Politiciens : réveillez-vous, la santé est malade !

Les primes prennent encore et toujours l’ascenseur.

Cela devient pénible pour beaucoup de gens et surtout les familles..Mais pour certains cela devient insupportable et ils cessent de payer.

En 2014, 7’300 suisses ne payaient plus leur primes … ils ont été plus de 30’000, selon “santésuisse” en 2016 . C’est une croissance de 300%. Et cette année ils vont sans doute être plus de 60’000.

Des manifestations – en Romandie – ont encore une fois sonné l’alarme car le système de la santé va en Suisse droit dans le mur.

Car au niveau du pays, cela menace d’affecter les équilibres politiques et sociaux comme aux Etats Unis. Mais quel est exactement le problème ? Et qui va arrêter cette croissance vertigineuse des dépenses ?

Qui va venir au secours des familles ?

Contrairement à ce que dit le monde politique (et avec eux, certains acteurs du domaine de la santé) le problème n’est pas du tout complexe car la solution est très simple : Il suffit de contrôler l’emploi. En effet, Il faut savoir que celui-ci est responsable de près de 80% des coûts totaux et que l’embauche du personnel dans la santé s’est envolée ces dernières années : +100’000 emplois en dix ans. Cela correspond à 10 milliards de charges en plus pour le système et les assurances individuelles ont été ajustées en conséquence. On a simplement payé. Voilà la réalité crue. Le domaine de la santé semble échapper à toute rationalité et à toute recherche de productivité. Si l’on a un projet ou un problème nouveau, alors on embauche. Incroyable ! C’est ainsi que l’on fonctionne. Personne ne s’en inquiète puisqu’à la fin, c’est l’assuré qui paye !

Alors la question qu’il faudrait désormais se poser est la suivante : Qui va pouvoir contrôler les coûts en réduisant le personnel ? En tout cas, pas les politiques qui proposent la caisse unique. Pas les pharmas qui cherchent de l’argent pour la recherche. Pas les assurances qui essaient de reconstituer leurs réserves. Pas les hôpitaux qui multiplient l’offre notamment en ambulatoire. Pas les médecins qui cherchent à compenser les effets négatifs du TARMED sur leur salaire. Donc, il va falloir chercher ailleurs.

Devinez où ?

Eh bien, comme toujours ce sont les entreprises orientées Internet comme les GAFAIM (Google, Apple, Facebook, Amazon, IBM, Microsoft) qui vont faire le boulot. On sait comment elles vont procéder. Regardez ce qui s’est passé avec les librairies, les médias, le tourisme, etc. Ils ont été à chaque fois capables de faire effondrer les prix tout en empochant de jolies marges et en sortant la concurrence du marché. C’est exactement ce qui va arriver dans le domaine de la santé. Watson d’IBM va être notre oncologue ou notre médecin de référence. Apple, notre cardiologue (Apple Watch). Google, notre opticien (lunette augmentée). Facebook, notre réalité virtuelle. Amazon, notre cloud pour le dossier médical. Microsoft, notre analyseur de Big Data, etc., etc.

Bref, la maîtrise de la santé change de main. Et les nouveaux partenaires santé sauront sans doute faire ce que personne ne veut faire aujourd’hui : baisser les primes.

Il ne faudra pas ensuite se plaindre de leur domination, n’est-ce pas Mesdames et Messieurs les politiciens ?

* Xavier Comtesse est l’auteur du livre : Santé 4.0, le tsunami du numérique, Georg, Genève, 2017 et co-auteur de “Médecine augmentée”, 2018 avec Daniel Walch.

La SUVA économise 60 millions grâce à l’IA !

La Suva a économisé plus de 5% du total des frais de traitement en 2017 en vérifiant systématiquement les factures des médecins et des hôpitaux de ses assurés à l’aide de logiciels issus de l’IA.

Cela représente plus de 60 millions de francs d’économies.

Les contrôles s’améliorent chaque jour, grâce à l’utilisation de systèmes d’apprentissage automatique (IA) a indiqué récemment la Suva.

En 2017, l’assurance a reçu 2,5 millions de factures. Elle en a corrigé ou refusé 160’000, en légère augmentation par rapport à l’année précédente.

