En mars 2018, Emmanuel Macron annonçait son intention d’investir 1,5 milliard d’euros dans l’intelligence artificielle (IA). Echaudé par l’échec du Cloud souverain, qui avait vu partir en fumée pas moins de 75 millions d’euros, le gouvernement n’a rien laissé au hasard. Supercalculateurs suréquipés, instituts interdisciplinaires, chaires universitaires et coopérations public-privé mais aussi internationales ; tout est prévu pour faire de la France un fer de lance de l’IA dans les années à venir.

 

En éternelle crise, le secteur de la santé est bien évidemment l’une des priorités du « Plan pour l’IA ». Chacun des quatre instituts « 3IA » fondés comprend donc naturellement une composante sanitaire. Il faut dire que le moment semble propice. Le système de soins français a généré l’une, sinon la base nationale de données administratives la plus étoffée au monde, désormais prête à être exploitée. De plus, l’accélération de la dématérialisation des données de santé et de l’adoption du dossier médical partagé va rendre disponible en quelques années une quantité gigantesque d’informations supplémentaires, indispensable à l’entraînement des algorithmes IA.

Mais la course à l’innovation ne doit pas faire oublier l’essentiel ; l’IA est une technologie qui doit trouver sa place auprès des médecins et des patients sous forme d’applications cliniques pertinentes. Si elle n’y parvient pas, la révolution n’aura pas lieu.

La réussite de tout projet d’IA repose sur trois piliers essentiels : la donnée d’abord, qui se doit d’être préparée et de qualité ; les compétences techniques des ressources humaines ensuite, en particulier développeurs et data scientists, qui doivent être dans l’état de l’art ; et enfin l’infrastructure, qui doit faciliter l’accès à la donnée en y associant une puissance de calcul adéquate, notamment le calcul parallélisé tel que le GPU, indispensable par exemple à l’apprentissage profond ou « deep learning ».  

Sur le plan collaboratif, les projets d’IA dans la santé voient se rencontrer trois types d’acteurs, aux réalités et contraintes très différentes. Tout d’abord, on trouve les grandes entreprises technologiques, qui voient dans la transformation des services de santé une opportunité commerciale et un moteur d’innovation.

Les universitaires et chercheurs sont également incontournables. Ils ont vite fait de prendre conscience de la valeur latente de la donnée accumulée dans leurs divers systèmes d’informations et, conscients qu’elle est le carburant premier de l’IA, en ont donc fait leur cheval de bataille. C’est ainsi qu’est née l’idée du Health Data Hub, un futur « laboratoire national des données de santé » piloté la Direction de la recherche, des études, de l’évaluation et des statistiques (DREES) et qui, avant la fin de l’année, fournira un accès à des jeux de données de haute qualité pour des projets qualifiés. 

En bout de chaîne, les médecins sont souvent les moins impliqués. Débordés par la pratique médicale quotidienne et mal formés aux technologies de pointe, ils demandent pourtant à être convaincus sans toujours comprendre le rôle qu’ils ont à jouer. Or, ce rôle est doublement essentiel. Ils sont le lien entre le bénéficiaire final, à savoir le patient, et les autres parties prenantes que sont les experts technologiques et les chercheurs. Mais en plus, les technologies d’IA dépendent de leur engagement pour exprimer leur plein potentiel. 

Pour pouvoir exercer leur métier, les médecins ont assimilé une grande quantité de connaissances théoriques et pratiques au fil des années, un processus d’apprentissage en continu qui se poursuit chaque jour. Avec chaque nouveau cas patient, ils sont capables d’analyser ces connaissances à la lumière de leur expérience pour poser un diagnostic précis et recommander un cours de traitement adapté. Les algorithmes d’IA reposent sur un fonctionnement similaire dans le sens où leurs performances s’accroissent à mesure qu’ils cumulent de nouvelles donnes et sont exposés à de nouveaux cas « terrain ». C’est là qu’interviennent les médecins.

Prenons l’exemple du médecin radiologue. Il a le profil idéal pour profiter des bienfaits de la vision par ordinateur pour la détection  assistée par l’IA, ou de l’analytique avancée pour du diagnostic augmenté par l’IA. Souvent en première ligne du parcours patient, il doit être capable d’aiguiller l’équipe de soins le plus en amont et avec le plus de certitude possible. L’IA met à sa disposition des moyens de mener des analyses d’images plus systématiques, de croiser des données patient plus larges et ainsi de gagner en fiabilité et en précision.

L’un des enjeux pour les radiologues est de capitaliser sur leur expertise pour entraîner les algorithmes d’IA, ce qui passe nécessairement par l’annotation de centaines d’images destinées à nourrir les algorithmes dans la phase d’apprentissage. Plus les jeux de données sont représentatifs de la population générale et plus ces annotations sont qualitatives, plus on peut anticiper de la robustesse dans la performance des algorithmes en termes de sensibilité et de spécificité.

