Agents d'IA pour les soins de santé : avantages et cas d'utilisation

Les agents d'IA, qui sont des assistants numériques conçus pour aider les organisations à automatiser certains types de charges de travail et à améliorer la prise de décision, ont le potentiel de contribuer à changer la manière dont les soins de santé sont dispensés et dont les individus gèrent leur santé.

Bien que les organisations de soins de santé commencent à adopter l'IA pour des cas d'utilisation isolés, seule l'adoption d'agents d'IA chargés chacun de tâches différentes tout en collaborant de manière harmonieuse permettra d'obtenir une véritable valeur ajoutée. Dans un contexte clinique, un agent d'IA pourrait être formé pour enregistrer et interpréter les instructions verbales ou les conversations entre un médecin et un patient, un autre pour comprendre les résultats de laboratoire, et un troisième pour coder un plan de traitement en vue d'un remboursement approprié. En travaillant ensemble sous la direction d'un système capable de gérer des ensembles d'agents d'IA avec une supervision humaine minimale, ces agents d'IA peuvent aider à créer une vue d'ensemble des patients que les médecins peuvent utiliser pour prendre des décisions plus éclairées en matière de soins.

Que sont les agents d'IA ?

Les agents d'IA, combinés à divers types de données, utilisent de grands modèles de langage (GML, modèles d'apprentissage automatique capables d'effectuer des tâches de traitement du langage naturel) et la génération augmentée par récupération (GAR, qui permet d'optimiser le résultat d'un GML sans modifier le modèle lui-même). Les agents d'IA peuvent se voir assigner des tâches, examiner leur environnement, prendre des mesures en fonction de leur rôle et affiner leur comportement en fonction de leurs expériences et des commentaires des utilisateurs. Ces tâches peuvent aller de la réponse à des questions simples et de l'analyse du contexte et du ton de la langue à la résolution de problèmes opérationnels complexes dans des secteurs tels que les soins de santé, le commerce de détail et l'hôtellerie. Les systèmes d'IA agentiques peuvent superviser les actions d'ensembles complexes d'agents d'IA, en utilisant des techniques telles que l'IA générative, la reconnaissance faciale et l'analyse prédictive, et en assignant des tâches à des agents spécialisés pour atteindre un objectif spécifique.

Que sont les agents d'IA dans le secteur des soins de santé ?

Les agents d'IA dans le secteur des soins de santé sont des composants logiciels capables d'effectuer des tâches assignées, d'analyser leurs environnements, d'agir en fonction de leur rôle et d'adapter leurs méthodes en fonction de leurs expériences. Ces agents d'IA utilisent des interfaces de conversation instantanée, de texte ou vocales pour résumer les paroles prononcées, détecter les signaux qui nécessitent une attention humaine et analyser les données internes et externes afin de fournir aux utilisateurs (patients et personnel soignant) des résultats en temps réel et d'améliorer continuellement les performances et la précision.

Les agents d'IA reçoivent des requêtes en langage humain, les encodent et les envoient ensuite au magasin de données de l'entreprise. L'agent utilise un GML pour comprendre la requête, puis recherche les données pertinentes dans la base de connaissances, reclasse le contenu en fonction de sa pertinence sémantique, combine le contenu le plus pertinent et la requête en une réponse cohérente, puis envoie la réponse et le contenu utilisé pour la créer à l'auteur de la requête.

À un niveau élémentaire, en automatisant les tâches de routine, les agents d'IA dans les soins de santé utilisent l'intelligence artificielle pour aider à réduire la charge de travail des professionnels de la santé, y compris les administrateurs, ce qui leur permet de se concentrer davantage sur les interactions avec les patients, la prise de décisions plus importantes et l'amélioration du fonctionnement de l'établissement.