Le système informatique identifie automatiquement environ 10% des erreurs. Dans 90% des cas restants, il signale un problème qui nécessite l’intervention des spécialistes des frais de traitement de la Suva. Le logiciel apprend des décisions prises par les spécialistes et s’améliore ainsi de jour en jour.

En 2017, les frais de traitement totaux se sont élevés à environ 1,2 milliard de francs. Sur les 60 millions de francs économisés par la Suva, 60% sont le résultat du contrôle des factures émises par des hôpitaux et 40% du contrôle des factures établies par des médecins.

En suivant ce modèle de logiciels IA et en le généralisant on pourrait économiser plusieurs milliards de francs dans le système suisse de la santé soit 5% du total.

C’est exactement ce qu’il faudrait faire: n’est-ce pas Monsieur Berset!

page1image3703504

Des gains en productivité… pour une médecine au service des gens !

Dans le domaine de la santé, la loi de Baumol sur la croissance déséquilibrée (loi qui démontrait que des services tels que santé, éducation, spectacles vivant n’étaient pas susceptibles de dégager des gains de productivité) se trouve aujourd’hui remise en cause. En effet, l’Intelligence Artificielle peut produire un changement de paradigme (voir livre : Médecine Augmentée de Daniel Walch et Xavier Comtesse, éditions G d’Encre).

La santé connaîtra en particulier des gains de productivité. Ainsi, les coûts croissants dans ce secteur ne relèvent plus de la fatalité. Conjuguer les technologies de l’information à l’IA, même si nous ne sommes pas encore sûrs de toutes les formes que prendront ces arrangements, ouvre pour la première fois la possibilité de gains de productivité massifs dans ce domaine.

Cependant un point risque de faire problème politiquement : celui de la mise en œuvre. Car il y a un très gros risque à éviter qui tient au fait que les acteurs actuels du système de santé ne sont pas motivés pour entreprendre quoi que ce soit.

Le système aujourd’hui convient grosso modo à tous. Seuls les patients, qui sont aussi des électeurs, voient leur situation se détériorer avec les augmentations systématiques et constantes de leurs primes.

C’est pourquoi nous pensons qu’effacer ce risque tient du devoir politique “au sens large”  .

Comment s’y prendre ?

Sans doute faut-il d’abord respecter les pouvoirs réels du Parlement, à savoir la capacité de légiférer d’une part, et d’attribuer des crédits d’autre part.

En restant strictement dans les compétences du Parlement fédéral, on peut piloter un changement en profondeur qui favorisera l’éclosion des technologies (matérielles et logicielles) pour développer un système de santé « soutenable ».

Pour bien faire, pensons-nous, il faudrait construire une action coordonnée sur quatre axes :

« La régulation (1), l’éducation (2), la recherche (3) et enfin l’innovation (4) »

La régulation d’abord : Les bases légales de SwissMedic pourraient valablement être révisés pour inclure dans le cahier des charges de cette institution la capacité de valider, d’autoriser l’usage de certains algorithmes de l’IA qui favorisent la baisse des coûts du système de santé. Il faut penser en termes de « durabilité » du système et pas seulement en termes de « sécurité ». Une thérapie, un médicament, un dispositif et un algorithme doivent à la fois être efficaces mais aussi acceptables au niveau des coûts pour ne pas mettre en péril tout le système. Cette vision pourrait donc être inscrite dans la loi.

Utopiste ? Pas forcément, car, comme on l’a vu, la très exigeante Food and Drug Administration américaine (FDA) a autorisé la mise sur le marché d’une IA capable de diagnostiquer une déficience visuelle liée au diabète.

L’éducation ensuite :  Introduire dans le « cursus » général de la formation médicale des connaissances et savoir-faire en matière de Big Data, d’IoT et d’IA. Des cours MOOC permettraient de rapidement former des milliers de médecins à ces techniques. De manière plus spécifique, la mise en place de véritables filières de « data scientists » médecins experts en IA devrait être développée. La formation est le premier pilier du changement. Les médecins doivent maîtriser le fonctionnement des technologies et les algorithmes auto-apprenants du futur.