Lorsque l’on sait que certains jeux de données peuvent contenir plusieurs millions d’images, ce travail peut sembler titanesque. Heureusement, il existe aujourd’hui des outils de semi-automatisation du processus qui permettent grâce à des modèles pré-entrainés de gagner considérablement en temps et en précision avec chaque nouvelle annotation. On pourrait se laisser tenter par l’idée de confier cette tâche chronophage et difficilement monétisable à des ressources moins expertes, ou même de la délocaliser à des pays où l’expertise est moins onéreuse. Ce processus est cependant un mal nécessaire. En s’en affranchissant, on perdrait aussi en garantie sur la fiabilité des algorithmes ainsi que sur leur transparence, leur « explicabilité » et leur adaptabilité à la population locale.

Un récent sondage de la très sérieuse revue Nature Digital Medicine  révélait que 78 % des Français n’accorderaient aucun crédit à un diagnostic de santé établi par une machine. Réalisée auprès de 1 200 malades, cette étude est révélatrice de la défiance actuelle des citoyens envers la machine intelligente. L’implication du corps médical dans l’entraînement algorithmique made in France est donc un gage de confiance pour le patient.

Car c’est aussi, et surtout sur le capital confiance de l’IA que repose son potentiel réel. Dès lors que le corps médical prend part, soutient et bénéficie de plein gré de l’IA, le débat de l’homme contre la machine n’a plus lieu d’être. C’est le médecin « augmenté » par l’IA qui en ressort gagnant.

L’IA au service de la santé offre de formidables opportunités pour anticiper les maladies et mieux les soigner. Pour que son adoption soit durable et bénéfique au système de soins au sens large, elle doit reposer sur des projets à dimension humaine et partir d’enjeux cliniques réels et pertinents au quotidien, plutôt que de projets de recherche aux débouchés restreints. Le point de départ doit être le médecin – ses défis, ses cas d’usage, ses problématiques patient. À nous de savoir écouter et collaborer, si nous voulons répondre aux attentes des Français et faire rayonner notre modèle à l’étranger.

Car le changement est enclenché, l’ère de l’IA a commencé, précisément en 2012 dans le cas de l’interprétation robotisée des images. Ces cinq dernières années, on ne compte plus les “batailles” au terme desquelles un algorithme AI a fait aussi bien ou presque que le radiologue sur certaines tâches techniques spécifiques.
 
Bataille après bataille, ponctuées de victoires contre un champion du monde de Jeopardy ou de GO, l’IA continue d’épater en imagerie par sa capacité à segmenter, reconnaître et caractériser des éléments d’une image en un clin d’œil. Le diagnostic, le prognostic sont désormais à portée de main. Radiologue bientôt obsolète, ou radiologue à l’intelligence  augmentée? C’est la grande question du moment.

La difficulté d’accès à la donnée de santé, qui est extrêmement protégée en France notamment par la CNIL, pèse lourdement sur l’élan d’innovation que l’on observe en ce moment dans de plus en plus de pays. Le lien de cause-à-effet est simple : il suffit d’alimenter un framework de deep learning de quelques dizaines de milliers d’images d’une quelconque pathologie, lui ‘faire comprendre’ les comptes-rendus associés, pour qu’il en déduise un algorithme capable de reconnaître désormais cette pathologie. Mieux, il sera capable de s’affiner et s’enrichir de chaque nouveau cas qu’il verra passer. Sans data donc, pas d’algorithme IA.

Le risque d’opportunité manquée pour la France est d’autant plus grand, que de la data d’imagerie haute en qualité et en volume y existe bel et bien. Les grands PACS régionaux sont là et n’attendent qu’à être valorisés. La dynamique d’innovation des industriels, leurs partenariats de recherche avec les CHU, au lieu d’être un atout, semblent étouffés dans l’œuf.
 
Car en France, réussir à mettre la main sur quelques dizaines de milliers d’images, même dé-identifiées, relève d’un parcours du combattant. Cela a sans doute constitué un point noir pour la candidature de la France lorsqu’IBM Watson Health, moteur majeur du domaine, a décidé en 2016 d’implanter son premier grand centre d’excellence en Europe. C’est finalement pour Milan via un partenariat avec le gouvernement d’Italie qu’il a opté…
 

La startup nation que veut Emmanuel Macron pour la France ne se fera pas dans l’IA en Santé, si l’on ne met pas un sérieux coup d’accélérateur sur la modernisation des règlementations. Les États-Unis, plus grand incubateur mondial des startups du domaine, et le Canada, un de leurs berceaux, se sont rendus à l’évidence de l’urgence de réformer les processus règlementaires.
 
