IA en imagerie médicale : la performance ne suffit plus, il faut démontrer la valeur
L'intelligence artificielle a fait ses preuves sur le plan technologique. Mais les modèles économiques permettant son déploiement durable restent à consolider. Comment justifier les investissements et pérenniser son intégration dans les établissements de santé ? Aux Journées Francophones de Radiologie (JFR), Stéphan Haaz a échangé avec le Pr Patrice Taourel, PU-PH au CHU de Montpellier, autour des cinq leviers identifiés dans un livre blanc consacré à la valeur en santé de l'IA.
Une équation économique encore sans réponse
L'IA progresse dans les services d'imagerie médicale. Les algorithmes gagnent en performance, les usages se diversifient et les expérimentations se multiplient. Mais une question demeure : qui finance ces innovations et sur quels critères peut-on en justifier durablement le coût ?
C'est précisément à cette problématique que s'est attaqué Catel, en collaboration avec Dell Technologies, à travers un livre blanc auquel ont notamment contribué les Prs Patrice Taourel et Valérie Vilgrain.
La démarche se veut pragmatique. Au-delà d'une revue de la littérature scientifique, une trentaine d'acteurs français - médecins, industriels et décideurs - ainsi qu'une quinzaine de radiologues européens ont été interrogés.
L'ambition n'est pas de démontrer une nouvelle fois les performances de l'IA, mais d'identifier les mécanismes susceptibles de financer son utilisation à long terme.
Cinq leviers pour sortir de la logique expérimentale
La qualité des soins, d'abord. En aidant à détecter des anomalies subtiles et en limitant certains risques d'inattention, l'IA peut renforcer la fiabilité diagnostique. Un bénéfice médical réel, mais dont la traduction économique reste à préciser.
La productivité, ensuite. Souvent présentée comme l'une des principales promesses de l'IA, elle mérite pourtant d'être nuancée. Les faux positifs peuvent alourdir le travail des radiologues plutôt que l'alléger. Le Pr Taourel entrevoit néanmoins des perspectives significatives dans le dépistage du cancer du sein, où l'IA pourrait, selon lui, se substituer à une grande partie de la seconde lecture pour au moins 60 % des femmes.
La transformation des parcours patients constitue un troisième levier, peut-être le plus déterminant. Accélérer la prise en charge des cas sévères, améliorer l'accès à l'imagerie dans les territoires sous-dotés ou réduire les délais : autant de bénéfices potentiels qui restent à documenter. Car démontrer la précision d'un algorithme ne suffit pas à prouver qu'il améliore effectivement l'organisation des soins.
La pertinence des examens représente un quatrième enjeu. L'IA pourrait aider les professionnels à choisir les explorations les plus appropriées, en facilitant l'accès aux référentiels et aux recommandations. Une manière d'agir en amont du diagnostic, sur la décision médicale elle-même.
Enfin, la valorisation des données ouvre une autre perspective économique. Une image isolée possède une valeur limitée. Enrichie du diagnostic final, du suivi et de l'évolution du patient, elle devient une ressource autrement plus exploitable. Pour le Pr Taourel, cette donnée structurée et contextualisée doit pouvoir être reconnue et valorisée. L'IA pourrait d'ailleurs jouer un rôle essentiel dans sa qualification.
Changer de grille de lecture pour changer d'échelle
Ces cinq leviers dessinent un changement d'approche. L'enjeu n'est plus seulement de savoir si une solution d'intelligence artificielle fonctionne, mais de déterminer ce qu'elle apporte réellement au système de santé.
Une distinction essentielle à l'heure où les établissements doivent arbitrer leurs investissements et où les industriels cherchent à inscrire leurs innovations dans des modèles pérennes.
Comme le souligne Stéphan Haaz en conclusion de cet échange, cette grille de lecture doit permettre d'apprécier la valeur des solutions d'IA dans ses trois dimensions : clinique, organisationnelle et économique.
Car la prochaine étape de l'IA en imagerie médicale ne se jouera pas uniquement sur le terrain de la performance technologique. Elle dépendra aussi de la capacité à démontrer, mesurer et financer les bénéfices qu'elle promet.
Article réalisé à partir d'un entretien entre Stéphan Haaz et le Pr Patrice Taourel, enregistré lors des Journées Francophones de Radiologie (JFR), autour des conclusions du livre blanc Catel consacré aux modèles économiques de l'IA en imagerie médicale.
Commentaires