Rappelons que le MOOC de l’Université de Stanford « Machine Learning: Master the Fundamentals » qui couvre entre autres le domaine de la santé, est le MOOC le plus suivi de l’histoire de l’éducation online (plus d’un million d’étudiants). Plus de 20% des meilleurs MOOC du moment aux Etats-Unis concernent l’IA.

La recherche: Par le biais du Fonds National Suisse de la Recherche (Division III), un programme de recherche pour l’amélioration des coûts de la santé utilisant les nouvelles technologies notamment par le recours à l’IA, devrait être lancé. Ce programme inciterait des jeunes chercheurs à s’engager dans une quête qui pourrait déboucher sur de nouvelles idées, voire de nouvelles applications. C’est la meilleure méthode pour créer autour d’une problématique une émulation fructueuse. Pas de plans nationaux (top-down), juste une incitation à la créativité (bottom-up). Pourquoi alors recourir au Fonds national de la recherche et ne pas commanditer directement une ou plusieurs entreprises ? Tout simplement parce que le problème risque d’être récurrent. En effet, de nouvelles pratiques apparaîtront avec le temps et il faudra à nouveau les corriger. Il va falloir donc adapter à nouveau la réponse en fonction de l’évolution des pratiques et ce champ d’investigation risque de devenir une économie en soi.

L’innovation pour finir : InnoSuisse, le fonds pour l’innovation suisse, pourrait aussi s’impliquer afin d’encourager le monde des start-ups et des PME aux enjeux de l’IA. Un grand réservoir d’innovation, notamment en IA, s’offre effectivement à ces entreprises et il faudrait pouvoir soutenir concrètement leurs efforts.

En esquissant rapidement ces quatre axes d’un projet politique qui devrait être national, on comprend comment on peut enclencher le changement. Bien sûr, nous sommes conscients que beaucoup de choses devront être fixées le long du parcours politique d’une telle proposition, mais nous sommes convaincus que la technologie et notamment l’IA, peuvent venir au secours d’un système de santé à bout de souffle et menacé.

 

 

Machine Learning… ces algorithmes qui apprennent par eux-mêmes !

avec Lev Kiwi, mathématicien et maître IA

Depuis une dizaine d’années, on assiste à un développement sans précédent de l’intelligence artificielle. Afin de comprendre comment de tels exploits sont possibles, il faut s’intéresser notamment aux algorithmes d’apprentissage automatique (machine learning).

L’approche classique consiste à préprogrammer tous les cas possibles en amont. On a ainsi une approche déterministe et un algorithme relativement compréhensible. Pour un même input, on aura toujours le même output. C’est en quelque sorte une mécanique digitalisée. Cette approche a été le standard dans le domaine. Bien que la puissance de calcul croissante des ordinateurs permette l’exécution d’algorithmes de plus en plus complexes, ce n’est que lorsque ces algorithmes sont enrichis de modèles statistiques que le vrai potentiel d’une intelligence artificielle est libéré. La programmation suit ainsi une approche probabiliste. Conséquemment, pour un même input, nous n’aurons plus forcément le même output. Il dépend du jeu de données utilisé pour l’apprentissage.

Aujourd’hui, il existe une quantité astronomique de modèles statistiques, chacun avec ses avantages et ses inconvénients. L’atout majeur d’une telle prolifération de modèles réside dans la possibilité de créer plusieurs représentations différentes d’un même problème. Évidemment, un modèle s’appliquant dans un contexte ne s’applique pas forcément dans un autre. L’art de la science de la donnée repose notamment dans la découverte de patterns favorisant l’utilisation d’un modèle plutôt qu’un autre.

Selon la fameuse définition de Mitchell (1997), on dit qu’un algorithme apprendde son expérience à une tâche lorsque sa performance à cette tâche s’améliore avec l’expérience. Pour de tels algorithmes, l’expérience prend en général la forme de données informatisées. Par ailleurs, un algorithme a besoin d’une mesure de sa performance pour apprendre. Cette mesure se traduit souvent par la minimisation d’un taux d’erreurs. Ainsi, pour une tâche donnée, ces algorithmes d’apprentissage automatique ou machine learning utilisent des données afin de minimiser de façon automatique et optimal leurs taux d’erreurs. Conséquemment, il n’y a pas vraiment d’intelligence ou d’apprentissage au sens biopsychologique du terme, mais uniquement un problème d’optimisation à résoudre.

