L'art de l'oncologie à l'ère de l'IA : entretien avec le Dr Philippe E. Spiess

Le Dr Philippe Spiess sur le jugement clinique, les intervalles entre les consultations et les défis de l'IA dans le traitement du cancer

Un système d'IA peut connaître les directives oncologiques et les normes de traitement les plus récentes adaptées à la pathologie d'un patient, tout en se trompant sur le cadre thérapeutique optimal.

C'est une distinction qu'il estime que le secteur n'a pas encore prise suffisamment au sérieux.

« La question n'est pas de savoir si un modèle d'IA peut réussir un examen d'oncologie », déclare le Dr Spiess. « Bien sûr qu'il le peut. La question est de savoir s'il peut se tromper au point d'affecter un patient, et quel degré de certitude nous avons quant à l'impossibilité d'une telle erreur. »

Pour Philippe Spiess, cette distinction est au cœur de l'avenir de l'intelligence artificielle dans la prise en charge du cancer.

L'IA est déjà remarquablement capable de synthétiser de grandes quantités d'informations. Mais le raisonnement clinique exige quelque chose de plus complexe : comprendre quelles informations sont pertinentes pour le patient assis en face du clinicien, à un moment précis de son parcours de soins.

« L'un des éléments cruciaux qui fait encore défaut est la manière dont [les outils d'IA] s'appliquent aux patients spécifiques que nous recevons en consultation aujourd'hui », ajoute le Dr Spiess.

Un modèle peut identifier un traitement conforme aux directives, mais omettre de prendre suffisamment en compte une néphrotoxicité ou une hépatotoxicité antérieure. Il peut recommander un dosage standard sans reconnaître les antécédents thérapeutiques, les comorbidités ou tout autre contexte rendant cette recommandation inappropriée. Il peut également ignorer les priorités propres au patient.

« Les directives sont un cadre », précise-t-il. « Elles ne sont pas nécessairement personnalisées pour le patient que vous avez en face de vous. »

Le Dr Spiess s'exprime sur les directives avec une certaine autorité, occupant plusieurs postes de direction au sein du NCCN, notamment au sein du comité sur le cancer de la vessie et du pénis, ainsi qu'au conseil de gouvernance et au comité directeur. Il souligne avec force que les directives du NCCN représentent le meilleur niveau de preuve disponible et constituent le point de départ idéal pour les soins. Mais elles ne sont qu'un point de départ. « Une directive est construite sur des populations », conclut-il. « Les soins doivent être construits sur une personne. »

Les directives reflètent les données probantes issues des populations étudiées lors d'essais cliniques. Le patient face au médecin peut être plus âgé, plus fragile, présenter davantage de comorbidités ou être tout simplement différent des personnes représentées dans ces données.

La personnalisation des soins en cancérologie doit, selon lui, être adaptée aux caractéristiques spécifiques du patient et de sa tumeur, ainsi qu'à ses objectifs de soins. Elle doit être appliquée en gardant à l'esprit que les conclusions sur lesquelles reposent les directives ne reflètent pas nécessairement la démographie du patient traité, qu'il s'agisse de son âge, de son sexe, de ses origines ethniques ou de sa situation géographique.

« Les directives vous indiquent ce qui a été étudié », explique-t-il. « Elles ne peuvent pas vous dire si la personne que vous avez en face de vous ressemble aux personnes qui ont fait l'objet de l'étude. »

Pour Spiess, c'est ici que la distinction entre l'information et le raisonnement clinique devient essentielle.

Connaître les options n'est pas la même chose que savoir quoi faire.

La médecine est jalonnée de décisions qui ne peuvent être prises en se contentant d'identifier toutes les options théoriquement disponibles.

Spiess évoque des patients qu'il suit depuis quatre, cinq, six ou sept ans. Cette relation de long terme transforme la conversation clinique.

