Hôpital du futur : Philips met sa stratégie en Intelligence Artificielle au service des GHT
Avec la création des Groupements Hospitaliers de Territoires (GHT), les pouvoirs publics en santé ont fait le pari de la transversalité et de la mutualisation des documents et des procédures opérationnelles ou cliniques, via le partage de données aussi bien techniques que médicales, qui jalonnent le parcours de soin du patient. Pour bâtir le parcours du futur, le recours à l’Intelligence Artificielle ruisselle sur tous les postes de la chaîne de valeur en santé représentés à l’hôpital au bénéfice des patients, des soignants et des opérateurs. Philips relève le défi en plaçant son expertise en IA au service des GHT par des outils dédiés à l’aide au diagnostic, à l’interopérabilité entre établissements, à l’organisation du travail et de la planification des opérations au sein des services.
Traitement des données de santé : un degré d’exigence inédit
L’enjeu des politiques de santé actuelles est de répondre à la masse des données de santé, dont le volume s’accroît et qui s’enrichissent chaque jour par la diversité des profils cliniques et des opportunités thérapeutiques mises en lumière au gré des progrès de la recherche médicale. Cette explosion du volume des données s’accompagne d’une augmentation des intervenants dont la répartition sur le territoire n’est pas homogène : on n’a plus affaire comme autrefois à un seul établissement, mais à un réseau d’établissements publics et privés au service du parcours de vie de chaque patient. Le niveau des dépenses et des risques associés augmente d’autant, le degré d’exigence s’amplifie.
Pour répondre à cette transformation du fonctionnement des soins, l’Intelligence Artificielle, qui emboîte le pas aux solutions informatiques existantes, se pose comme le levier d’efficience à la fois opérationnelle et clinique au service des GHT. Grâce aux outils qu’elle propose dans le traitement de données complexes, l’IA offre une réponse aux professionnels leur permettant de faire face à une surcharge de patients et d’agir mieux et plus vite dans leur prise en charge médicale.
Fortement investi dès la première heure en IA - notamment avec la création du Hub IA Paris lancé en 2018 qui abrite une cinquantaine de chercheurs - Philips développe des solutions permettant d’allier gain de performance et gain de temps médical, de faciliter l’expérience médecin par l’aide à la décision et à la prise en charge, d’optimiser la communication entre professionnels et leur organisation. Au bénéfice du patient et de sa santé tout au long de sa vie.
ILLUMEO : une révolution dans l’utilisation de l’imagerie médicale
La technologie ILLUMEO* est un exemple de logiciel intelligent clinique, qui permet d’optimiser les compétences des cliniciens et de redéfinir leur façon actuelle d’interagir avec les images. Conçu pour améliorer le flux de travail des radiologues et les guider, ILLUMEO fournit la technologie et les outils nécessaires pour optimiser leur expertise et leur efficacité, depuis un espace de travail unique.
C’est à l’occasion de la Paris Healthcare Week 2019 que PHILIPS a choisi de procéder au lancement d’ILLUMEO, que l’on doit pour partie au Hub IA Paris, comme le souligne Pascal Dussert, Directeur des solutions informatiques en santé chez Philips France :
« Certaines briques de la solution ILLUMEO ont été développées par le Hub IA Paris, qui est focalisé sur l’imagerie médicale. Dans ce contexte où la France occupe une belle place dans le développement de l’IA, Royal Philips a priorisé la France pour l’introduction de solutions innovantes en imagerie, notamment ILLUMEO. C’est une solution d’IA utilisée pour du diagnostic en routine clinique, »
ILLUMEO reprend les technologies de segmentation et d’algorithmes que développe Philips depuis 10 ans pour des solutions de visualisation avancées des images, mais en y ajoutant des briques de machine learning*, de deep learning**, de recherche sémantique qui permet de comprendre le contexte clinique du patient et de proposer l’automatisation d’un certains nombres de traitements pour présenter au clinicien des images, des protocoles d’affichage, des comparaisons entre examens antérieurs tels que les compte-rendu, les résultats de biologie, les diagnostics médicaux. ILLUMEO permet de gagner du temps dans l’accès aux outils, mais aussi de diminuer la variabilité et augmenter la qualité du diagnostic.
Pascal Dussert : « La brique qui a été développée par le Hub IA est ce qu’on appelle l’intelligence anatomique : quand le radiologue se positionne sur une image, en fonction de l’endroit où il pose la souris, le système va détecter la typologie du tissu et en conséquence lui proposer des outils qui sont en lien avec ce contexte précis. Si le patient est suivi pour une pathologie particulière - comme en oncologie ou en neurologie par exemple le système va permettre d’aller chercher automatiquement les antériorités et comparer la nouvelle image que le radiologue est en train de diffuser avec les zones d’intérêt des images précédentes. »
FORCARE : réussir les stratégies d’interopérabilité des GHT
FORCARE est un logiciel qui rend accessible les données de patients issues de sources différentes à partir d’une plateforme d’échange et partage de données de santé HIE (un standard d’interopérabilité) s’appuyant sur le standard XDS pour fournir une ligne de vie patient présentant l’ensemble des données d’un territoire. Il permet de connecter différents PACS (systèmes d’archivage et de partage des images), différents dossiers patients, et de les faire communiquer entre eux.
