Approches basées sur l’IA pour des soins de santé personnalisés
L’identification rapide et efficace des personnes présentant un risque élevé de maladie est essentielle pour obtenir de meilleurs résultats en matière de santé à long terme. C’est particulièrement vrai pour les maladies traitables telles que le diabète, les accidents vasculaires cérébraux et les maladies coronariennes. Le projet AI-PREVENT, financé par le Conseil européen de la recherche(s’ouvre dans une nouvelle fenêtre), visait à soutenir cet objectif par l’application de l’intelligence artificielle (IA). À cette fin, des données sur la santé de la population finlandaise, ainsi que diverses autres informations, ont été recueillies. «Ces données ont été rassemblées dans le cadre de l’initiative FinRegistry(s’ouvre dans une nouvelle fenêtre) », explique Andrea Ganna, coordinateur du projet AI-PREVENT à l’université d’Helsinki(s’ouvre dans une nouvelle fenêtre). «Cet ensemble de données comprend des données sur la santé ainsi qu’un large éventail d’autres informations telles que les hospitalisations, les diagnostics, le risque familial et le statut sociodémographique.»
Modélisation de la santé et d’autres facteurs de risque
Cette précieuse source de données a permis au projet de développer et d’appliquer de nouvelles approches d’IA pour modéliser les trajectoires de santé possibles en ce qui concerne les maladies cardiovasculaires. L’objectif était de trouver de nouvelles façons de modéliser les relations complexes entre la santé et divers autres facteurs de risque. «On peut considérer cet ensemble de données comme le livre de vie de tous les citoyens finlandais», explique Andrea Ganna. «Chaque individu est une phrase dans ce livre. Toutes ces phrases sont liées, avec des relations et des éléments multigénérationnels.» L’application d’outils d’IA a permis à Andrea Ganna et à son équipe d’examiner chaque phrase dans son contexte et de générer des prédictions pour l’avenir. «Nous pouvons tenter de voir comment ces histoires individuelles sont susceptibles d’évoluer», explique-t-il.
Relier les données socio-économiques aux données sur la santé
Les modèles générés par l’IA se sont en effet révélés des outils puissants pour identifier les personnes à risque et nécessitant des soins préventifs. Les utilisations finales probables pourraient être le dépistage du cancer ou l’identification des personnes ayant besoin d’un bilan cardiovasculaire. «Ce type de tri serait normalement effectué sur la base de critères clés tels que l’âge et le sexe», ajoute Andrea Ganna. «L’application d’outils d’IA à un vaste registre de données nous permet de mieux dépister les personnes. Cette approche plus personnalisée pourrait aider les gens à vivre plus longtemps et représenter des économies pour les services de santé.» Le projet s’est également penché sur le concept d’équité. Andrea Ganna souhaitait se faire une idée de la précision de la modélisation de l’IA dans tous les groupes de la société, ou de la possibilité qu’elle favorise certains groupes, tels que les plus aisés. «Nous voulions voir si l’association de données socio-économiques et de données sur la santé pouvait fournir des indicateurs impartiaux», explique-t-il. «Cette approche soulève également la question de savoir si, en tant que société, nous voulons même utiliser les données de cette manière. Si un système d’IA décide qui doit être le premier à recevoir un vaccin sur la base de données complexes, les citoyens l’accepteront-ils?»
Rendre les modèles d’IA plus généralisables
La prochaine étape importante consistera à étendre cet exercice à plusieurs pays d’Europe. Andrea Ganna note que le règlement européen relatif à l’espace européen des données de santé(s’ouvre dans une nouvelle fenêtre), entré en vigueur en mars 2025, est très proche de la législation finlandaise qui a rendu possible le projet AI-PREVENT. «Ce projet a souligné l’importance de l’accès aux données», déclare-t-il. «C’est le cœur de tout ce que nous faisons. Nous ne pourrons pas comprendre l’équité de l’application des outils d’IA, par exemple, si nous ne disposons pas de données réelles que nous pouvons utiliser. Cette recherche sur la santé publique de précision ne peut se faire sans ce travail fondamental.» L’application de l’IA à un plus grand nombre de pays de l’UE contribuerait à rendre les modèles d’Andrea Ganna plus généralisables, estime-t-il, et capables de comprendre les différences nationales. Il a également l’intention d’entraîner ses modèles d’IA sur des données génétiques, afin de renforcer davantage les soins de santé préventifs en Europe. Ces approches ciblées devraient contribuer à améliorer les résultats en matière de santé et à rendre le travail de laboratoire plus efficace et plus efficient.
