Médecine : pourquoi les médecins ne sont pas prêts face aux changements apportés par l'IA ?
BALTIMORE - À mesure que les systèmes d'intelligence artificielle tels que ChatGPT deviennent de plus en plus présents dans la vie quotidienne, les médecins sont aussi concernés. En effet, ces outils sont progressivement intégrés dans leur pratique clinique pour les aider à prendre des décisions importantes en matière de diagnostic et de traitement des affections médicales courantes. Ces outils, appelés algorithmes d'aide à la décision clinique (CDS) peuvent être extrêmement utiles pour guider les prestataires de soins de santé afin de déterminer, par exemple, quels antibiotiques à prescrire ou s'il faut recommander une opération cardiaque risquée.
Le succès de ces nouvelles technologies dépend toutefois en grande partie de la manière dont les médecins interprètent les prédictions de risque d'un outil et agissent en conséquence, ce qui nécessite un ensemble unique de compétences dont beaucoup sont actuellement dépourvues, selon un nouvel article publié le 05 août 2023 dans la revue New England Journal of Medicine (DOI : 10.1056/NEJMp2304839) et rédigé par des professeurs de l'école de médecine de l'université du Maryland (UMSOM).
Absence de la compréhension de base nécessaire
Les algorithmes de CDS, qui font des prédictions dans des conditions d'incertitude clinique, peuvent aller du calculateur de risque dérivé de la régression à des systèmes sophistiqués basés sur l'apprentissage automatique et l'intelligence artificielle. Ils peuvent être utilisés pour prédire quels patients sont les plus susceptibles d'entrer dans une phase de sepsis potentiellement mortelle à la suite d'une infection non contrôlée ou quelle thérapie a la plus forte probabilité de prévenir la mort subite chez un patient atteint d'une maladie cardiaque.
« Ces nouvelles technologies peuvent avoir un impact significatif sur les soins aux patients, mais les médecins doivent d'abord apprendre comment les machines pensent et travaillent avant de pouvoir intégrer des algorithmes dans leur pratique médicale », a déclaré Daniel Morgan, MD, MS, professeur d'épidémiologie et de santé publique à l'UMSOM et co-auteur de l'étude.
Bien que certains outils d'aide à la décision clinique soient déjà intégrés aux systèmes de dossiers médicaux électroniques, les prestataires de soins de santé trouvent souvent que les logiciels actuels sont lourds et difficiles à utiliser. Pourtant, les médecins n'ont pas besoin d'être des experts en mathématiques ou en informatique, mais ils doivent avoir une compréhension de base de ce qu'un algorithme fait en termes de probabilité et d'ajustement des risques. Malheureusement, la plupart d'entre eux n'ont jamais été formés à ces compétences selon Katherine Goodman, JD, PhD, professeur adjoint d'épidémiologie et de santé publique à l'UMSOM et co-auteur de la perspective.
 |
Comment combler cette lacune ?
Pour combler cette lacune, l'enseignement médical et la formation clinique doivent intégrer une formation au raisonnement probabiliste adaptée spécifiquement aux algorithmes de CDS. Les docteurs Morgan et Goodman, ainsi que leur co-auteur Adam Rodman, MD, MPH, du Beth Israel Deaconess Medical Center de Boston, ont proposé d’améliorer les compétences probabilistes. Dès le début de leurs études de médecine, les étudiants devraient apprendre les aspects fondamentaux de la probabilité et de l'incertitude et utiliser des techniques de visualisation pour rendre la réflexion en termes de probabilité plus intuitive. Cette formation devrait inclure l'interprétation des mesures de performance telles que la sensibilité et la spécificité afin de mieux comprendre les performances des tests et des algorithmes.
De plus, les chercheurs suggèrent d’incorporer les résultats des algorithmes dans la prise de décision. Les médecins doivent apprendre à évaluer de manière critique et à utiliser les prédictions de la CDS dans leur prise de décision clinique. Cette formation implique de comprendre le contexte dans lequel les algorithmes fonctionnent, de reconnaître leurs limites et de prendre en compte les facteurs pertinents pour le patient que les algorithmes ont pu manquer.
De même, les médecins doivent s'entraîner à interpréter les prédictions de la CDS dans le cadre de l'apprentissage appliqué. Les étudiants en médecine et les médecins peuvent s'engager dans un apprentissage basé sur la pratique en appliquant les algorithmes à des patients individuels et en examinant comment les différentes données influencent les prédictions. Ils devraient également apprendre à communiquer avec les patients sur la prise de décision guidée par la CDS.
« L'analyse des probabilités et des risques est essentielle à la pratique d'une médecine fondée sur des données probantes. L'amélioration des compétences probabilistes des médecins peut donc offrir des avantages qui vont au-delà de l'utilisation des algorithmes de CDS », a déclaré le doyen de l'UMSOM, Mark T. Gladwin, MD, vice-président des affaires médicales de l'université du Maryland à Baltimore et professeur émérite John Z. et Akiko K. Bowers.
Le 08 août 2023. Sources : communiqué de presse de l’étude en anglais (via Eurekalert.org), The New England Journal of Medicine (DOI : 10.1056/NEJMp2304839).
N'oubliez pas de vous inscrire ci-dessous à notre newsletter spéciale concernant le monde de la biotechnologie et de l'industrie pharmaceutique et recevez des news pertinentes, gratuit !