« Je les connais et je sais ce qui peut s'appliquer ou non », dit-il. « Ce niveau de personnalisation constitue véritablement l'art de la médecine. »

Une opération potentiellement curative peut être appropriée pour de nombreux patients présentant un diagnostic particulier, mais totalement inadaptée pour une personne dont les comorbidités rendent les conséquences inacceptables. La radiothérapie, la chimiothérapie, l'immunothérapie ou une autre approche peuvent constituer un meilleur choix. Le raisonnement porte ici sur les risques concurrents : un patient peut être bien plus exposé aux effets néfastes du traitement de son cancer qu'au cancer lui-même. Reconnaître cela n'est pas un manque d'ambition, mais un acte de discernement.

Cela représente un défi intéressant pour l'IA.

Un système capable d'extraire toutes les directives, interactions et considérations pertinentes pourrait théoriquement fournir aux cliniciens une quantité extraordinaire d'informations. Mais plus d'informations ne signifie pas nécessairement de meilleurs soins.

« Il existe un risque naturel de compliquer les choses plus qu'il ne le faudrait », souligne Spiess.

L'ambition, soutient-il, devrait être inverse : une IA qui synthétise les informations et détermine ce qui est pertinent, plutôt que d'ajouter simplement un flux supplémentaire d'alertes, de recommandations et de données à traiter pour les cliniciens.

« Elles devraient être conçues pour faire partie intégrante de l'équipe », conclut-il. Ils doivent compléter le travail du clinicien plutôt que de le bombarder ou de le submerger d'informations qui ne sont pas toujours pertinentes.

Le prochain défi de l'IA en oncologie n'est donc peut-être pas simplement d'en savoir plus.

Il s'agit de savoir ce qui compte, quand cela compte, pour ce patient précis.

‍

« Nous savons qu'il se passe beaucoup de choses entre les visites »
Dr Philippe Spiess

‍

Le raisonnement clinique a un timing

Le moment opportun est crucial.

Un patient atteint d'un kyste rénal bénin et une personne souffrant d'un cancer agressif à un stade avancé ne peuvent pas être pris en charge selon le même calendrier clinique. Spiess estime que les systèmes d'IA doivent comprendre non seulement l'état du patient, mais aussi son degré d'urgence et les conséquences d'un retard.

« Nous traitons toute la population oncologique comme un bloc unique », explique-t-il, décrivant un défi qu'il observe dans tout le secteur de la santé. Pour un patient atteint d'un cancer agressif, « quatre à six semaines peuvent potentiellement faire une différence sur le pronostic. »

Il prend soin de préciser qu'il ne s'agit pas d'une simple intuition. Des analyses publiées sur les cancers courants ont associé chaque semaine de retard dans le début d'un traitement à visée curative à une augmentation absolue et mesurable de la mortalité, et un retard de quatre semaines a été associé à une survie moindre, qu'il s'agisse de modalités chirurgicales, systémiques ou radiothérapeutiques (Khorana et al., 2019 ; Hanna et al., 2020). « Nous acceptons en oncologie des délais que nous n'accepterions jamais en cardiologie », dit-il. « Et nous mesurons rarement où le retard s'accumule réellement dans le parcours de soins – ce qui n'est presque jamais là où tout le monde le suppose. »

C'est ce qui rend le raisonnement tout au long du parcours de soins particulièrement important.

Avant une visite, il y a des informations à rassembler et un travail à coordonner. Pendant la consultation, les preuves doivent être interprétées dans le contexte du patient. Et une fois le traitement commencé, le besoin de raisonnement clinique ne disparaît pas.

À bien des égards, il devient plus continu.

« Nous savons qu'il se passe beaucoup de choses entre les visites », souligne Spiess. « Des toxicités, des questions, des inquiétudes. Parfois même des doutes, ou le besoin d'analyser un résultat d'examen sans en comprendre la portée et de demander une explication. »

Le secteur de la santé dispose de portails et d'autres mécanismes permettant aux patients de contacter leurs équipes soignantes, mais ces interactions sont souvent intermittentes. Spiess voit dans l'IA une opportunité de créer un suivi plus longitudinal, capable d'accompagner et d'interpréter l'évolution du parcours patient, sous une supervision clinique attentive.

