travailleurs du savoir comme les cliniciens et les chercheurs réalisent des améliorations significatives grâce à l’intelligence artificielle – en particulier le sous-ensemble de l’« intelligence augmentée » de l’intelligence artificielle.

L’intelligence artificielle dans les soins de santé est un sujet énorme et il y a de nombreux cas d’utilisation précieux, allant de la recherche de données à la dérivation d’informations, de l’amélioration ou de l’automatisation des processus à une meilleure implication des patients et à la livraison de soins personnalisés. Les résultats cliniques s’améliorent, les gains d’efficacité entraînent des économies de coûts et il y a encore plus de cas d’utilisation en cours qui promettent de créer de la valeur. La pandémie mondiale actuelle a mis en évidence de nombreux cas d’utilisation d’intelligence artificielle dans les soins de santé, en combinant des scores et des informations de risque communautaire et individuel avec des interventions intelligentes, par exemple – tout cela améliorera les systèmes de soins de santé du monde entier bien après que nous ayons vaincu le COVID-19.

Comment définiriez-vous l’intelligence augmentée dans un contexte de soins de santé ?

CognitiveScale se concentre principalement sur l’intelligence augmentée. Certaines technologies d’intelligence artificielle, comme l’automatisation des processus robotiques (RPA) ou les chatbots, visent à remplacer les humains par des machines (la plupart du temps, en tout cas). Nous nous concentrons sur des solutions d’intelligence artificielle qui aident les organisations de soins de santé et leur personnel à travailler de manière plus intelligente et plus efficace. Nous nous concentrons également sur les solutions cognitives – le sous-ensemble plus avancé de l’intelligence artificielle qui comporte une boucle d’apprentissage ou de rétroaction – et souvent, ce sont les « humains dans la boucle » qui peuvent fournir la rétroaction pour que les modèles apprennent. Il existe de nombreux exemples d’intelligence augmentée dans les soins de santé qui commencent à produire des résultats impressionnants. Par exemple, en radiologie et en pathologie, les cliniciens augmentent leur capacité à lire les images et à poser des diagnostics avec des modèles d’apprentissage automatique, permettant une détection plus précoce ou des diagnostics et des résultats de laboratoire plus précis.

Vous avez travaillé avec des startups et de grandes organisations qui ont mis en œuvre différentes stratégies d’intelligence artificielle. Quelles sont les erreurs courantes que vous avez constatées ?

Tout comme les solutions d’intelligence artificielle cognitives apprennent avec le temps et mûrissent, notre compréhension du pouvoir de l’intelligence artificielle et des pièges a également mûri. Le temps nécessaire pour accéder aux données, les préparer, puis former des modèles sur un recensement de données a généralement pris plus de temps que prévu. D’autres erreurs sont liées à l’opérationnalisation et à la mise à l’échelle des solutions d’intelligence artificielle – en supposant qu’un bon modèle peut être facilement déployé et géré dans un écosystème de technologie de l’information des soins de santé, alors que la réalité est que de nombreux modèles d’intelligence artificielle restent inutilisés. Mais l’un des défis les plus importants dans l’intelligence artificielle des soins de santé est lié à la confiance : les modèles peuvent-ils être fiables, sont-ils biaisés, équitables, explicables et précis ? De nombreux titres ont montré que les solutions d’intelligence artificielle peuvent être biaisées de manière à attirer l’attention des régulateurs – ou qu’elles pourraient être des solutions de type « boîte noire » qui suscitent le scepticisme des fournisseurs dont l’intelligence est censée être augmentée. C’est le plus grand défi – et l’erreur – que je vois actuellement dans l’intelligence artificielle des soins de santé.

Quelles sont vos opinions sur le profilage génomique ?

Le profilage génomique est un sous-ensemble de technologies prometteuses conçues pour fournir des informations personnalisées sur une personne, généralement à des fins de soins de santé (par opposition à la généalogie, ou occasionnellement nous voyons des histoires sur des litiges de paternité ou même des enquêtes criminelles utilisant cette technologie). La personnalisation est un sujet majeur de cas d’utilisation d’intelligence artificielle dans les soins de santé – comment mieux impliquer les patients ou augmenter l’intelligence des fournisseurs avec des informations plus personnalisées et ciblées. Dans la mesure où le profilage génomique peut aider à livrer plus de personnalisation, et à condition que les données et leur utilisation soient fiables (non biaisées, équitables, explicables, précises, etc.), alors il s’agira d’un élément important de la médecine personnalisée et d’un élément fondamental de solutions d’intelligence artificielle hyper-personnalisées qui utilisent des informations génétiques.