À un niveau clinique plus avancé, les agents d'IA peuvent analyser de vastes quantités de données provenant des DSN, des référentiels de recherche médicale, des bibliothèques de réglementation gouvernementale et d'autres sources pour faciliter les diagnostics et aider à personnaliser les plans de traitement en fonction des antécédents des patients et d'autres caractéristiques. Ils utilisent l'analyse prédictive pour traiter et interpréter de vastes ensembles de données, historiques et actuelles, afin d'aider le personnel soignant à faire des choix plus éclairés et à améliorer les résultats pour les patients.

Par exemple, un agent peut examiner des données historiques sur des épidémies et les interpréter en fonction des valeurs de laboratoire actuelles. S'il identifie un groupe de certaines valeurs dans une communauté, il peut fournir au personnel clinicien des informations et des prévisions relatives à une épidémie potentielle. L'agent chargé d'analyser les ensembles de données actuels peut faire appel à un autre agent pour obtenir des données régionales ou nationales et devra connaître les valeurs présentes dans la ligne de base et le point de déclenchement d'une épidémie. Un autre ensemble d'agents peut être chargé de rassembler des données provenant d'un référentiel de mammographies, qui montrent la progression typique de la maladie associée à un type particulier de mammographie, de comparer cet ensemble de données avec la mammographie d'une seule patiente et, ce faisant, d'aider à déterminer comment une maladie peut évoluer et quelles sont les options dont dispose le médecin pour la traiter.

Principaux points à retenir

• Les médecins continuent de signaler des niveaux élevés de stress liés au volume de travail administratif qu'ils sont censés accomplir. Les agents d'IA peuvent aider à soulager une grande partie de ce stress en agissant à titre d'assistants numériques intégrés au système de DSN de l'organisation.
• Les agents d'IA dans le secteur de la santé peuvent soutenir une opération plus rentable et productive en rationalisant et en automatisant les processus administratifs.
• Bien qu'un agent d'IA puisse être considéré par l'utilisateur comme une entité unique, il peut y avoir des dizaines d'agents en arrière-plan chargés de responsabilités aussi variées que l'analyse de résultats d'examens de laboratoire, la gestion de renouvellements de prescriptions de sortie et la communication à un médecin de recommandations spécifiques liées à l'état de santé d'un patient.

Explication sur les agents d'IA pour les soins de santé

Les agents d'IA pour les soins de santé sont des assistants numériques qui contribuent à améliorer les interactions entre les patients et le personnel soignant en combinant l'intelligence des soins de santé avec des interfaces vocales, de clavardage et de messagerie texte.

Plutôt que d'agir comme des applications autonomes, les agents d'IA pour les soins de santé sont intégrés dans les flux de travail administratifs et cliniques, tels que l'admission des patients, au cours desquels un agent peut automatiser le remplissage de formulaires longs et répétitifs. Les médecins peuvent faire appel à des agents avant les rendez-vous et demander un prébreffage sur un patient par l'intermédiaire de leur dispositif afin de se familiariser avec les antécédents médicaux du patient, les résultats des tests les plus récents et le motif de venue tout en se rendant dans la salle d'examen. (Il s'agit d'un exemple où un agent principal rassemble des informations provenant d'autres agents spécialisés afin de créer un rapport unifié.) Les médecins peuvent également faire appel à des agents d'IA pendant les rendez-vous, lorsque, avec la permission du patient, un agent d'IA peut écouter les interactions entre le patient et le médecin et aider à créer automatiquement un résumé de ce qui a été discuté et décidé. Les agents d'IA pour les soins de santé peuvent également être formés sur des ensembles de données spécifiques à un problème médical ou à une maladie, afin que les médecins puissent bénéficier du plus large éventail possible de connaissances cliniques lorsqu'ils traitent leurs patients.

Dans la pratique, la plus grande valeur des agents d'IA dans le domaine de la santé, du moins dans un premier temps, viendra probablement de leur capacité à éliminer la saisie manuelle des données afin de permettre au personnel clinicien de se concentrer sur le patient et de mettre à profit leurs connaissances médicales et leur intuition humaine. Bien que l'épuisement professionnel des médecins soit en baisse depuis la pandémie, près de la moitié des médecins signalent encore au moins un symptôme, selon l'Association médicale américaine. Un facteur de stress est le volume de travail administratif qu'ils sont tenus d'effectuer.