« Un suivi continu du patient grâce à ces outils, assorti bien entendu d'une supervision, d'un contrôle et d'une validation rigoureux par les cliniciens, représente à mon sens une capacité extrêmement puissante. »

Cela permet d'aller au-delà de l'une des applications les plus courantes de l'IA clinique, à savoir l'aide au choix ou à la planification d'un traitement. La question plus complexe, et peut-être plus intéressante, est de savoir ce qui se passe une fois la décision thérapeutique prise.

Les symptômes évoluent. Des toxicités apparaissent. Les résultats de laboratoire changent. De nouvelles imageries sont réalisées. La situation et les préférences du patient peuvent également évoluer.

Le raisonnement clinique ne se produit pas en une seule fois. Par conséquent, les systèmes qui le soutiennent ne devraient pas toujours se limiter à fournir une recommandation. Il arrive que des informations cliniques supplémentaires soient nécessaires pour définir l'approche diagnostique ou thérapeutique la plus optimale. C'est le principe adopté par l'équipe d'OncoBrain, dont le système identifie les lacunes cliniques dans un cas donné et sollicite les informations manquantes, permettant ainsi d'obtenir des résultats et des recommandations aussi précis et cliniquement pertinents que possible.

Il arrive également qu'aucun traitement approprié ne soit disponible dans un contexte clinique donné ; il est alors essentiel de le reconnaître et de le signaler au clinicien afin qu'il puisse en discuter avec le patient pour définir la suite de la prise en charge. C'est un domaine où l'IA a été de plus en plus mise au défi par le passé, en raison d'une volonté de fournir une réponse computationnelle à chaque question.

Une couche de sécurité supplémentaire

Spiess donne un exemple tiré d'une journée clinique ordinaire.

Un clinicien peut avoir des dizaines d'études d'imagerie en attente d'examen. L'une d'elles peut contenir un élément nécessitant une attention particulière, comme un ganglion lymphatique suspect de trois centimètres. L'information existe, mais le système de santé dépend encore de quelqu'un pour la trouver, en reconnaître l'importance et agir en conséquence. « Est-ce que l'un de ces éléments pourrait passer entre les mailles du filet ? Absolument, cela peut arriver. »

Dans cette situation, Spiess ne demande pas à l'IA de décider. Il souhaite bénéficier d'un second regard. « "Hé, avez-vous remarqué ce ganglion lymphatique de trois centimètres qui a été détecté et qui semble suspect ? Est-ce quelque chose que vous souhaitez évaluer ?" J'adorerais qu'un outil d'IA puisse faire cela pour moi. »

« L'IA ne prend pas les décisions de traiter ou d'examiner un patient », précise-t-il. « Mais c'est tout simplement une couche de sécurité supplémentaire. »

Le même principe s'applique lorsque le système ne dispose pas d'informations suffisantes.

Un patient nouvellement diagnostiqué peut nécessiter des notes, des résultats de laboratoire, de l'imagerie et de l'anatomopathologie. Un patient sous surveillance peut nécessiter quelque chose de très différent. Plus de données ne signifie pas automatiquement mieux ; la question est de savoir si les informations disponibles sont suffisantes pour la décision clinique à prendre.

Et lorsqu'elles ne le sont pas, le système doit être capable de le reconnaître. « Savoir dire "Je ne sais pas, et voici pourquoi" est une fonctionnalité de sécurité, et non une limite. » explique-t-il. « Je préfère largement un outil qui refuse honnêtement dix cas plutôt qu'un outil qui répond aux dix avec assurance mais se trompe sur deux. » Selon Spiess, l'incertitude doit être explicite plutôt que dissimulée derrière une réponse assurée. Un système doit être capable d'identifier les informations qui lui manquent, de les rechercher ou de les demander si nécessaire, et de refuser de formuler une recommandation lorsque les preuves ne sont pas suffisantes.