La personnalisation des soins de santé semble être l’avenir, de quelle manière voyez-vous cela avoir le plus d’impact positif ?

Chez CognitiveScale, nous livrons des solutions de soins de santé personnalisées, prédictives et prescriptives. Deux exemples incluent des interventions intelligentes pour les gestionnaires de soins (cas d’utilisation clinique) et la prédiction des demandes de service (cas d’utilisation administratif/opérationnel). Les solutions d’intervention intelligente livrent des inférences, des prédictions et des scores de risque personnalisés (entre autres sorties de modèle) qui augmentent le travail de ceux qui gèrent les patients à travers un programme de gestion des soins. Nous utilisons également ces capacités pour les autorités de santé publique, les fournisseurs et les régimes de soins de santé qui tentent de gérer les citoyens/patients/membres à travers la crise du COVID-19. En prédisant les demandes de service, nous aidons les organisations de soins de santé à savoir le moment où un membre ou un fournisseur appelle pour des réclamations, des avantages, etc., la raison spécifique de l’appel et comment résoudre plus efficacement, ce qui entraîne des économies de coûts et impacte la satisfaction et la rétention. Il y a de nombreux autres cas d’utilisation d’intelligence artificielle dans les soins de santé axés sur des solutions personnalisées. Nous pourrions écrire un livre sur ce sujet seul.

Pouvez-vous parler des défis de l’agrégation de données provenant de sources disparates telles que les dossiers médicaux électroniques, les systèmes de planification de ressources d’entreprise, les données de patients, les sources de données externes, etc. en un seul système de données cohérent ?

La technologie de l’information des soins de santé (HCIT) est presque toujours un écosystème : un réseau distribué de systèmes disparates. Un exemple courant est le dossier médical personnel (PHR) – l’ensemble complet de données du dossier médical d’un patient. Même lorsque un grand système de soins de santé est sur un système d’information hospitalier homogène, ses patients auront probablement d’autres prestataires de soins, ils peuvent avoir une assurance qui est une autre source de données, et leurs données de laboratoire et de pharmacie peuvent être réparties sur plusieurs cliniques et sociétés. Bien qu’il existe des ensembles de transactions standard pour l’échange de données de soins de santé, des modèles de données cliniques communs pour stocker les données (et des schémas de données pour les membres, les patients, les clients et les fournisseurs), les fournisseurs de solutions d’intelligence artificielle dans les soins de santé doivent souvent être en mesure de démontrer comment les solutions peuvent exploiter plusieurs de ceux-ci en même temps – données internes et externes, connectivité des données et schémas de données. Évidemment, la base des solutions d’intelligence artificielle dans les soins de santé est les données. Les capacités d’agrégation de données doivent donc être une compétence de base de tout fournisseur d’intelligence artificielle dans les soins de santé.

Quelles sont les considérations nécessaires pour la traçabilité des données ?

La traçabilité des données est un élément de problèmes plus larges et pressants dans l’intelligence artificielle des soins de santé. Tout d’abord, la traçabilité des données est l’un des problèmes liés à la vie privée, à l’utilisation des données et à l’échange de données. Par exemple, où vont les données cliniques ou les informations de santé personnelles (PHI) et comment sont-elles utilisées ? Ces problèmes sont liés aux aspects réglementaires et juridiques de la sécurité et de la vie privée des données de soins de santé. Ces problèmes, à leur tour, sont un sous-ensemble de l’intelligence artificielle éthique et fiable. L’intelligence artificielle éthique doit tenir compte de l’utilisation des données, de la vie privée, des réglementations et des aspects juridiques, etc., en abordant spécifiquement l’utilisation éthique des données. L’intelligence artificielle fiable inclut des aspects tels que l’explicabilité et l’utilisation des données.