Les agents d'IA peuvent également améliorer l'engagement des patients en rendant les soins continuellement accessibles et personnalisés. Par exemple, le personnel soignant peut demander à un agent d'aider les patients à naviguer dans le système de santé, notamment en trouvant la clinique appropriée, en expliquant les procédures de référence et la couverture d'assurance, et en les aidant à prendre rendez-vous. Les agents peuvent être formés à l'aide d'arbres de décision approuvés par le personnel soignant pour guider les patients vers le milieu de soins le plus approprié. Par exemple, un agent peut poser des questions, écouter les symptômes et fournir des conseils d'autosoins ou recommander à un patient une consultation en soins d'urgence ou au service des urgences.

Les agents d'IA peuvent également améliorer les soins de santé en milieu rural en réduisant les obstacles liés à la distance. Par exemple, ils peuvent faciliter la coordination des soins entre différents services dispersés, tels que les suivis, les références, les ressources de transport, les options de soins à domicile et les programmes communautaires. Ils peuvent interpréter les flux de données provenant de dispositifs à domicile, tels que les tensiomètres, les glucomètres et les oxymètres de pouls, et alerter le personnel soignant uniquement lorsque certains seuils sont atteints ou lorsque des tendances inquiétantes sont observées.

Un autre avantage des agents d'IA est qu'ils peuvent aider à aligner les codes de traitement sur les directives des payeurs afin que le personnel soignant soit remboursé pour les soins prodigués. Il s'agit d'un élément important à prendre en considération étant donné que les organisations de soins de santé américaines fonctionnent avec une marge bénéficiaire moyenne de seulement 4,5 %, selon le Kaufman Hall National Hospital Flash Report publié par Kaufman Hall en novembre 2024.

Les agents d'IA nécessitent une puissance de calcul considérable, bien supérieure à celle dont disposent les organisations de soins de santé sur site. Il est donc indispensable de les exécuter dans le nuage. Le nuage offre également aux organisations de soins de santé les avantages des grands modèles de langage formés sur des ensembles de données médicales. Cette formation peut également être réalisée sur des ensembles de données privés dans un nuage privé afin que les organisations gardent le contrôle de leurs propres données. L'informatique en nuage est essentielle pour les systèmes interopérables dont les agents d'IA ont besoin. Ces systèmes peuvent utiliser différents équipements, logiciels, formats de données et stockage, tout en fonctionnant ensemble en tant que réseaux interopérables. Étant donné que la prestation de soins pour un seul patient implique généralement plusieurs membres du personnel soignant et systèmes, et que la sécurité des patients, la confidentialité et la conformité réglementaire dépendent d'un flux d'informations opportun et traçable, le secteur des soins de santé a besoin de systèmes interopérables. Ces systèmes connectent les données du personnel soignant, des organismes payeurs et des organisations de santé communautaire, et aident les chercheurs et les autres parties prenantes à prendre des décisions fondées sur des informations précises.

L'importance des agents d'IA dans les soins de santé

Le secteur des soins de santé n'en est qu'à ses débuts en ce qui concerne l'adoption d'agents d'IA, en raison de la complexité du secteur et des réglementations qui régissent leur utilisation. Par exemple, une tâche telle que le renouvellement d'une prescription de sortie peut sembler propice à l'automatisation, mais l'agent devra d'abord déterminer s'il est prudent d'administrer des doses supplémentaires du médicament en l'absence d'un examen clinique récent ou d'un rendez-vous de télémédecine. Cependant, lorsqu'ils sont correctement mis en œuvre, les agents d'IA peuvent libérer le personnel clinicien des tâches de saisie des données, contribuer à l'amélioration des taux de remboursement des soins et de leur précision, et améliorer la prise de décision en matière de soins de santé. (Plus d'informations sur ces avantages et sur d'autres ci-après.)