C'est particulièrement important dans le domaine de l'IA clinique, car une réponse plausible n'est pas nécessairement une réponse sûre.

Le clinicien, quant à lui, reste responsable de la décision.

Le rôle de la technologie est d'assembler, de signaler, de rappeler, d'interroger et de soutenir, et non de passer discrètement de l'aide à la décision à la prise de décision autonome.

‍

« Ces outils sont le moyen par lequel
nous étendons cette mission
au-delà des patients qui peuvent se rendre physiquement chez nous. »
Dr Philippe Spiess

‍

Et si la première consultation en oncologie était déjà prête ?

Lorsque Spiess imagine l'avenir de l'IA en oncologie, l'une des possibilités les plus convaincantes semble étonnamment banale.

Un patient arrive pour sa consultation en oncologie. Les dossiers pertinents ont déjà été rassemblés. Les examens nécessaires ont été effectués. Les résultats d'anatomopathologie ont été obtenus et examinés. L'imagerie est disponible. Les autorisations nécessaires ont été traitées. Si le patient est susceptible d'être éligible à un essai clinique, cette possibilité a déjà été identifiée. Si une prise en charge multidisciplinaire est requise, les cliniciens appropriés sont impliqués.

Le résultat est simple : « Nous sommes en mesure de prendre cette décision aujourd'hui, pas demain. Aujourd'hui. »

Le patient a peut-être attendu des semaines pour obtenir un rendez-vous avec un spécialiste, pour découvrir que les informations nécessaires au bon déroulement de cette consultation ne sont pas encore disponibles.

Pour Spiess, l'anatomopathologie en est un exemple particulièrement clair. Dans le cancer de la prostate, le grade de la biopsie, le volume tumoral et d'autres caractéristiques histologiques peuvent modifier considérablement le choix entre une surveillance active, une chirurgie, une radiothérapie ou un traitement multimodal. Le réexamen d'une pathologie externe peut entraîner une réévaluation à la hausse ou à la baisse de la maladie et, par conséquent, modifier la recommandation clinique.

Cela fait de l'examen anatomopathologique un élément clé de l'accès aux soins, et non un simple processus administratif.

Au Moffitt, explique Spiess, des efforts ont été déployés pour accélérer cet examen, afin que les informations nécessaires soient disponibles avant la consultation dans la mesure du possible. Cet effort s'inscrit dans un engagement institutionnel plus large. Le Moffitt a fait de l'innovation une priorité stratégique centrale, et Spiess est direct sur l'endroit où réside, selon lui, le levier : dans le déploiement réfléchi et responsable de l'IA et des produits numériques — dont plusieurs sont développés et perfectionnés au sein même du centre — comme moyen d'atteindre beaucoup plus de patients atteints de cancer qu'une institution ne pourrait le faire autrement. « Notre mission est la guérison et la prévention du cancer », dit-il. « Ces outils sont le moyen par lequel nous étendons cette mission au-delà des patients qui peuvent se rendre physiquement chez nous. »

L'objectif n'est pas sophistiqué. Il s'agit de rendre la consultation elle-même utile.

Un diagnostic de cancer s'accompagne déjà d'un stress et d'une incertitude importants. Les retards dans le rassemblement des informations peuvent repousser les décisions thérapeutiques et ajouter une période d'incertitude supplémentaire pour les patients et leurs familles.

La leçon à tirer de l'IA est davantage organisationnelle que technologique. « Il faut que les personnes sur le terrain soient intégrées à ce processus », explique-t-il. « Vous avez besoin de personnes qui gèrent la planification. Vous devez comprendre parfaitement le flux de travail pour savoir qui doit intervenir, sur quoi et à quel moment. »

L'IA pourra peut-être un jour aider à orchestrer une partie de cette complexité. Mais auparavant, quelqu'un doit comprendre comment les soins fonctionnent réellement au sein du système ou de l'organisation.

