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

L’intelligence artificielle (IA) est rapidement intégrée dans les organisations de soins de santé et de sciences de la vie. Cependant, la plupart des organisations l’utilisent de manière ponctuelle plutôt que de la mettre à l’échelle pour améliorer de manière significative les performances à l’échelle de l’entreprise. Parmi les défis, l’IA dans ces industries doit répondre aux normes les plus élevées de qualité, de confidentialité et de fiabilité, et elle doit être digne de confiance.

Les outils d’IA basés sur les modèles de langage (LLM) sont puissants, mais la plupart des LLM ne sont pas conçus pour répondre aux exigences des opérations de soins de santé et de sciences de la vie. Ils peuvent produire des sorties incohérentes, et leurs performances peuvent varier à mesure que les informations et le contexte changent. L’IA à usage général est en particulier formée à partir de données publiques larges – avec une curation médicale limitée – et n’est pas conçue pour répondre aux exigences médicales, scientifiques ou réglementaires.

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

En résumé, un niveau de qualité plus élevé est nécessaire pour l’IA.

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

Ce qu’il faut pour créer une IA digne de confiance

Une IA digne de confiance produit des résultats fiables, se comporte de manière cohérente à mesure que les données changent, et est conforme et défendable.

La réalisation de cela nécessite à la fois une expertise scientifique et technique, ainsi qu’une approche rigoureuse qui prend en compte tous les aspects de la conception, de l’utilisation et de la surveillance responsables de l’IA. Quelle est la mise en pratique de cela ?

La première étape consiste à comprendre l’objectif final : Quelle est l’exigence de l’utilisateur final que la solution d’IA doit répondre, et à quoi ressemble la réussite ? Cela implique de comprendre les rôles de ceux qui utiliseront la solution d’IA, leurs besoins et flux de travail, ainsi que les objectifs commerciaux qu’ils veulent atteindre ou les exigences réglementaires qu’ils doivent respecter.

Ces détails aideront à éclairer les décisions techniques clés, telles que le choix des modèles appropriés pour la solution d’IA, la conception de cadres de validation et l’établissement des métriques contre lesquelles la solution sera mesurée.

Les systèmes dignes de confiance prennent également en compte l’expert en boucle dès le début du processus de conception, et non comme une après-pensée. Cela implique d’utiliser des experts humains – y compris des experts cliniques, scientifiques, réglementaires et commerciaux – pour aider à s’assurer que la solution d’IA est conçue et déployée correctement et pour considérer comment la solution aura un impact sur le travail d’un utilisateur final.

Bien sûr, la confiance n’est pas seulement gagnée au stade de la conception – elle doit être maintenue tout au long de la vie de la solution d’IA. Des mécanismes tels que les roues de données d’IA, ou des boucles d’apprentissage qui mettent à jour en continu les modèles avec de nouvelles données pour les garder à jour, aident les solutions d’IA à rester pertinentes, exactes et dignes de confiance. L’apprentissage par renforcement et les garde-fous programmés dans les solutions d’IA peuvent également aider à maintenir leurs performances sur une voie définie dans un ensemble de règles.

Applications dans le monde réel

L’IA est déjà adoptée et faites confiance et a un impact dans des cas d’utilisation réels pour certaines des plus grandes entreprises de sciences de la vie.

Dans un cas, une entreprise pharma de premier plan a cherché à améliorer la façon dont elle engage les professionnels de la santé (HCP) à travers plusieurs marques et marchés. La capacité de l’entreprise à engager les HCP et à optimiser les stratégies de marketing était entravée par des défis tels que des problèmes de gestion des données, un manque d’informations au niveau du client et des difficultés d’adaptation.

L’entreprise a mis en œuvre une solution d’engagement omnicanale. Elle a combiné des signaux prédictifs pour les engagements des HCP avec des recommandations de « meilleure action suivante » qui ont aidé les équipes à décider de la façon dont elles allaient rythmer les contacts et quelles suites donner. L’entreprise a constaté une amélioration quatre fois supérieure de sa capacité à identifier les patients à haute valeur, ainsi que des augmentations de 20 % et 36 % du nombre de nouveaux patients pour deux de ses marques.