Comment fonctionnent les agents d'IA dans les soins de santé ?

Les organisations de soins de santé peuvent utiliser une combinaison d'agents, plutôt qu'un seul agent. Chaque agent est conçu pour effectuer une tâche spécifique, telle que la prise de rendez-vous, la préadmission des patients, la préparation du personnel clinicien, l'enregistrement et le résumé des détails d'un examen, et la gestion du suivi des patients. Ils fonctionnent en puisant dans une vaste réserve de connaissances provenant de sources internes (y compris les DSN des patients) et de sources externes afin de reconnaître des modèles et de comprendre les besoins des utilisateurs.

Voici le processus de planification standard pour créer un système d'IA agentique et son ensemble d'agents d'IA associés :

• Le système d'IA agentique est programmé en fonction des objectifs organisationnels, qui sont classés par ordre de priorité afin que les actions critiques soient traitées en premier.
• Le système est formé aux données internes et externes nécessaires à la gestion des demandes, convertissant les données brutes en données exploitables.
• Le système d'IA agentique s'exécute au service des objectifs de l'organisation en allouant des tâches à différents agents d'IA. Les agents contrôlent leur propre précision et suivent les actions et leurs résultats. Ils modifient les tâches selon les besoins en fonction des commentaires humains et de l'évolution des circonstances, et réintègrent ces données dans le système d'IA agentique.
• Le système d'IA mesure le succès par rapport aux objectifs initiaux, identifie les domaines à améliorer et intègre les nouvelles informations et les commentaires humains dans la base de connaissances afin d'améliorer continuellement ses performances.

Comment les agents d'IA transforment-ils les soins de santé ?

Les agents d'IA peuvent réduire les charges administratives, améliorer la coordination des soins et élargir l'accès aux soins dans les communautés mal desservies. Ils résument la recherche et rationalisent les flux de travail afin que le personnel soignant puisse se concentrer sur la prise de décision et les relations avec les patients. En outre, ils améliorent l'expérience patient, car les patients bénéficient d'un assistant de confiance pour les aider à naviguer dans le système de santé complexe et à obtenir de meilleurs résultats en matière de santé. Les agents d'IA peuvent faciliter l'accès aux soins, assurer une meilleure continuité entre les consultations et réduire les formalités administratives. Et bien que les patients perçoivent les agents d'IA comme une source unique d'aide et de connaissances, il existe en réalité de nombreux agents différents, tous chargés de gérer différentes étapes du parcours de soins, et ces agents proviendront probablement de plusieurs fournisseurs, chacun ayant une expertise dans des domaines spécifiques.

Avantages des agents d'IA dans les soins de santé

Les agents d'IA peuvent bénéficier aux organisations de soins de santé et à leurs patients de deux manières principales : en aidant à améliorer la prise de décision clinique et le traitement, et en réduisant le coût et le fardeau des tâches administratives. Pour en savoir plus sur ces avantages et d'autres, lisez la suite.

• Soutien pour le personnel soignant. Les agents d'IA peuvent aider les médecins à prendre des décisions en leur fournissant des résumés des antécédents des patients avant les rendez-vous et en leur donnant accès à des outils d'apprentissage automatique formés sur des ensembles de données cliniques spécifiques. Par exemple, un oncologue traitant un patient atteint d'un cancer du poumon pourrait demander à l'agent d'IA de rassembler des données provenant de divers emplacements (par exemple, les dernières recherches cliniques sur le problème médical, les rapports de laboratoire, les tomodensitogrammes et les habitudes de vie déclarées par le patient lui-même) et de fournir une analyse de modélisation prédictive qui pourrait l'aider à recommander un traitement. Ces agents peuvent également aider à réduire l'épuisement professionnel du personnel soignant et des administrateurs en éliminant certaines tâches de saisie manuelle des données.
  
