Pour transformer les soins de santé et les sciences de la vie, l'IA doit être digne de confiance.

L'intelligence artificielle (IA) s'intègre rapidement dans les organisations du secteur de la santé et des sciences de la vie. Pourtant, la plupart des organisations l'utilisent de manière isolée plutôt que de façon généralisée. mise à l'échelle elle doit améliorer sensiblement les performances de l'ensemble de l'entreprise. Parmi les défis : l'IA dans ces secteurs doit répondre aux normes les plus élevées en matière de qualité, de confidentialité et de fiabilité, et elle doit être digne de confiance.

Les outils d'IA basés sur les grands modèles de langage (LLM) sont puissants, mais la plupart des LLM ne sont pas conçus pour répondre aux exigences des opérations dans le secteur de la santé et des sciences de la vie. Ils peuvent produire inconsistant Les résultats obtenus et leurs performances peuvent varier en fonction des informations et du contexte. L'IA généraliste, en particulier, est entraînée sur de vastes données publiques – avec une curation médicale limitée – et n'est pas conçue pour répondre aux exigences médicales, scientifiques ou réglementaires.

Ces problèmes sont inacceptables dans des opérations où les décisions ont des conséquences non seulement financières, mais aussi cliniques, scientifiques, juridiques et, en fin de compte, humaines.

En résumé : un niveau d'IA plus élevé est nécessaire.

Si les organisations du secteur de la santé et des sciences de la vie veulent utiliser l'IA pour transformer leurs opérations commerciales et réglementées, elles ont besoin d'une IA digne de confiance.

Que faut-il pour créer une IA digne de confiance ?

Une IA digne de confiance produit des résultats fiables, fonctionne de manière constante malgré l'évolution des données, et est conforme et défendable.

Pour y parvenir, il faut une expertise à la fois scientifique et technique, ainsi qu'une approche rigoureuse qui prenne en compte tous les aspects d'une conception, d'une utilisation et d'un suivi responsables de l'IA. Concrètement, comment cela se traduit-il ?

La première étape consiste à comprendre l'objectif final : quel besoin de l'utilisateur final la solution d'IA doit-elle satisfaire, et à quoi ressemble le succès ? Cela implique de comprendre les rôles des utilisateurs de la solution d'IA, leurs besoins et leurs flux de travail, ainsi que les objectifs commerciaux qu'ils souhaitent atteindre ou les exigences réglementaires auxquelles ils doivent se conformer.

Ces détails permettront d'éclairer les décisions techniques clés, telles que le choix des modèles appropriés pour la solution d'IA, la conception des cadres de validation et l'établissement des indicateurs par rapport auxquels la solution sera évaluée.

Les systèmes fiables intègrent l'expert dès le début du processus de conception, et non comme une simple considération a posteriori. Cela implique de faire appel à des experts humains – notamment cliniques, scientifiques, réglementaires et commerciaux – pour garantir la conception et le déploiement adéquats de la solution d'IA et pour évaluer son impact sur le travail de l'utilisateur final.

Bien entendu, la confiance ne se gagne pas seulement lors de la conception ; elle doit être maintenue tout au long du cycle de vie de la solution d’IA. Des mécanismes tels que les boucles d’apprentissage, qui mettent à jour en continu les modèles avec de nouvelles données pour garantir leur pertinence, leur précision et leur fiabilité, contribuent à ce que les solutions d’IA restent performantes. L’apprentissage par renforcement et les garde-fous intégrés aux solutions d’IA permettent également de maintenir leurs performances dans le cadre de règles définies.

Applications du monde réel

L'IA est déjà adoptée et digne de confiance, et elle a un impact concret dans des cas d'utilisation réels pour certaines des plus grandes entreprises mondiales des sciences de la vie.

Dans un cas précis, une grande entreprise pharmaceutique a cherché à améliorer sa communication avec les professionnels de santé pour plusieurs marques et marchés. Sa capacité à mobiliser ces professionnels et à optimiser ses stratégies marketing était entravée par des difficultés telles que des problèmes de gestion des données, un manque de connaissances sur les clients et des problèmes d'adaptation.