Leurs Food and Drugs Administration (FDA) respectives, leurs agences de protection de la confidentialité, avancent lentement mais sûrement face à l’émergence disruptive mais inévitable de l’IA. Partout où règne une culture plutôt anglo-saxonne, en Angleterre, aux Pays-Bas, en Australie, en Israël ou en Inde, on semble prendre de front la question, et on innove à tout-va.

Un rapport récent de l’OPECST (Office parlementaire d'évaluation des choix scientifiques et technologiques ) qui se prononce pour une intelligence artificielle « maîtrisée, utile et démystifiée », souligne aussi que la Chine serait bien moins regardante que d’autres pays sur la question éthique que pose l’IA. En effet, on sait que la Chine n’exclut pas même les idées les plus folles, par exemple celle d’un corps médical à terme tout robotisé.
 
Un tel scenario donnerait lieu à boom technologique fulgurant, dont même la législation la plus poussée ne pourra contenir le risque de disruption sur un domaine aussi libéralisé que l’imagerie médicale en France. Quand on sait que les actes techniques de radiologie sont parmi les plus rémunérateurs, et qu’ils sont fournis presque entièrement par les radiologues, une ressource chère ; si l’on n’apprivoise pas l’IA dès la naissance, elle risque de frapper fort.

On voit trop peu pour l’instant naître des startups françaises exclusivement focalisées sur l’IA en imagerie médicale, alors qu’elles fleurissent déjà par dizaines aux quatre coins du monde. Therapixel, la startup française qui vient de remporter le concours mondial d’IA Digital Mammography Challenge, fait figure d’exception.
 
Cependant, les PME d’imagerie médicale locales ont déjà enclenché le processus pour enrichir leurs équipements et logiciels d’outils d’IA. Le colloque IA organisé le 20 Juin dernier à Paris par Medicen, l’a parfaitement démontré. Pour ne citer que trois exemples d’intervenants:
 
- Le projet RIHDO porté par le groupe R&D HealthTech basé en France de Philips Healthcare à la tête d’un consortium formé grâce à Medicen, axé sur la radiomique et regroupant des données hétérogènes de santé, intègre graduellement des éléments de deep learning pour développer des outils d’aide à la décision clinique et l’oncologie de précision.
 
- EOS Imaging, grâce à des méthodes de deep learning, intègre dans son logiciel en cours de développement des outils qui dispenseront les usagers de son radiographe ostéo-articulaire de tâches manuelles chronophages, comme identifier et numéroter chaque vertèbre.
 
- Supersonic Imagine, pionnière mondiale de l’élastographie par échographie notamment du sein et du foie, ambitionne de créer l’échographe point of care du futur équipé d’outils IA via le cloud, qui permettrait de conquérir des marchés friands de solutions de dépistage grand-public automatisées.

Forcément, la filière intéresse aussi les grands groupes français, avides de nouvelles offres spécialisées  dans des verticales à fort potentiel de création de valeur tel que la Santé. Thalès par exemple, déjà très impliqué sur les technologies d’IA dans ses autres domaines d’activité, a l’opportunité de créer des synergies de convergence avec la Santé notamment en radiographie. Idem pour Atos ; ce n’est pas pour rien que le géant des télécoms a déboursé 270 million d’euros en 2016 pour s’offrir Anthélios, un acteur américain des TI santé: il compte bien affiner ses offres santé, et y faire de l’IA une partie intégrante.

Que le français Yann le Cunn, l’un des pères-fondateurs des réseaux neuronaux à l’origine du machine learning, fasse une carrière américaine plutôt que française n’est pas en soi très flatteur pour la France. Il reste que c’est à Paris que son employeur, Facebook, leader mondial de l’IA et dont il est le gourou sur le sujet, a élu domicile en 2015 pour son premier ‘Deep Learning Lab’ européen. Pas (encore) grand-chose à voir avec la santé, mais un signe que somme toute, on peut garder espoir… 

Comme on pouvait s’y attendre, le contrat GOPI (Gestion Optimisée de Parc d’Imagerie) des Hospices de Lyon, qui souffle déjà sa première bougie,  sert aujourd’hui de catalyseur à de nouvelles approches d’investissement en capital, notamment en équipement d’imagerie médicale. Entré en vigueur en 2016 pour une durée de 12 ans, d’une valeur cumulée estimée à 60 Millions d'euros, il est le premier ‘grand’ contrat de ce type en France.

Sa structure innovante permet de lisser l’investissement sur la durée sans se limiter à un simple leasing financier, mais en liant en partie le paiement à des points d’étape précis et des résultats concrets produits par une flotte évolutive d’équipement associée à des services à valeur ajoutée.

Un an plus tard, le marché de la radiologie en France, d’habitude plutôt médical et traditionnel, semble plus que jamais prêt à sortir du « transactionnel de base » avec les vendeurs pour adopter une approche plus globale.