  St. John's Health utilise des agents d'IA pour permettre aux médecins de se tenir plus facilement informés des comptes rendus de consultation des patients. Les médecins peuvent entrer dans une salle d'examen avec leur dispositif mobile et, avec l'autorisation du patient, le mettre en mode d'écoute ambiante. L'agent passe au crible la conversation et identifie les informations importantes pour la continuité des soins et la facturation, puis les rassemble dans un résumé numérique net et concis.
• Réduction des coûts. Avec des marges opérationnelles pouvant être inférieures à 5 %, les organisations de soins de santé doivent contrôler rigoureusement leurs coûts. En utilisant des agents d'IA pour automatiser et rationaliser les processus de facturation, de codage et de remboursement des payeurs, les organisations peuvent réduire leurs frais administratifs sans sacrifier la qualité des soins.
• Amélioration des diagnostics. Les agents d'IA peuvent aider à fournir au personnel clinicien des résumés concis des données relatives aux antécédents médicaux des patients (et même à la génomique), des recherches médicales pertinentes et des données recueillies à partir des dispositifs médicaux des patients, ainsi que des analyses de radiographies, de tomodensitogrammes et d'IRM, afin de contribuer à l'établissement de diagnostics plus précis.
• Personnalisation des traitements. En utilisant les données des patients provenant de sources multiples, les agents d'IA travaillant conjointement peuvent aider à générer des plans de traitement personnalisés qui seront examinés et approuvés par le personnel clinicien. Les agents d'IA peuvent également prendre en charge les données des capteurs des dispositifs médicaux personnels et alerter le personnel soignant lorsque les relevés sont hors limites.
• Efficacité accrue. En moyenne, les médecins passent 15 minutes avec un patient et il leur faut encore 15 à 20 minutes pour mettre à jour le DSN du patient. En automatisant les mises à jour des DSN et le codage des traitements pour faciliter un remboursement précis, les agents d'IA peuvent aider les médecins à gagner du temps à consacrer aux patients et à travailler avec des équipes de soins élargies pour prendre des décisions cliniques.
  
  Avec l'aide d'agents d'IA, les notes des médecins de Billings Clinic sont automatiquement transmises au DSN, ce qui améliore considérablement l'efficacité. La clinique affirme avoir connu une réduction globale de 37,59 % du temps de documentation moyen ajusté et une réduction de 16,69 % du temps moyen ajusté que les médecins passent dans le DSN par patient.
• Surveillance en temps réel. En se connectant aux outils de surveillance à distance des patients, tels que les montres intelligentes, les moniteurs cardiaques et les glucomètres, les agents d'IA peuvent suivre en permanence l'état de santé des patients. Ainsi, au lieu de s'appuyer sur les informations recueillies lors des consultations au cabinet médical ou des déplacements soudains aux urgences, les médecins ont accès à un flux constant de données sur la santé qui peuvent être analysées et interprétées par l'agent d'IA. Les médecins peuvent recevoir uniquement les alertes qui nécessitent leur intervention. Ce type de suivi en temps réel peut également aider les patients à s'investir davantage dans leur propre état de santé, car l'agent d'IA peut être configuré pour communiquer avec les patients en utilisant un langage naturel.
• Accélération du développement de médicaments. Il est impossible pour les médecins de connaître tous les essais cliniques susceptibles d'être utiles à leurs patients. Les agents d'IA pourront suivre en permanence les essais cliniques et alerter les médecins lorsqu'il en existe un qui correspond à l'ensemble des antécédents et des problèmes médicaux d'un patient donné. Cela a le potentiel d'accélérer la recherche et la découverte de nouveaux traitements.
• Accessibilité accrue. Les agents conversationnels d'IA utilisent le langage naturel pour faciliter la prise en charge des soins par les patients. Par exemple, ces derniers peuvent interroger un agent sur un symptôme, contacter un agent pour prendre un rendez-vous ou obtenir des rappels d'un agent sur les renouvellements de prescriptions de sortie. Les dirigeants d'
  
  AtlantiCare, un système de santé du New Jersey, s'attendaient à des gains opérationnels à la suite de l'implémentation des agents d'IA. Ils ne s'attendaient cependant pas à un impact aussi positif sur la satisfaction des patients. AtlantiCare utilise également des agents d'IA pour rédiger des notes en plusieurs langues afin de mieux accompagner les patients non anglophones.
• Informations prédictives. Les agents d'IA qui utilisent l'analyse prédictive des données pourraient permettre aux médecins de prédire plus facilement les problèmes médicaux des patients et les risques de santé, afin d'adapter les plans de traitement.