L'entreprise a mis en œuvre une solution d'engagement omnicanale. Celle-ci combinait des signaux prédictifs d'interactions avec les professionnels de santé à des recommandations d'actions optimales, aidant ainsi les équipes à adapter leur stratégie de communication et à définir les actions de suivi les plus pertinentes. L'entreprise a constaté une amélioration de quatre fois sa capacité à identifier les patients à fort potentiel, ainsi qu'une augmentation de 20 % et 36 % du nombre de nouveaux patients pour deux de ses marques.

Un autre exemple concerne les revues de littérature nécessaires au développement de médicaments. Leur réalisation peut prendre des mois et exige une expertise pointue du domaine, une planification méticuleuse, un travail manuel considérable, etc. Elles peuvent également s'avérer difficiles à mettre en œuvre à grande échelle et sujettes à erreurs.

Les solutions d'IA peuvent automatiser une grande partie des revues de littérature, de l'élaboration du protocole à la recherche et à la sélection des données, en passant par l'extraction, l'analyse et la rédaction du rapport. Quel que soit le travail effectué par la solution d'IA, les chercheurs et autres utilisateurs peuvent consulter le raisonnement qui sous-tend chaque décision.

Grâce à l'IA, les analyses qui prenaient autrefois des mois peuvent désormais être réalisées en quelques jours seulement, et avec moins d'erreurs. Dans un cas précis, une solution d'IA a aidé une grande entreprise pharmaceutique. atteindre Une première sélection pour une étude de cas portant sur la revue de la littérature scientifique a été réalisée sept fois plus rapidement que le processus manuel traditionnel. Cela a permis de réduire le temps de sélection estimé de 20 jours à moins de trois jours.

L'IA ouvre également de nouvelles perspectives dans ce domaine. Par exemple, elle permet aux entreprises de créer des avis « vivants », mis à jour en continu avec les dernières données publiées.

La collaboration est essentielle

La création de solutions d'IA fiables pour la santé et les sciences de la vie exige une combinaison d'expertises qu'aucune organisation ne peut réunir seule. C'est pourquoi des entreprises partageant les mêmes valeurs collaborent, mettant en commun leurs savoir-faire techniques et sectoriels ainsi que leurs compétences nécessaires à la création de systèmes d'IA complets et validés, capables de s'adapter aux flux de travail réglementés et commerciaux.

Un partenaire technique compétent, par exemple, apporte une expertise technique pointue et une vaste expérience pour déployer et exploiter l'IA à l'échelle de l'entreprise. Il peut fournir des modèles ouverts garantissant la transparence nécessaire à une IA fiable, ainsi que des composants logiciels permettant un développement plus rapide des solutions d'IA. De plus, son expérience dans la création de solutions d'IA d'entreprise fiables pour d'autres secteurs peut l'aider à anticiper les difficultés et à optimiser les conceptions.

Du point de vue technique, un collaborateur efficace apporte non seulement une expertise pointue en développement clinique et en commercialisation, mais aussi une expérience éprouvée dans le développement de solutions d'IA fiables. Il possède les atouts essentiels à la création de ces solutions, tels que l'expertise en science des données, la connaissance des réglementations et une longue expérience en matière d'utilisation sûre et responsable des données. Mais il peut également offrir davantage pour accompagner le déploiement de l'IA : une volonté de remettre en question les benchmarks publics afin de garantir le bon fonctionnement de la solution, ainsi que des ressources comme des ingénieurs déployés sur le terrain pour faciliter l'intégration des solutions d'IA dans les flux de travail des utilisateurs finaux, en tenant compte de la configuration et des politiques spécifiques de leurs systèmes informatiques.

Changer la façon dont le travail est effectué

L'IA n'est pas qu'un simple outil de plus pour les organismes de santé et de sciences de la vie. Bien utilisée, elle transforme la manière dont… travail La manière dont les problèmes sont résolus et leur mise en œuvre sont cruciales. L'IA de confiance, en particulier, prouve déjà qu'elle peut raccourcir les délais, améliorer la précision et aider les équipes à relever plus rapidement des défis complexes, réinventant ainsi les flux de travail à l'ère de l'IA.

À mesure que l'IA passe de la génération d'informations à la prise de décisions et à l'exécution de flux de travail complexes, les organisations qui embrassent cette évolution seront en mesure de déployer de nouveaux modèles opérationnels qui les rendront plus efficaces, mieux informées et plus réactives aux demandes en constante évolution dans les secteurs de la santé et des sciences de la vie.