En règle générale, un algorithme a besoin de données d’entrainement pour apprendre. Ce n’est que dans un deuxième temps que le modèle est capable de faire des prédictions. Lors de la première phase, dite d’apprentissage, l’algorithme essaye de découvrir des patterns dans ces données d’entrainement afin de maximiser la probabilité de faire une prédiction correcte. C’est un raisonnement purement statistique et probabiliste. Pour un certain input, l’algorithme prédit un certain output car ce dernier est le plus fréquent dans les données d’entrainement. Evidemment, les associations input / output suivent différents patterns et là se trouve tout l’art de la science de la donnée.

Comment est-ce que l’industrie de la santé va utiliser ces composantes informatiques cognitives ?

à voir ici le graphe synthétique du machine learning IA_2018_InfoGra

Les logiciels IA font économiser 5% des frais médicaux : le patient va-t-il en profiter Monsieur Berset ?

La Suva a économisé plus de 5% du total des frais de traitement en 2017 en vérifiant systématiquement les factures des médecins et des hôpitaux de ses assurés. Cela représente plus de 60 millions de francs d’économies.

Les contrôles s’améliorent chaque jour, notamment grâce à l’utilisation de systèmes d’apprentissage automatique (machine learning) a indiqué aujourd’hui 16 octobre la Suva.

En 2017, l’assurance a reçu 2,5 millions de factures. Elle en a corrigé ou refusé 160’000.

Le système informatique identifie automatiquement environ 10% des erreurs.

Le logiciel apprend des décisions prises par les spécialistes et s’améliore ainsi de jour en jour.

En 2017, les frais de traitement totaux se sont élevés à environ 1,2 milliard de francs.

Sur les 60 millions de francs économisés par la Suva, 60% sont le résultat du contrôle des factures émises par des hôpitaux et cliniques tandis que les 40% restant provenaient des factures établies par des médecins !!!

(extrait/awp)

URGENT : les études de médecine doivent inclure l’IA !

L’intelligence artificielle (IA), basée notamment sur des algorithmes d’apprentissage de « Machine Learning » (ML), est une branche du domaine de l’informatique qui gagne très rapidement de l’importance dans le secteur de la santé. Cependant, l’enseignement médical universitaire dans le monde n’a pas encore inclus cette technologie dans le cursus, la Suisse ne fait pas exception à la règle !

Le grand public est pourtant devenu conscient de l’impact futur de l’IA et attend aussi des résultats positifs pour les soins de santé, par exemple en fournissant aux cliniciens de meilleurs diagnostics ce à quoi les professeurs de médecine « semblent » oculter.

Vijaya B. Kolachalama, Professeur adjoint de médecine à la Boston University School of Medicine vient de publier un article * choc qui conclut que l’enseignement de l’IA est indispensable aux nouveaux médecins.

Les chercheurs ont effectué en premier lieu une recherche avec « apprentissage automatique » pour constater que le nombre d’articles publiés dans le domaine du « blanchiment de capitaux » avait augmenté depuis le début de la décennie. En revanche, le nombre de publications relatives à l’enseignement médical est resté inchangé depuis 2010.

« Il est donc urgent de sensibiliser tout le corps professoral, mais aussi les étudiants et les internes sur le campus médical de l’université de Boston », tel est le verdict du Professeur. Pour ce faire, il a conçu un cours ayant pour but de sensibiliser la prochaine génération de professionnels de la santé et de jeunes chercheurs issus des domaines du biomédical et des sciences de la vie aux nouveaux concepts et de les préparer à la révolution numérique en cours dans la science des données.