Vous êtes un conseiller chez CognitiveScale, pouvez-vous expliquer ce que fait CognitiveScale et comment vous les conseillez ?

CognitiveScale est un fournisseur de logiciels d’intelligence artificielle qui aide les organisations à créer, à mettre en œuvre et à mettre à l’échelle des solutions d’intelligence artificielle cognitives ; à réaliser la valeur de l’intelligence artificielle dans toute leur organisation ; et à gérer la confiance. Dans les soins de santé, nous travaillons pour certaines des plus grandes organisations de payeurs et de fournisseurs de soins de santé du pays, sur une large gamme de cas d’utilisation d’intelligence artificielle, notamment des travaux plus récents dans des domaines tels que les interventions intelligentes liées à la pandémie de COVID-19 et la manière dont ces solutions amélioreront ensuite la gestion des soins, l’expérience de service et plus encore, une fois que nous serons passés cette crise. En tant que principal expert en la matière en soins de santé, j’aide les clients et les partenaires de manière plus stratégique dans des domaines tels que la création de cartes routières d’intelligence artificielle robustes, et de manière plus tactique dans des domaines tels que la réalisation de la valeur et l’optimisation. Je travaille également pour aider dans des domaines tels que le développement de produits (fonctionnalités et capacités spécifiques aux soins de santé de notre plateforme, par exemple) et le leadership de la pensée avec un accent sur les solutions d’intelligence artificielle les plus précieuses dans les soins de santé (étant donné la taille de l’opportunité).

Pouvez-vous définir pour nous quels sont les plus grands problèmes avec la manière dont l’intelligence artificielle fonctionne parfois comme une boîte noire, et des solutions potentielles pour l’industrie des soins de santé ?

Comme je l’ai mentionné, l’intelligence artificielle fiable et éthique est un grand défi – et la confiance est en grande partie due au problème de la « boîte noire » : un manque d’explicabilité ou de visibilité, et un scepticisme quant à des problèmes tels que les préjugés, l’équité, la précision et la robustesse. Chez CognitiveScale, notre solution Certiai répond spécifiquement à ce défi et aide les clients avec un indice de confiance en intelligence artificielle et ses parties constitutives (chacune avec son propre score et ses propres informations) : préjugés, équité, explicabilité, robustesse et précision. Les soins de santé ont connu des exemples de modèles biaisés, ou un scepticisme des cliniciens quant à la sortie du modèle en raison d’un manque de transparence ou d’explicabilité. Il existe également des exigences réglementaires en matière de vie privée et d’utilisation des données, et l’utilisation de modèles pour livrer des résultats équitables ou non biaisés – et ceux-ci ont fait les gros titres. Nous travaillons avec un certain nombre d’organisations technologiques et de gestion des risques pour développer des moyens fiables de fournir une visibilité et d’améliorer la confiance dans les solutions d’intelligence artificielle de type « boîte noire ».

Quelles sont les façons dont nous pouvons réduire la saturation des services d’urgence grâce à l’intelligence artificielle prédictive ?

L’évitement des services d’urgence est vraiment un sous-ensemble de l’optimisation des soins et de la personnalisation des soins de santé – les soins appropriés au moment opportun. Cela peut bien impliquer des soins d’urgence, mais souvent ce n’est pas le cas. La crise récente du COVID-19 met en évidence un exemple utile où l’optimisation des soins est utile. Par exemple, les soins appropriés pour un patient à haut risque dans une communauté à haut risque peuvent inclure une prise de contact par un clinicien, un accès à un centre de dépistage ou, dans certains cas, des soins d’urgence. Les patients, les membres, les fournisseurs et les payeurs veulent tous le niveau de soins approprié au moment opportun dans cette crise, donc une combinaison de solutions d’intelligence artificielle aide à livrer des informations telles que les scores de risque communautaire et patient, l’analyse de propagation, les prévisions d’utilisation hospitalière et les conseils personnalisés pour des personnes spécifiques, entre autres solutions. Nous évaluons les performances de nos solutions de gestion des soins par rapport à un certain nombre de métriques de performance, telles que l’amélioration des résultats, y compris l’évitement des services d’urgence lorsque cela est approprié.

Merci pour l’entretien, les lecteurs qui souhaitent en savoir plus peuvent visiter CognitiveScale.