À en croire les bruits de couloir, il y aurait actuellement près de dix contrats de type GOPI d’envergure en cours de structuration ou de négociation active aux quatre coins du pays. Bien plus, si on compte ceux en phase de réflexion et qui observent de près les premiers pas de leurs confrères qui se sont déjà “lancés” dans un nouveau modèle d’affaire avec leur(s) vendeur(s).

Il est peu probable que les GHT mettent l’équipement lourd au tout premier plan de leurs efforts en matière de consolidation et d’intégration de leur offre de soins. Les solutions logicielles, les ressources humaines occuperont en priorité les lignes de front.

Cependant il ne fait aucun doute que les GHT, tout comme leurs corollaires issus du monde de la radiologie, les plateaux d’imagerie mutualisés (PIM), participeront à orienter les fonctions d’achat vers des modèles de type GOPI.

Il s’agit, dans un tout premier temps, de définir les nouvelles modalités pour l’achat groupé au niveau du GHT, et de redéfinir la relation à mettre en œuvre avec les centrales d’achat.

Tout porte à croire que les contrats non-conventionnels d’esprit GOPI vont proliférer au cours des prochaines années sur le marché des technologies médicales en France. Ce qui, il y a deux ans, n’était qu’une suite de cas isolés ou une série de signes avant-coureurs, se décline déjà aujourd’hui en ce qui pourrait bien être une phase d'adoption précoce à l’échelle plus large du marché.

Les offres qui mûrissent le plus actuellement, portées par une demande accrue des acteurs du marché, portent sur différents plateaux techniques notamment :

- Des parcs d’échographes diversifiés à un nombre croissant de spécialités médicales, et dynamiques en terme d’approvisionnement en pièces, de maintenance et de remplacement, ces parcs sont en effet très propices au service managé.

- Des parcs d’équipement lourd, surtout de coupe (scanner, IRM) et pouvant s’étendre à d’autres modalités, inclure des services de maintenance multi-vendeurs, de formation, d’aide opérationnelle, ainsi que des solutions analytiques de gestion d'actifs et de flotte - le tout sous un modèle économique plus proche de l’OpEx.

- Les salles de cathétérisme, de radiologie interventionnelle et les blocs opératoires, où les services managés ouvrent la voie à des solutions globales malgré le caractère forcément multi-vendeur de ces environnements de soins intensifs et constamment en réapprovisionnement. Les nouvelles approches poussent donc à inclure plus d'éléments parmi l’équipement d’imagerie, les dispositifs implantables, les produits consommables, le matériel jetable, les solutions informatiques, de l’aide à la gestion ou même du personnel traitant.

- Les parcs de monitoring patient et autres équipements biomédicaux légers, quand ils présentent un caractère dynamique comme ceux de l’ultrason.

Parmi les acteurs de l’imagerie, les ‘trois grands’, GE Healthcare, Siemens Healthineers et Philips Healthcare ont tous senti le vent tourner. Ayant renforcé leurs offres GOPI et leurs prestations de services managés en France, ils finissent très proches la course. Ce n’est pas tant une question de capacités qui les distingue aujourd’hui.

Si c’est le benjamin Philips qui a pris une longueur d'avance, c’est parce que sa volonté de voir percer de nouveaux modèles d’affaires en France fait partie d’une stratégie mondiale, orchestrée à la fois dans tous les pays; contrairement à ses deux confrères, pour qui ces décisions restent plus localisées. En distant quatrième, Toshiba, en pleine réorganisation autant localement (intégration d’Oléa Medical) qu’à l’international (acquisition par Canon), semble voir dans ces modèles un nouveau moyen de se repositionner.

Sur les salles de cathétérisme, c’est Medtronic qui mène la course aux services managés, mais ses deux grands concurrents,  Boston Scientific et St Jude Medical (acquis par Abbott en Janvier 2017), ont sérieusement renforcé leur position en France. Pour ces trois géants des dispositifs médicaux s’ouvrent à présent deux nouveaux fronts: d’un côté pour s’attaquer aux blocs opératoires, et d’un autre pour se différencier des acteurs de l’imagerie, qui ont ces domaines en ligne de mire.

Tous les grands industriels semblent vouloir bénéficier de “l’avantage du précurseur” en matière de nouveaux business  modèles. Samsung était le premier à faire inscrire son offre de parc d’échographes managé au catalogue d’une centrale d’achat. Cependant, le géant coréen semble se questionner d’avoir agi avec précipitation en faisant de la France son laboratoire mondial d’un nouveau modèle de risque financier.


Qu’on se le dise: Même s’il peut être une réussite à tous les niveaux, un contrat “GOPI” ou managé est nettement plus complexe, plus risqué et potentiellement moins profitable pour les industriels. Autant que d’une volonté de leurs clients d’aller dans ce sens, la prolifération de  type de contrats dépendra de la volonté des industriels eux-mêmes.