Alors que l’éducation médicale pense aux compétences classiques des médecins notamment par l’approche statistique, le « Machine Learning » ouvre la voie à la prédiction et à la médecine de précision hautement prometteuse. Les auteurs espèrent que cet article incitera les facultés de médecine à réagir rapidement face à l’évolution fulgurante de l’IA et à son utilisation dans les soins aux patients. « Une technologie sans connaissance de son potentiel et de ses applications par les médecins n’a aucun sens et ne fera que perpétuer les coûts des soins de santé. »  –

Cet article a été republié à partir de matériel fourni par le Boston Medical Center.  * Kolachalama, V. B., et Garg, P. S. (2018). Apprentissage automatique et éducation médicale. Npj Digital Medicine, 1 (1), 54. https://doi.org/10.1038/s41746-018-0061-1

 

Dispute: vers un nouveau modèle économique de Santé en Suisse ?

Le système de santé en Suisse coûte cher. Il semble même être hors de contrôle. En effet, on assiste depuis plusieurs décennies à une augmentation vertigineuse de celui-ci : doublement des coûts en vingt ans !

Tous les acteurs du système tentent plus ou moins de mettre la faute sur les autres à travers des prises de position de leurs organisations à Berne : SantéSuisse (assureurs), H+ (Hôpitaux), FMH (médecins), Interpharma (industrie pharma), CTM (commission des tarifs), CDS (conseil des directeurs cantonaux de la Santé), association des patients, etc. Tout cela paraît un processus bien vain lorsque l’on constate les résultats : une hausse nettement supérieure à celle de l’inflation. Conséquence : le niveau de vie des citoyens suisses est année après année rogné par l’augmentation des primes d’assurance.

Comment alors arrêter une telle escalade ?

Une idée, qui n’est certainement pas la panacée serait de passer à un modèle de facturation basée sur le temps et pas l’acte.

Il faut savoir qu’aujourd’hui le calcul des remboursements est basé sur l’acte médical. Ainsi la Suisse a mis en place un système fédéral (2004) de tarification extrêmement précise : le TARMED qui décrit plus de 4’600 prestations médicales (ou actes médicaux). Donc le modèle est basé sur le calcul d’une prestation indépendamment de combien de temps prend réellement celle-ci à être exécutée. C’est là que le bât blesse.

En effet, il est facile dans ce modèle de trouver le moyen d’augmenter le nombre d’actes/de prestations. Tant qu’un système est ainsi calculé … il est impossible d’en maîtriser les coûts.

Donc, on devrait imaginer plutôt un système basé sur le temps, comme celui des avocats. La tarification horaire a l’avantage de restreindre fortement les exagérations … on peut par exemple restreindre le temps de facturation légalement admis pour le travail de tous les professionnels de la santé … il ne faut pas oublier que 75% des coûts totaux du système de santé sont liés aux salaires.

Bref un modèle comme celui du tarif horaire, même aménagé en fonction des spécialités et des métiers, freinerait immédiatement l’explosion des coûts de la santé voir même les réduirait…un peu !

Il est bien clair que par rapport à ce type de modèle beaucoup de freins au changement apparaîtrait et il faudrait les lever les uns après les autres.

Vers d’autres modèles ?

La révolution numérique pourrait grandement contribuer à imaginer d’autres modèles notamment par une nouvelle approche par l’IA (voir le livre : médecine augmentée de Daniel Walch et Xavier Comtesse, éditions G d’Encre).

Bien sûr, il y aurait encore d’autres modèles comme celui de l’abonnement mensuel qui vous lirait à un unique groupe médical alliant assurance, clinique, experts et soins palliatifs comme le propose désormais Amazon et JPMorgan à leurs employés.

Changer de modèle dépendrait aujourd’hui d’une décision politique qui serait évidemment très longue à prendre.

Sauf bien sûr si un jour, un acteur majeur décide de changer la donne… songez ici à Amazon, peut-être suivi par d’autres acteurs des GAFA.

Le sort de notre modèle économique de Santé n’a jamais été aussi près … de nous échapper complètement.

Un débat s’impose !

Alain BERSET a tort, on peut faire baisser les coûts de la santé en Suisse : démonstration

1.- Les coûts des systèmes de santé sont “drivés” par les actes médicaux.

2.- Les spécialistes estiment depuis longtemps qu’environ 20% des coûts des systèmes de santé dans les pays dits avancés comme les USA, la France, la Suisse, etc. seraient dus à des actes médicaux inutiles, mal-appropriés, en surconsommation ou en sur-traitement voire carrément abusifs.