‍

L'IA en oncologie : elle ne fonctionne pas tant que vous n'avez pas prouvé le contraire, dans cet hôpital, sur ces patients.

Spiess est optimiste quant à l'IA, mais son point de départ pour le déploiement clinique est délibérément sceptique. « J'ai toujours dit que la barre devait être placée haut : ces outils ne fonctionnent pas, et nous devons prouver qu'ils fonctionnent. ».

Cela signifie qu'il faut prouver bien plus que la simple performance technique sur des cas soigneusement sélectionnés.

Les premiers tests peuvent commencer par des exemples standardisés, mais Spiess estime que les développeurs doivent également tester des scénarios inhabituels et limites, ces cas qui révèlent si le système est capable de détecter quand quelque chose n'a pas de sens sur le plan clinique et, surtout, quand il ne dispose pas d'informations suffisantes pour répondre. « Si vous parvenez à développer un outil d'IA qui fonctionne bien dans des cas inhabituels et extrêmes, vous tenez probablement quelque chose de très important. »

Pour Spiess, la hiérarchie des preuves est primordiale. Le système doit fournir des informations fiables et fondées sur des preuves. Il doit communiquer l'incertitude plutôt que de la dissimuler. Les performances doivent être constantes auprès de différents patients et dans des contextes cliniques réels, et non seulement sur des exemples sélectionnés.

De plus, tout résultat susceptible d'influencer un diagnostic, un traitement ou un triage doit rester sous la supervision d'un clinicien qualifié, avec des garde-fous et des procédures d'escalade appropriés. Ce n'est qu'une fois ces bases établies que l'efficacité prend tout son sens.

Spiess souligne un ensemble d'indicateurs opérationnels ciblés permettant de démontrer une valeur tangible : le temps gagné par les cliniciens ; le délai entre la disponibilité d'une information et une décision clinique exploitable ; l'augmentation de la capacité clinique sans compromettre la sécurité ou la qualité ; le coût par cas ; et le temps d'attente des patients. Ces mesures sont essentielles.

Mais l'efficacité ne peut compenser un système clinique dangereux ou peu fiable. Et la validation ne peut s'arrêter à la mise en service. Les modèles évoluent. Les directives sont révisées. De nouveaux essais voient le jour. De nouveaux traitements apportent de nouveaux profils de toxicité. La pratique clinique elle-même évolue.

« Nous ne pouvons pas supposer que ces modèles seront toujours performants », dit-il. « Ce qui est efficace aujourd'hui pourrait ne plus l'être dans six semaines. »

La validation doit donc aller au-delà du modèle lui-même.

Spiess souligne la nécessité d'une approche « 360 degrés »: comprendre la technologie, tant dans ses environnements de test que de travail, tout en appréhendant le système de santé dans lequel elle est intégrée.

Un outil techniquement performant peut échouer s'il n'est pas adapté au flux de travail, aux personnes ou à l'orientation stratégique qui l'entourent.

« Vous pouvez avoir un outil merveilleux », explique-t-il, « mais si l'orientation de l'institution ou de l'entreprise est différente, ou si les gens ne sont pas prêts à l'utiliser, alors vous ne mettez pas en place le bon outil. »

En d'autres termes, la charge de la preuve ne doit pas être transférée au clinicien simplement parce que la technologie semble impressionnante. Elle incombe à ceux qui l'introduisent.
‍

‍« J'encourage les patients
à utiliser toutes les ressources qui, selon eux,
leur permettront de mieux comprendre leur état de santé
et de se l'approprier. »
‍Dr. Philippe E. Spiess

‍

Les patients n'attendent pas que le secteur de la santé apprivoise l'IA

Il existe une autre raison pour laquelle les cliniciens doivent s'intéresser à l'IA dès maintenant : leurs patients le font déjà.

Spiess voit régulièrement des patients arriver avec des pages d'informations recueillies grâce à des ressources en ligne et des outils d'IA.