Pascal Dussert : « Le positionnement de Philips dans la stratégie d’interopérabilité, c’est de relier le trinôme GHT- Groupe privés – ARS, en apportant la brique échange et partage qui permet de connecter un environnement hétérogène de systèmes d’informations. Il y a des régions qui ont plusieurs PACS, plusieurs spécialités et qui ont choisi des stratégies d’interopérabilité plutôt que d’investissement dans un système unique. FORCARE concerne aussi le partage de données issues des RCP (Réunions de Concertation Pluridisciplinaires au niveau des territoires) qui impliquent des professionnels des différents établissements »
La valeur ajoutée en IA de cet outil est que toute donnée qui est produite par un établissement n’est pas seulement « envoyée », mais elle est « indexée » au niveau de la plateforme. On vient répertorier une donnée qui est automatiquement stockée à la source. FORCARE supporte tous types de formats documents ou images, y compris les formats propriétaires.
La connexion à la plateforme va permettre de visualiser toute la ligne de vie du patient qui peut être passé par plusieurs établissements de santé à l’intérieur d’un même territoire.
Ce principe de l’indexation est un système paré de plusieurs vertus. Il permet de ne pas doublonner une donnée, de s’assurer que la donnée que l’utilisateur reçoit est toujours dans sa dernière version. Il permet aussi de supporter de nombreux usages, comme par exemple le partage de toute une imagerie : on parle de « réseau d’imagerie » comportant des images de tailles importantes qu’on n’a plus besoin de télécharger d’un serveur à l’autre avec les inconvénients que cela implique. En intervenant par le biais de l’indexation, il suffit de venir chercher à la source l’image pour une grande fluidité et une grande rapidité d’utilisation lors de la consultation de radiologie ou pour solliciter l’avis d’un clinicien.
PERFORMANCE BRIDGE : répondre aux défis opérationnels des GHT
La gestion des données techniques et leur utilisation à des fins organisationnelles est un corollaire logique de la Data clinique au sein des GHT. Philips s’empare du sujet avec PERFORMANCE BRIDGE, un outil d’analyse qui permet de connecter les données des machines avec les éléments qui proviennent des dossiers patients, tels que les compte-rendu ou les images.
Une fois la collecte effectuée de toutes ces informations, le personnel dédié va pouvoir mettre en place des tableaux de bord pour organiser le travail, vérifier la productivité, vérifier dans toute la chaîne l’adéquation entre la prescription médicale et la réalisation effective de l’acte, voir s’il existe des écarts, si les temps de séquences des machines sont optimisés, si les ressources humaines ou techniques sont au bon endroit et bien utilisées, bien réparties dans les plannings.
Cet outil permet donc de piloter les équipes et les services du GHT au plus près des besoins cliniques et techniques. Il intervient aussi pour assurer de la maintenance préventive, par exemple en fournissant une surveillance des temps de passage en IRM de transformation ou d’amélioration selon les protocoles utilisés. Et Pascal Dussert de conclure : « L’équipe de Philips Conseil qui travaille sur ces projets de transformation ou d’amélioration envisage PERFORMANCE BRIDGE comme une opportunité de point d’entrée pour définir des KPI. »
Et demain ? Quelle perspective de développement en IA au service des hôpitaux pour Philips ?
Pascal Dussert :
« Aujourd’hui, Philips a acquis une bonne maturité technologique. Nos plateformes de développement se commercialisent, nos équipes maitrisent les technologies IA.
Ce que nous avons commencé à faire, c’est de travailler avec les établissements en France, en nouant des partenariats avec eux, des partenariats de recherche à différents niveaux. Nous sommes capables de répondre à des appels à projets français ou européens, de financer des activités de recherches associées à des activités commerciales… Nous mettons en place différents modèles pour pouvoir collaborer avec les professionnels et apporter de la valeur aux outils. »
« J’ajouterai que Philips est vraiment en avance sur le sujet de l’IA, son investissement en France est fort. Nous sommes forts en imagerie, mais également en anatomie-pathologie numérique avec la numérisation des tissus... Nous sommes à la pointe en matière d’applications où les volumes de données sont extrêmement importants. Philips est aussi présent en séquençage génétique. Nous faisons partie de l’écosystème français de la génétique. »
« En conclusion, nous travaillons à un diagnostic de plus en plus précis pour une médecine personnalisée en utilisant l’IA comme levier pour interpréter les données qui proviennent de l’imagerie, de l’anapathologie, de la génétique, dans le but de créer un Mix entre ces trois pôles, c’est-à-dire étendre nos algorithmes non pas à une seule typologie de données mais à l’ensemble des données diagnostiques. ** Le deep learning ou « apprentissage profond » est un type d'intelligence artificielle dérivé du machine learning (apprentissage automatique) où la machine est capable d'apprendre par elle-même, contrairement à la programmation où elle se contente d'exécuter à la lettre des règles prédéterminées.
L’enjeu étant de fournir le traitement le plus juste le plus rapidement possible, partout sur le territoire pour optimiser toutes les chances du patient. »
Article rédigé par Isabelle Gayrard Auzet, Directrice Editoriale Santé chez GoodMind.
* Machine learning : L'apprentissage statistique (Machine Learning) est un type d'intelligence artificielle qui confère aux ordinateurs la capacité d’apprendre sans être explicitement programmés. Cette technologie s'appuie sur le développement de programmes informatiques capables d'acquérir de nouvelles connaissances afin de s'améliorer et d'évoluer d'eux-mêmes dès qu’ils sont exposés à de nouvelles données.
Illumeo est un dispositif médical de classe IIa, fabriqué par Philips et dont l’évaluation de la conformité a été réalisée par l'organisme notifié TUV Rheinland 0197. Il est destiné à la visualisation, le traitement et le diagnostic des images. Les actes diagnostiques sont pris en charge par les organismes d’assurance maladie dans certaines situations. Lisez attentivement la notice d’utilisation ou l’étiquetage. Mai 2019