Un autre exemple se trouve dans les revues de littérature nécessaires au développement de médicaments. La réalisation de ces revues peut prendre des mois et nécessiter une expertise approfondie, une planification minutieuse, des efforts manuels importants et plus encore. Elles peuvent également être difficiles à mettre à l’échelle et sensibles aux erreurs.

Les solutions d’IA peuvent automatiser des parties importantes des revues de littérature, de l’élaboration du protocole à la recherche et au criblage, à l’extraction et à l’analyse des données, et à la rédaction du rapport. Pour tout travail que la solution d’IA prend en charge, les chercheurs ou d’autres personnes peuvent examiner la logique derrière chaque décision.

Maintenant, avec l’IA, des revues qui prenaient auparavant des mois peuvent être terminées en quelques jours et avec moins d’erreurs. Dans un cas, une solution d’IA a aidé une grande entreprise pharmaceutique à atteindre un écran initial pour un cas d’utilisation de revue de littérature scientifique sept fois plus rapidement que le processus manuel traditionnel. Cela a condensé le temps d’écran estimé de 20 jours à moins de trois jours.

L’IA crée également de nouvelles possibilités dans ce domaine. Par exemple, elle a permis aux entreprises de créer des « revues vivantes » qui peuvent être mises à jour en continu avec les dernières données publiées.

La collaboration est essentielle

La création de solutions d’IA dignes de confiance pour les soins de santé et les sciences de la vie nécessite un mélange d’expertise que aucune organisation ne peut fournir seule. C’est pourquoi des entreprises similaires collaborent, rassemblant les connaissances techniques et les capacités nécessaires pour créer des systèmes d’IA complets et validés qui peuvent être mis à l’échelle à la fois dans les flux de travail réglementés et commerciaux.

Le partenaire technique approprié, par exemple, apporte une profondeur d’ingénierie et une expérience considérable pour déployer et exécuter l’IA à l’échelle de l’entreprise. Ils peuvent fournir des modèles ouverts pour offrir la transparence dont l’IA digne de confiance a besoin et des composants logiciels qui permettent une construction plus rapide de solutions d’IA. Et leur expérience dans la création de solutions d’IA d’entreprise dignes de confiance pour d’autres industries peut les aider à anticiper les défis et à renforcer les conceptions.

Du côté du domaine, un collaborateur efficace apporte non seulement une expertise approfondie en développement clinique et commercialisation, mais également une trajectoire éprouvée dans la création de solutions d’IA dignes de confiance. Ils ont les ingrédients essentiels nécessaires pour créer ces solutions, tels que l’expertise en science des données, les connaissances réglementaires et une histoire d’utilisation sécuritaire et responsable des données. Mais ils peuvent également offrir davantage pour soutenir les déploiements d’IA, des ressources telles que des ingénieurs déployés à l’avant qui peuvent aider à intégrer les solutions d’IA dans les flux de travail des utilisateurs finals, en tenant compte des configurations et des politiques uniques du système informatique de l’utilisateur final.

Changer la façon dont le travail est réalisé

L’IA n’est pas seulement un outil de plus pour les organisations de soins de santé et de sciences de la vie. Lorsqu’elle est bien faite, elle change la façon dont le travail est réalisé et la façon dont les problèmes sont résolus. L’IA digne de confiance en particulier prouve déjà qu’elle peut raccourcir les délais, améliorer la précision et aider les équipes à relever plus agilement les défis complexes, en réimaginant les flux de travail pour 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 adoptent cette évolution seront en mesure de débloquer de nouveaux modèles opérationnels qui les rendront plus efficaces, plus informées et plus réactives aux demandes changeantes dans les soins de santé et les sciences de la vie.