3.- Si l’on réduit le nombre d’actes médicaux inutiles on fait baisser les coûts de la santé (jusqu’à 6 mia pour la Suisse). L’intelligence artificielle peut aussi nous y aider (voir développement ci-dessous).

CQFD Monsieur le Conseiller fédéral !

Développement:

C’est donc bien là que se cache le principal gisement potentiel d’économies du système de santé.

S’il était possible de réduire le nombre de ces actes, des économies importantes seraient réalisées. Aujourd’hui, on compte sur de nouvelles procédures médicales mais qui s’appuient toutes sur le bon vouloir des professionnels (cf. le Registre de Médecine Empirique RME mis en place en Suisse dès 1999)

Pourtant, il est possible de faire autrement.

L’IA pourrait en être la solution.

A l’image des programmes informatiques faisant appel à l’IA que les grandes assurances (AXA, Allianz) ont développé pour faire la chasse aux déclarations frauduleuses (10% des déclarations de sinistre en Suisse), on pourrait facilement imaginer des programmes de référence ayant comme mission principale de réduire les actes inutiles ou excessifs entraînant du gaspillage.

Aux USA, le marché très dynamique des start-ups a déjà commencé à explorer ce champ d’activité. Ainsi, HealthJoy (une start-up de Chicago) propose un service de conciergerie médicale basé sur l’IA, pour aider les patients à prendre de bonnes décisions concernant les actes médicaux (en évitant les inutiles) tout en cherchant à optimaliser les coûts, c’est-à-dire les plus bas en rapport avec la qualité des soins. Une sorte de Trivago de la médecine en quelque sorte. Ils ne sont pas les seuls. Des compétiteurs comme ADP Workforce Now, Zest Health, Kyruus, etc. démontrent la vigueur d’un marché technologique naissant. C’est sans doute par ce chemin qui favorise « l’aide à la décision intelligente » que vont venir les solutions pour améliorer ce système défaillant des actes inutiles.

Les principes technologiques derrière cette approche sont simples : il s’agit d’analyser des grandes bases d’information (Big Data) pour chercher des figures (features) montrant des anomalies. En quelque sorte, on cherche les cas d’abus en isolant les exceptions. Ce travail doit être automatisé car les données sont nombreuses et chaque anomalie est finalement assez rare. En d’autres termes, même si les actes médicaux sont globalement nombreux : 20% des actes, ils sont très différents les uns des autres. Il n’y a donc que peu de cas typiques, genre ablation de la thyroïde mais beaucoup de situations distinctes. C’est pourquoi sans des programmes informatiques d’IA, il est relativement difficile de faire face à ce problème. En tout cas, personne n’y est arrivé jusqu’à présent. C’est un mal connu sans remède pratique. Les technologies de l’IA font office aujourd’hui de dernier recours. Certes les pratiques du corps médical devront suivre et ce n’est pas gagné d’avance.

Plus concrètement, l’on parle ici de prescrire des traitements et médicaments ayant fait leurs preuves (evidence based medecine), d’éviter les doublons de prescriptions par des professionnels différents, d’éviter les chaînages de demandes d’analyses sans réflexion, d’éviter les examens de routine.

Les exemples sont légion dans nos hôpitaux et cliniques : radio du thorax avant une opération, surprescription d’inhibiteurs de la pompe à protons (prévention des ulcères), inflation de prescription d’antibiotiques, mise en place en routine de sondes urinaires, transfusions érythrocytaires inutiles, prises de sang quotidiennes sans justification et tant d’autres.

Le corps médical occidental en a pris conscience et le mouvement « Choosing Wisely » fait des émules dans les différentes spécialités. Les multiples publications médico-économiques autour du « Does Choosing Wisely Work ? » démontrent les bénéfices et économies générés par ces mesures. Les sociétés suisses de spécialistes ne sont pas en reste et produisent leurs propres recommandations : liste « Top  5 » de la Société suisse de médecine interne générale, « Top-9-liste » de la très dynamique Société suisse de médecine intensive, etc. L’IA couplée à la philosophie du « Choosing Wisely » est une piste d’économies pleine de promesses.