Parfois, ces informations les aident à mieux appréhender leur diagnostic. Parfois, elles les entraînent vers des pistes totalement hors sujet par rapport à leur cas personnel.

« C'est puissant », dit-il. « Mais cela peut aussi être un peu dangereux si cela les conduit à mal comprendre leur maladie. »

Sa réponse n'est pas de leur demander d'arrêter. « J'encourage les patients à utiliser toutes les ressources qui, selon eux, leur permettront de mieux comprendre leur état de santé et de se l'approprier. »

Cela modifie également le rôle du clinicien. De plus en plus, il s'agit d'aider les patients à savoir quoi chercher, de les orienter vers des sources fiables et de replacer leurs découvertes dans le contexte de leur propre maladie.

Mais Spiess estime également que le système de santé lui-même peut faire mieux.

Une consultation en oncologie peut demander au patient d'assimiler une quantité extraordinaire d'informations : diagnostic, options thérapeutiques, risques, examens d'imagerie, procédures et étapes à suivre. « Est-ce qu'ils assimilent vraiment toutes ces informations ? » demande-t-il.

L'IA pourrait aider à poursuivre cette conversation au-delà de la consultation, en expliquant ce qu'impliquent un scanner, une IRM ou une biopsie, en aidant le patient à comprendre ce qui vient de lui être annoncé et, peut-être, en réduisant une partie de l'anxiété liée à l'inconnu.

Pour Spiess, cela ne devrait pas être un aspect périphérique du développement de l'IA clinique.  « Nous devons nous assurer que les outils que nous développons intègrent une dimension d'éducation, de formation et de soutien aux patients, au cœur même de leur conception et de leur déploiement. »

Cela implique également de concevoir des solutions qui ne reproduisent pas silencieusement les barrières existantes aux soins : langage compréhensible, niveau de littératie en santé approprié et accessibilité pour les patients qui pourraient en bénéficier le plus.

L'IA doit-elle apprendre à penser comme son clinicien ?

À mesure que l'IA devient plus personnalisée, une autre question émerge. Doit-elle apprendre la manière de penser d'un médecin en particulier ?

Spiess est intrigué par cette possibilité, sans pour autant s'y sentir totalement à l'aise. Un système qui apprendrait les schémas de pensée d'un clinicien pourrait commencer à capturer non seulement ce qu'il fait, mais aussi une partie du raisonnement qui sous-tend ses actes – ces considérations qui ne sont jamais consignées par écrit.

« Ce qui est intéressant, ce n'est pas ce que j'ai décidé », dit-il. « C'est pourquoi je l'ai décidé, et c'est ce que nous ne notons presque jamais. »

Mais se contenter de reproduire le clinicien pourrait créer ses propres problèmes. Comme tout être humain, les cliniciens ont des angles morts et des biais.

« Il y a probablement des domaines où l'on se dit : "Eh bien, vous n'avez pas pris en compte ces différents éléments" »,explique Spiess. Peut-être l'IA devrait-elle donc faire quelque chose de plus intéressant que d'apprendre à être d'accord avec son médecin. « Il est probablement important que l'IA nous offre une vision à 360 degrés de nous-mêmes et nous dise : avons-nous des biais lorsque nous examinons nos patients ? » 

Un outil qui ne fait que confirmer les choix du clinicien risque d'automatiser ses angles morts en même temps que son expertise. Utilisée différemment, l'IA pourrait devenir un outil pédagogique tout autant qu'un outil d'aide à la décision : en mettant en lumière ce que le clinicien a négligé et en l'incitant à réfléchir sur son propre raisonnement.

Il existe cependant une limite sur laquelle Spiess est catégorique.

« Tout l'art consiste à veiller à ce que le clinicien reste au cœur du processus. Il ne s'agit pas d'une IA qui dirige les soins cliniques avec l'aide des cliniciens. C'est l'inverse, et cela ne doit jamais changer. »

« Certains patients que je vois aujourd'hui viennent certes pour un suivi, mais ils viennent aussi tout simplement pour me voir », confie-t-il. « Ils deviennent presque des amis. »

Certains apportent même des cadeaux.