Composants des agents d'IA dans les soins de santé

Les agents d'IA utilisent une variété d'intrants pour effectuer leur travail, en fonction du rôle spécifique de l'agent dans l'environnement des soins de santé. Un agent d'interaction avec le patient conversera avec lui, en exploitant différentes sources de données sur le patient et d'autres données pour répondre à ses questions et le soutenir dans son mode de vie. Un autre agent écoutera un examen et en tirera les informations spécifiques nécessaires à la mise à jour du dossier du patient. Certains agents répondent uniquement aux demandes d'autres agents. Par exemple, un agent chargé de résumer un plan de traitement se connectera à un agent qui comprend les valeurs de laboratoire et à un autre qui peut interpréter les images de radiologie. La plupart des agents d'IA pour les soins de santé nécessitent une combinaison complexe des composants suivants :

• Perception. Les agents d'IA pour les soins de santé utilisent des dispositifs d'enregistrement audio et vidéo pour recueillir des informations dans leur environnement (le cabinet d'un médecin, par exemple) et convertir ces données dans des formats qui peuvent être saisis dans le DSN d'un patient et utilisés par un médecin pour recommander un traitement.
• Action. Ce composant agit en fonction des analyses, des informations et des directives des agents. Les agents peuvent interagir avec leur environnement. Par exemple, ils peuvent fournir aux médecins un résumé de la consultation, suggérer des options de diagnostic et recommander des traitements qui tiennent compte de l'ensemble des antécédents du patient. En outre, un agent peut discuter avec un patient en dehors du lieu de traitement pour lui rappeler de prendre ses médicaments ou lui suggérer un mode de vie sain.
• Utilité. Pour déterminer l'efficacité d'un agent d'IA, le personnel soignant peut mesurer la performance de l'agent quant à l'atteinte de ses objectifs. Les critères peuvent inclure les résultats pour les patients, la satisfaction des utilisateurs et le degré de précision des recommandations cliniques.
• Apprentissage. Les agents d'IA peuvent utiliser les boucles de rétroaction humaine pour aider à améliorer leurs résultats, par exemple, en notant quels ensembles de données et de questions exclusives produisent les meilleurs résultats. Les agents peuvent également s'améliorer au fil du temps en recevant une formation supplémentaire sur de nouveaux ensembles de données. Lorsque les médecins valident l'analyse ou les recommandations formulées par l'agent d'IA, ce dernier peut utiliser ces données pour orienter ses actions futures.
• Raisonnement. À partir des données acquises et stockées, les agents d'IA peuvent appliquer des techniques de raisonnement pour aider à interpréter les données, prédire la probabilité de certains résultats et fournir des options que le personnel clinicien peut utiliser pour prendre des décisions éclairées sur le meilleur plan d'action pour un patient.
• Mémoire. Le module de mémoire d'un agent d'IA ne se contente pas de stocker les données des patients et les recherches médicales, mais il apprend également à partir des commentaires des utilisateurs pour améliorer continuellement les recommandations de soins au fil du temps.