Les plateformes susmentionnées développées aux USA (par ex. HealthJoy) aident directement les patients à choisir un itinéraire médical moins coûteux. Nous pourrions développer en Suisse des logiciels d’IA d’aide à la décision et à la prescription pour les médecins avec une double mission : pédagogique et économique.

Le but est clair : challenger les pratiques et les routines, provoquer la réflexion. Les médecins ciblés seraient principalement les médecins en formation pré et post-grades dans nos hôpitaux.

L’IA ne remplacera pas le médecin, elle augmentera ses capacités. Et elle génèrera des économies en évitant les prescriptions d’actes et de médicaments inutiles.

Ce partenariat entre l’IA et le corps médical, pour être accepté, nécessite que l’IA devienne « explicable ». Le fonctionnement du Deep Learning, des réseaux neuronaux profonds, doit être transparent pour les médecins.

L’IA doit donc évoluer et pouvoir expliciter ses raisonnements. Ces derniers ne sont finalement que des développements sophistiqués de type statistique dont les médecins sont traditionnellement friands ! C’est à cette condition que l’IA, sorte de prothèse qui augmentera le médecin, pourra devenir une aide à la décision au quotidien et évitera les actes inutiles.

Quel gain espérer ?

150 milliards de dollars d’économies grâce à l’IA en 10 ans aux USA, 50 milliards d’euros d’actes inutiles par an en France, plus de 6 milliards de CHF d’actes inutiles par an en Suisse, les différentes études concordent. Il est permis d’envisager une meilleure productivité de notre système de santé.

 

 

WATSON pourrait révolutionner la santé en investissant le cloud!

Avec la collaboration de Daniel Walch, directeur général du GHOL

Selon une études américaines d’une association de recherche clinique les données médicales doubleront tous les 73 jours d’ici 2020. De ce fait, seuls les super-computer pourront analyser de telles quantités de données et encore s’ils seront aidés par des logiciels d’intelligence artificielle. Par ailleurs, IBM a calculé qu’une personne génèrerait une quantité écrasante d’information au cours de sa vie ( env. 1 million de gigaoctets de données – ce qui, en termes de copie papier, équivaut à plus de 300 millions de livres).

Cette croissance de données est alimentée par l’utilisation de capteurs d’activités physiques, d’appareils médicaux connectés, et d’implants, qui permettent de suivre et de capturer des informations en temps réel.

Actuellement, il est difficile de connecter toutes ces données aux data-bases existantes et très fragmentées du système de santé qui ne sont pas facilement partagées, tels que le dossier médical, la recherche clinique et les génomes individuels.

Aujourd’hui IBM possède avec Watson les capacités cognitives avancées et peut rassembler le vaste écosystème de partenaires, de praticiens et de chercheurs nécessaires au changement, tout en fournissant la plate-forme ouverte, sécurisée et évolutive nécessaire pour rendre tout cela possible.

La qualité avant la quantité

En médecine, la qualité prime sur la quantité.

Les data-bases sont polluées d’informations de faible qualité scientifique ou influencées par des fournisseurs. Le défi sera d’éviter l’effet GIGO (« garbage in, garbage out » ou si les entrées sont mauvaises, les sorties le seront aussi). L’IA devra sélectionner les données de qualité. Les algorithmes devront tenir compte du niveau de qualité des données probantes. S’appuient-elles sur des essais cliniques contrôlés ? Combien d’essais ? Sont-ils randomisés ? (p.m. une étude randomisée est une étude dans laquelle le traitement est comparé à un autre ou à l’absence de traitement ou à un placebo). Des informations exactes et fiables, des informations pertinentes qui répondent à l’objectif, des informations actuelles sont des critères incontournables pour un diagnostic et le choix d’un traitement de qualité. La performance du deep learning en médecine va augmenter de pair avec la taille des data-bases mais aussi avec la qualité de l’étiquetage des données probantes.

