Le marché de l’intelligence artificielle dans les soins de santé représente 6,9 milliards de dollars en 2021 et devrait croître de 46,2 % chaque année pour atteindre 67,4 milliards en 2027. Cette hypercroissance du secteur provient en partie de la quantité de solutions innovantes qui émergent chaque année. En effet, le nombre de dirigeants d’entreprises de santé qui sont prêts à investir dans l’IA dans les années à venir s’élève désormais à 75 % (source : rapport Pwc surles industries de santé, mars 2019). Concernant les innovations en IA et santé, le recensement annuel des startups françaises du secteur comptait en 2019 102 entreprises, contre 191 en 2020 ! De l’aide au diagnostic à partir d’imagerie médicale au repositionnement médicamenteux, l’intelligence artificielle semble promettre une réelle amélioration du système de santé. Les domaines d’application sont nombreux et couvrent l’intégralité du parcours patient à travers le système de soins :
• Prévention et épidémiologie
• Recherche pharmaceutique et aide à la découverte
de nouveaux traitements
• Diagnostic du patient
• Traitement du patient, que ce soit sur l’acte chirurgical,
la prescription thérapeutique ou la gestion du handicap
• Parcours patient
• Suivi de l’efficacité du traitement
LE DÉFI DE L’INTEROPÉRABILITÉ DES DONNÉES
Si la quantité d’innovations dans le domaine de l’IA en santé ne cesse de croître, le niveau d’adoption de ces technologies reste encore relativement peu avancé. Selon une étude de la DGE parue en février 2019, en
termes d’adoption de l’IA le secteur de la santé se place en 3e position, derrière les télécommunications et l’industrie manufacturière (poussée par le secteur automobile). Toutefois en termes de quantité d’innovation dans l’IA, la santé se situe en première position. Toute la question va donc être de savoir quand le marché sera prêt à absorber toutes les innovations prometteuses qui apparaissent dans ce secteur. En effet, les difficultés que rencontrent les entrepreneurs en IA et santé sont encore trop nombreuses : difficulté d’accès aux données et protection de celles-ci, acceptation sociale de l’IA en santé, désorganisation et mauvaise qualité des données de santé, manque de personnel qualifié, manque de clarté réglementaire sur les dispositifs médicaux basés sur l’intelligence artificielle, complexité de l’obtention d’un marquage CE, manque de référentiels et d’outils pour accélérer le travail des entrepreneurs, difficulté d’explicabilité des résultats…
Le principal défi à relever pour pouvoir ancrer les innovations d’intelligence artificielle dans notre système de soins concerne les données de santé. Obtenir des données riches et pouvoir les croiser afin d’appréhender la complexité de certaines maladies reste un frein majeur, soit parce que ces données sont inaccessibles, soit parce qu’elles ne sont pas au bon format. De nombreux progrès restent à faire pour mettre à dispositions des entrepreneurs les bons outils et leur permettre d’avancer.
Par exemple, comme le précise le rapport de l’institut Montaigne sur la e-santé en France, différents acteurs possèdent différentes données mais sans jamais pouvoir les croiser entre elles : l’Assurance maladie a des données sur la facturation mais pas sur la qualité du parcours de soins, les logiciels médicaux ne sont que très rarement interopérables, les données récupérées lors des essais cliniques ne sont pas standardisées… D’autre part, la législation ne permet pas de fusionner facilement des données de santé venant de différents référentiels (imagerie, assurance maladie, compte-rendu médical…). Cette fusion est pourtant nécessaire pour bien appréhender des pathologies qui sont multi factorielles. Il est par exemple interdit d’aller chercher la localisation géographique d’un patient pour comprendre l’impact de son environnement sur l’apparition de la maladie. Des initiatives prometteuses voient cependant le jour pour faire face à ces obstacles. Pour permettre l’interopérabilité des différents systèmes d’informations qui récupèrent des données exploitables, l’Agence du Numérique en Santé a mis en place le Cadre d’interopérabilité des systèmes d’information en santé, un document de référence qui propose des règles de sémantiques pour que les données puissent être intégrés à différents systèmes grâce à un langage commun. Le « Health Data Hub » annoncé par le gouvernement en 2018 et finalement créé en novembre 2019, pour l’exploitation des données de santé, ou encore la plateforme G_NIUS (pour Guichet National de l’Innovation et des Usages en E-santé), lancée dans le cadre de l’épidémie de Covid-19 par le ministère des solidarités et de la santé, l’Agence du Numérique en Santé et Bpifrance, sont d’autres initiatives pour faciliter l’innovation en santé numérique et IA.
G_NIUS met par exemple à disposition des entrepreneurs des référentiels applicables et des documents pour les aider à sécuriser leurs innovations numériques et à se référencer auprès des différents acteurs. Le CNNUM (Conseil national du numérique) publiait son rapport sur le numérique en santé. Il comprend des recommandations pour aider au déploiement des innovations dans ce secteur. Le rapport propose par exemple d’instaurer un label qui attesterait de la « numéricité » des professionnels de santé, ou d’ouvrir un espace de mise en relation entre entreprises de santé numérique et décideurs publics.
Malgré les difficultés inhérentes au secteur, l’écosystème entrepreneurial français a fait preuve d’énormément de dynamisme et d’appétence pour l’intelligence artificielle. La France a réussi à se positionner en tant que leader dans le domaine de l’IA, avec 3,1% des startups, se positionnant ainsi au 7e rang mondial (source : « Intelligence artificielle : Etat de l’art et perspectives pour la France »). Ces innovations sont soutenues par l’écosystème d’investisseurs et de pourvoyeurs de financements français.
Source Le Hub BPI France
