En 2012, le MD Anderson Cancer Center et IBM ont lancé un projet ambitieux d’IA en oncologie. Cinq ans et 62 millions de dollars plus tard, le projet a été abandonné sans avoir traité un seul patient. Cette histoire illustre un problème récurrent : l’intelligence artificielle, aussi performante soit-elle, reste inefficace si elle ne s’intègre pas aux processus existants.
Le vrai défi de l’IA en santé
L’échec du projet Watson révèle une vérité fondamentale : l’IA doit comprendre le contexte opérationnel pour créer de la valeur. Les systèmes de santé sont complexes, avec des informations dispersées entre dossiers médicaux, notes manuscrites et systèmes électroniques. L’IA doit pouvoir naviguer dans cet écosystème pour être utile.
Les limites des interfaces traditionnelles
Les systèmes actuels permettent de transférer des données, mais souvent sans le contexte nécessaire pour une prise de décision efficace. Le vrai défi se situe entre les systèmes, là où les processus s’emboîtent et nécessitent une compréhension globale.
La priorisation des autorisations : un cas d’école
Prenons l’exemple des autorisations préalables. En apparence simple, ce processus implique en réalité plusieurs étapes : vérification de l’éligibilité, examen des documents cliniques, application des règles de couverture, et parfois un jugement professionnel. Chaque composant peut fonctionner individuellement, mais le processus global reste lent car les systèmes ne communiquent pas suffisamment entre eux.
Les nouvelles exigences de la CMS
À partir de 2027, les payeurs devront se conformer à de nouvelles exigences de la CMS concernant les API FHIR. Ces normes visent à améliorer l’interopérabilité et à simplifier les échanges d’informations entre prestataires et payeurs. Ces connexions créent une base pour un environnement plus intégré, mais l’information doit encore être traitée dans son contexte.
L’architecture au service des processus
Pour qu’une organisation tire pleinement parti de l’IA, il faut repenser son architecture autour des processus métiers. Cela implique de comprendre chaque étape d’un processus, les informations nécessaires, les acteurs impliqués et les points de décision.
Une approche en quatre couches
Une architecture efficace en santé doit s’organiser autour de quatre couches :
- Expérience : interaction avec les acteurs du soin.
- Intelligence : interprétation des données et recommandations.
- Opérations : exécution, routage et escalade des tâches.
- Données sécurisées : gestion des records et règles.
La valeur de ces couches réside dans leur interconnexion. Par exemple, pour les autorisations préalables, les informations cliniques et de couverture doivent être disponibles au bon moment.
Conclusion
L’IA en santé ne se mesure pas au nombre d’agents déployés, mais à leur capacité à améliorer les processus existants. Une organisation qui continue de déplacer manuellement des informations n’a pas gagné en efficacité, même avec des outils intelligents. L’avenir appartient aux systèmes qui comprennent et optimisent les workflows complets.