Watson Health investit le Cloud

IBM a jeté les bases de sa plateforme « Cloud » conçue pour aider les fournisseurs de soins de santé à prendre des décisions opportunes et fondées sur des preuves concernant les problèmes de santé. Watson Health Cloud a pour objectif de fournir aux médecins, aux chercheurs, aux assureurs et aux entreprises de soins de santé une plate-forme sécurisée et ouverte leur permettant d’avoir un aperçu plus complet des facteurs pouvant affecter la santé des personnes.Pour les personnes à qui ces données sont enregistrées, le système promet l’anonymat en retirant leurs identités des informations.

Avant de confier ses données patients à un Cloud, le prestataire de soins devra néanmoins toujours procéder à une évaluation des enjeux juridiques, organisationnels et techniques. Il devra fixer au mandataire propriétaire du Cloud des exigences précises et exercer des contrôles. L’hôpital ou le médecin restera finalement responsable du respect des prescriptions légales en matière de protection des données. Il doit veiller au traitement des données patient de leur transfert à leur effacement.

Un potentiel transformationnel des soins de santé 

Ce n’est pas la première approche de Watson dans la santé. Le système informatique avancé, en faisant appel notamment à l’IA, est utilisé depuis un certain temps dans les services de santé de bon nombre d’hôpitaux, mais aussi par les sociétés pharmaceutiques dans leur quête de nouveaux médicaments, à donner des conseils fondés sur des données mondiales aux médecins locaux et même à leur enseigner de nouvelles compétences. IBM a déposé plus de 1300 brevets dans les domaines de la santé, des sciences de la vie et des dispositifs médicaux pour asseoir son autorité en la matière. Dans cette perspective, IBM est bien placé pour combiner la technologie cloud, les capacités de l’intelligence artificielle et l’interopérabilité des systèmes de santé locaux pour aider les professionnels à prendre des décisions plus éclairées et à mieux répondre aux besoins des patients.

Ainsi la plateforme de Watson Health pourrait être vraiment un agent transformateur du système de santé partout dans le monde.

IBM, Amazon, Apple, Google, mais aussi la Migros (en Suisse) vont ainsi créer les conditions d’une rude concurrence. Espérons que le patient soit le vainqueur !

 

 

 

 

MIGROS: un acteur majeur de la Santé ?

La Migros est entrée dans le domaine de la santé il y a plus de dix ans déjà. L’entreprise poursuit deux axes de développement dans ce secteur : les « walk-in clinic » avec MedBase et le on-line pharmaceutique ou para-pharmaceutique avec Zur Rote.

Avec près de 900 thérapeutes et médecins et plus d’un millier d’employés, l’activité MedBase est devenue pour Migros très importante. C’est le « fer de lance » de sa stratégie santé. Les « walk-in clinic » ouvre les unes après les autres. Après Genève, Lausanne et Vevey en Romandie, le réseau de clinique de proximité va s’étendre encore ces prochaines années. Migros devient ainsi petit à petit un acteur majeur du système de Santé en Suisse.

L’entreprise ambitionne même d’infléchir l’augmentation des coûts de la santé. Comment ? En visant d’abord des marges plus basses que les principaux acteurs puis en établissant des coopérations avec d’autres acteurs historiques de la santé. Marcel Napierala, CEO de Medbase, affirme :« Nous voulons travailler sur la qualité, coordonner le suivi des patients, éviter des soins inutiles et des gestes superflus, en nouant des accords avec les hôpitaux, les cabinets de radiologie, les laboratoires et aussi avec le réseau Delta (plus de 200 000 Romands sont affiliés au réseau Delta) ».

Deuxième axe la pharmacie avec Zur Rose.

Le leader suisse du commerce de détail accueille depuis cette année dans ses supermarchés des médicaments fournis par le distributeur de médicaments Zur Rose. Migros a pris une part dominante dans cette société on-line et tente maintenant des synergies avec ses propres magasins.

La stratégie de Migros est claire. Elle cherche la vraie proximité tout en utilisant le numérique (virtuel) pour abaisser les coût d’approvisionnement. Par ce double développement, la coopérative entre efficacement dans un système de santé qui souffre d’un manque de gains chroniques en productivité. Bien sûr les marges sont importantes dans le secteur mais pas la productivité. C’est d’ailleurs sur ce point précis que tous les acteurs historiques vont se retrouver en concurrence avec les nouveaux entrants : Apple, Amazon, Migros, Watson, etc.