Nous rapportons les résultats émergents d’une étude qualitative approfondie de cinq ans, portant sur l’adoption des applications d’IA de pointe pour le traitement des AVC dans trois grands centres de soins britanniques. Nos observations se sont concentrées sur la phase du parcours AVC appelée “du diagnostic au traitement”, débutant par le scan du patient et se concluant par la décision thérapeutique.
Les preuves recueillies indiquent que l’IA pourrait induire des changements radicaux dans le processus de diagnostic et d’orientation vers des traitements des AVC tel qu’il est pratiqué par les cliniciens. Traditionnellement, le processus de diagnostic commençait par un examen du patient par un médecin, qui stockait les données et formulait une évaluation intuitive de son état. Ce jugement initial est progressivement affiné par un processus itératif de collecte et d’intégration d’informations, puis d’interprétation. Ce processus de perfectionnement, englobant la génération d’hypothèses, les ajustements et la validation, se termine souvent par une décision diagnostique attribuant une étiquette de classification pour orienter le traitement (par exemple, thrombolyse ou thrombectomie).
Cependant, comme l’ont souligné des experts, l’IA n’est pas conçue pour soutenir le parcours de diagnostic tel qu’il est. Les outils prédictifs d’IA sont généralement conçus pour produire une réponse sous forme d’étiquette diagnostique, répondant à la question binaire de savoir si un patient souffre d’un certain diagnostic. Cette approche a été remise en question sous prétexte que “tout outil qui prédit votre destination au début de votre parcours n’est pas très utile s’il ne vous dit rien sur la manière d’y parvenir”. Néanmoins, les cliniciens ne semblent pas découragés. Nos données révèlent que des cliniciens experts adaptent l’IA en transformant, plutôt qu’en remplaçant, le processus diagnostique traditionnel. Au lieu de simplement accepter le résultat ou l’étiquette diagnostique de l’IA, ils développent une nouvelle approche qui commence par la suggestion de l’IA et procède ensuite à sa validation à travers divers étapes de vérification. Cela inclut la vérification des dossiers des patients, la conformité aux normes médicales établies et la consultation d’autres experts. À travers cette évolution, les cliniciens non seulement préservent leur rôle fondamental, mais améliorent également le processus diagnostique en intégrant les capacités de l’IA tout en maintenant la rigueur et la supervision clinique.
Dans les contextes avancés d’adoption de l’IA observés, le parcours diagnostique débute avec l’IA fournissant une recommandation (étiquette diagnostique), fondée sur le traitement d’images IRM/CT, visualisées simultanément par l’ensemble de l’équipe AVC. Ceci diffère par la rapidité de ce processus et par la distribution large des recommandations. Le “diagnostic” fourni par l’IA, du moins dans le sens étroit d’une sortie algorithmique, tend à être disponible dans les phases initiales du processus plutôt qu’à la fin.

Une illustration simplifiée centrée sur l’information du processus complexe, dynamique et longitudinal que les cliniciens entreprennent pour formuler un diagnostic. Elle montre comment l’étiquette de diagnostic, représentant actuellement le point final du processus, devient au contraire le point de départ du nouveau processus médié par l’IA.
Nos résultats montrent que le diagnostic automatisé par l’IA est produit, distribué et analysé avant que celui du clinicien ne soit établi. Dans le cas d’un AVC, l’IA pourrait évoquer la présence d’une occlusion vasculaire, ainsi que suggérer le pourcentage de cerveau pouvant être affecté par l’AVC ou identifier des saignements. Cette première affirmation (encore non vérifiée) est transmise par le logiciel à travers un ensemble de cartes colorées et de représentations 3D (y compris l’angiographie et la perfusion par CT à l’IA). Dès lors, la tâche de l’équipe clinique consiste à vérifier la validité du jugement initial de l’IA par rapport à leurs propres constatations cliniques, ainsi qu’aux outils d’imagerie conventionnels (par exemple, l’IRM cérébrale, l’angiographie par CT).
La disponibilité précoce du diagnostic par l’IA entraîne alors le déclenchement d’un parcours de traitement spécifique (par exemple, le parcours de thrombectomie en cas d’occlusion des gros vaisseaux d’une artère cérébrale principale, entraînant une orientation vers la neuroradiologie interventionnelle). Le neuroradiologiste ou l’intervenant est généralement alerté avant que la prédiction de l’IA ne soit entièrement vérifiée par d’autres preuves, et son rôle devient de décider de recommander l’acceptation ou le rejet de cette prédiction. Ce scénario semble suggérer que l’équilibre entre l’autonomie humaine et celle de la machine pourrait évoluer légèrement mais fermement en faveur de cette dernière.
Points à retenir
- L’IA pourrait transformer le parcours diagnostique et le traitement des AVC en rendant les recommandations accessibles plus tôt dans le processus.
- Les cliniciens adaptent leur approche en intégrant les suggestions de l’IA tout en conservant un haut niveau de rigueur médicale.
- Ce changement pourrait redéfinir la dynamique entre l’intervenant humain et les systèmes automatisés dans le cadre médical.
Dans un monde où l’IA prend une place de plus en plus prépondérante, il est intéressant de se demander comment la confiance des cliniciens évoluera face à ces outils. Un dialogue s’ouvre sur l’équilibre entre l’expertise humaine et l’assistance technologique, une question cruciale pour l’avenir des soins de santé.
Nos rédacteurs utilisent l'IA pour les aider à proposer des articles frais de sources fiables à nos utilisateurs. Si vous trouvez une image ou un contenu inapproprié, veuillez nous contacter via le formulaire DMCA et nous le retirerons rapidement. / Our editors use AI to help them offer our readers fresh articles from reliable sources. If you find an image or content inappropriate, please contact us via the DMCA form and we'll remove it promptly.