« J'ai des patients qui m'offrent des chaussettes parce qu'ils savent que j'aime en porter de toutes les couleurs. C'est cette relation qui compte. Honnêtement, c'est probablement l'un des aspects les plus gratifiants de la pratique médicale. »

‍

Ces outils seront construits
soit avec les cliniciens,soit autour d'eux,
et cette différence se ressentira
ans la qualité des soins aux patients. »
‍Dr. Philippe E. Spiess

‍

Rendre la technologie plus discrète : une vision à 5 ans ?

Si l'on demande à Spiess d'imaginer l'oncologie dans cinq ans, il ne décrit pas une clinique du cancer autonome. Il décrit une technologie qui s'intègre davantage et qui, à bien des égards, se fait plus discrète.

Selon lui, l'IA devrait évoluer d'une collection d'outils isolés vers une couche couvrant une plus grande partie du parcours clinique : diagnostic et pathologie, stratification des risques, planification des traitements, suivi, survie et engagement des patients.

De plus en plus, ces systèmes pourraient synthétiser des données cliniques, génomiques, d'imagerie, de pathologie et des informations issues de la vie réelle, identifier les points clés, anticiper les besoins futurs et alléger la charge administrative liée aux décisions cliniques.

Cette même intelligence ne devrait pas s'éteindre lorsque le patient quitte le cabinet.

Elle peut se poursuivre tout au long du traitement, du suivi et de la phase de survie, en aidant les patients à comprendre ce qui leur arrive et les cliniciens à identifier ce qui nécessite réellement leur attention.

Pour y parvenir, il faudra des tests rigoureux, une intégration aux dossiers médicaux électroniques, une supervision clinique réfléchie et une évolution des méthodes de travail des équipes de santé.

Le conseil de Spiess à ses collègues encore hésitants est pragmatique : apprenez-en suffisamment sur l'IA pour comprendre son fonctionnement, expérimentez, comprenez comment la formulation de vos questions influence les réponses obtenues et gardez un esprit critique face aux résultats. « Vous n'avez pas besoin de devenir data scientist », précise-t-il. « Mais vous devez être présent. Ces outils seront construits soit avec les cliniciens, soit autour d'eux, et cette différence se ressentira dans la qualité des soins aux patients. »

Malgré toute la sophistication qu'il imagine — une IA capable de compiler des dossiers, de suivre les patients sur le long terme, de repérer des informations oubliées et même de remettre en question des hypothèses cliniques — il y a un aspect de cet avenir qu'il ne souhaite absolument pas automatiser.

La relation humaine.

Aucun algorithme, aussi sophistiqué soit-il, ne pourra remplacer la relation tissée par le médecin qui suit un patient au fil du temps : son histoire, ses objectifs, ses attentes, sa tolérance à la toxicité, ses priorités et tout ce qui ne sera peut-être jamais consigné dans un dossier médical.

C'est peut-être là le test le plus pertinent pour la prochaine génération d'IA en oncologie.

Il ne s'agit pas de savoir si elle peut remplacer l'oncologue, mais si elle peut alléger suffisamment la charge informationnelle liée aux soins du cancer pour aider les cliniciens à être mieux informés, mieux préparés et plus disponibles pour le patient qu'ils ont en face d'eux.

Dans les moindres détails.

‍

‍

‍

À propos du Dr Philippe E. Spiess

Le Dr Philippe E. Spiess est membre senior du département d'oncologie génito-urinaire, chef de l'innovation clinique et chef adjoint des services chirurgicaux au Moffitt Cancer Center. Il est vice-président du panel NCCN sur le cancer de la vessie et du pénis, et représente le Moffitt au sein du conseil de gouvernance et du comité directeur du NCCN. Il est également médecin-chef chez OncoBrain AI. Les opinions exprimées ici sont les siennes.