L’IA générative redessine les interactions dans l’aide à la prescription

Les médecins ont face à eux une myriade de paramètres à prendre en compte pour élaborer leur prescription. Les monographies servent de socle de données de référence mais leur lecture est parfois complexe, comme en témoigne Thomas Van Gorkum, directeur digital de Vidal : “Pour un seul principe actif, on peut se retrouver avec plus de 150 monographies. Le professionnel de santé passe alors plusieurs minutes à trouver une information”.

L’IA générative, combinée au traitement du langage naturel, pourrait aider les professionnels de santé dans cette tâche. C’est l’hypothèse que Vidal et Synapse Medicine explorent, chacun à leur façon. Les entreprises ont présenté à SantExpo leurs projets respectifs autour de l’aide à la rédaction d’ordonnances.

Les copilotes, des “super assistants” ?

Les “copilotes” prennent le relais des “assistants” d’IA pour accompagner les professionnels. Pour preuve, Synapse Medicine lance sa solution “Copilote Recos”, un module de prise en charge personnalisée pour le médecin prescripteur. Ce copilote, encore en chantier, va plus loin sur la “recommandation médicale”, indique Clément Goehrs, CEO de la start-up. Une fois les informations du patient recueillies (ses pathologies et traitements), l’IA prédit le plan de prise en charge associé, décrit les examens complémentaires et rédige, si nécessaire, un courrier à l’attention d’un spécialiste. 

Cette solution repose sur les LLM (grands modèles de langage, ndlr) de Mistral AI. Les modèles sont enrichis à l’aide de dispositifs médicaux et de la base de données médicamenteuses Thériaque. “C’est très difficile de bien faire. C’est pourquoi nous avons utilisé nos sept ans d’expérience en R&D pour être certain que l’IA générative que l’on crée soit bien fiable” souligne Clément Goehrs.

L’entreprise avait déclaré l’an passé qu’elle prévoyait de développer une suite complète de produits pour répondre aux besoins diversifiés des professionnels de santé. Une fois déployées, ces nouvelles fonctionnalités pourront notamment intégrer les logiciels de gestion de cabinet de son partenaire CompuGroup Medical (CGM).

L’entrée en piste des RAG 

Les modèles d’IA générative ont besoin de bons RAG (génération augmentée de récupération, ndlr) pour performer. Cette brique technologique intermédiaire permet d’accroître la fiabilité des modèles, et donc in fine la fiabilité des réponses lues par les médecins. “Aujourd’hui quand on utilise ChatGPT, le LLM répond aux questions à partir des corpus de données sur lesquels il a été entraîné. Le fait de rajouter une ligne de RAG permet d’aller puiser dans la base de connaissances les données pertinentes associées à une thématique, de citer la source d’une information et d’instruire le modèle” explique Thomas Van Gorkum, de Vidal.

Le groupe Vidal a d’ailleurs travaillé de longs mois sur l’amélioration des RAG avec son partenaire Theodo Group, afin de concevoir son premier assistant médical pour les monographies. Les équipes du projet ont profité de SantExpo pour faire la lumière sur les pistes successives qui ont permis d’améliorer le score de réussite de l’algorithme. En se basant sur GPT-4, les équipes ont constitué un premier dataset de 100 questions de médecins pour tester le modèle. Les monographies Vidal ont ensuite été décortiquées en “chunk” (des fragments de documents, ndlr), placés dans une base de données vectorielle. À partir d’un prompt, le modèle est ainsi capable de récupérer les documents Vidal sémantiquement proches pour formuler une réponse. Cette méthodologie n’ayant pas fait de bons scores (seulement 40% de bonnes réponses), les équipes ont fait le choix de modifier la méthode de “chunking” pour découper le texte de façon logique et structurée, en faisant appel à toute l’expertise médicale à portée de main. “Nous avons pu améliorer les performances au bout de quelques semaines jusqu’à un taux de réussite de 88%” explique l’équipe data de Theodo Group.

La fiabilité mise en doute

Mais un score de 88% est-il suffisant ? Pour Pierre Luce, Head of engineering chez Posos, la réponse est non. Même s’il perçoit le potentiel de l’IA générative, Pierre Luce confie à mind Health ses doutes : “Il y a évidemment beaucoup de choses à faire avec l’IA générative, mais nous souhaitons [chez Posos] l’utiliser pour l’instant sur des cas d’usage en back office, comme la création ou l’annotation de bases de données, plutôt que sur la création de contenus à destination des médecins.” 

D’autant que les LLM restent sujets aux hallucinations, même avec les RAG. “La fiabilité n’est pas une chose aussi simple, souligne Noé Achache, GenAI Leader chez Theodo Group. Il ne suffit pas d’avoir une IA pour gagner des points de performance. Il faut adresser plusieurs enjeux, comme la valeur, l’usage et la faisabilité pour percevoir un gain réel et créer une relation de confiance” avance-t-il.  

Pour Pierre Luce, la limite du copilote vient de l’usage : un médecin n’interagit pas avec un copilote comme il s’exprime avec un collègue. “Les médecins ont tendance à reproduire les mêmes requêtes que dans Google, or cela ne semble pas répondre à un besoin immédiat des professionnels, notamment à l’écrit” dit-il. 

Pour trancher avec les copilotes de ses concurrents, Posos préfère miser sur la dictée vocale basée sur l’IA pour parler aux médecins prescripteurs. Sur le stand de Posos à SantExpo, les visiteurs ont pu tester sa dernière innovation basée sur un socle technologique de Nuance, expert américain de l’IA conversationnelle. Le logiciel, encore au stade de prototype, pourrait permettre de compléter la retranscription automatique pendant les consultations.

Avec ou sans copilote, les entreprises cherchent à proposer aux médecins de nouvelles manières d’interagir avec leurs logiciels d’aide à la prescription. “Ce n’est encore qu’un début, promet Clément Goehrs. Chez Synapse, nous ne sommes qu’à 5 ou 6% de ce que l’on veut faire avec notre logiciel. Nous avons de grandes ambitions, notamment avec l’IA”.