Principaux cas d'utilisation des agents d'IA dans les soins de santé

Les meilleurs cas d'utilisation des agents d'IA dans les soins de santé tirent parti de la capacité de l'IA à analyser de vastes quantités de données pour aider à améliorer les soins aux patients et à réduire les frais généraux administratifs. Les meilleurs cas d'utilisation sont ceux qui permettent à l'agent d'apprendre au fil du temps. Les cas suivants arrivent en tête :

1. Soutien au diagnostic. Les agents d'IA peuvent aider le personnel clinicien à poser des diagnostics plus précis en analysant les données médicales, y compris les résultats de laboratoire, les imageries numériques, les antécédents des patients et la littérature médicale, afin de faciliter l'identification des problèmes médicaux et des maladies.
2. Recommandations de traitement. Les agents d'IA peuvent aider les médecins à adapter les plans de traitement en fonction des besoins des patients et des dernières recherches médicales, des consignes cliniques et des meilleures pratiques. Ce ne sont que des recommandations. Compte tenu des recommandations des agents, les médecins doivent prendre les décisions qui leur paraissent les plus judicieuses, en fonction de leur expérience et de leur jugement.
3. Analyses prédictives. En intégrant des données telles que l'âge, le genre, la zone géographique, le mode de vie, les antécédents médicaux et même la génomique du patient, les analyses prédictives peuvent aider à prévoir les risques de maladie et les résultats pour le patient.
4. Analyses d'imageries médicales. Les agents peuvent contribuer à la détection d'anomalies dans les radiographies, les IRM et les tomodensitogrammes et envoyer automatiquement les images à des spécialistes pour révision, améliorant ainsi la précision du diagnostic.
5. Aide à la prise de décisions cliniques. Selon une estimation, il faudrait 13 ans à un médecin pour lire toute la littérature médicale publiée au cours d'une seule année. C'est la raison pour laquelle le personnel clinicien peut bénéficier des agents d'IA générative capables d'ingérer une grande quantité de données de recherche, de les résumer et de formuler des recommandations pertinentes en fonction de l'état de santé d'un patient.
6. Découverte de médicaments. Les sociétés pharmaceutiques utilisent l'IA pour parcourir les bibliothèques de composés chimiques et résumer la littérature scientifique relative à la santé, les données d'essais cliniques, les profils des patients et même leurs données démographiques. Les agents d'IA peuvent intervenir pour accélérer l'identification et le développement des nouveaux médicaments les plus prometteurs, même ceux précédemment ignorés par les chercheurs humains en tant que traitements pour certains problèmes médicaux.
7. Surveillance des patients. Les agents d'IA peuvent suivre les données de santé des objets personnels connectés des patients et d'autres équipements médicaux à domicile pour produire des alertes en temps réel lorsque la pression artérielle, le glucose et d'autres variables atteignent certains niveaux. Plus important encore, ils peuvent parcourir les immenses volumes de données que de nombreux dispositifs médicaux génèrent afin de fournir au personnel soignant uniquement les informations nécessaires à l'amélioration des soins à court et à long terme des patients.
8. Assistants de santé virtuels. Les assistants de santé virtuels alimentés par l'IA peuvent aider à répondre aux demandes des patients, à leur fournir des conseils et des rappels en matière de santé et à suivre leurs données de santé. Généralement disponibles par le biais d'une application mobile ou d'un site web, ces outils peuvent communiquer avec les patients grâce à des interfaces en langage naturel et accéder à de vastes ensembles de données de santé afin de leur fournir des réponses précises et à jour.
9. Automatisation administrative. Les agents d'IA peuvent aider à simplifier la planification des rendez-vous, la facturation et la tenue des dossiers, ainsi qu'à fournir des réponses immédiates aux demandes administratives des patients et à gérer leurs demandes de renouvellement de prescription de sortie. Ils peuvent également automatiser le processus d'accueil des patients et permettre ainsi au personnel de se concentrer sur des tâches plus importantes.
10. Soutien en santé mentale. Des applications de thérapie soutenues par l'IA sont utilisées pour aider à traiter la dépression et l'anxiété. Les agents d'IA « conversent » avec les utilisateurs des applications, en posant des questions comme le ferait un thérapeute et en identifiant les éléments de langage dans les réponses (mots et phrases) qui peuvent indiquer des problèmes de santé mentale. Ils aident également les patients à reconnaître leurs émotions et à adopter des techniques qui réduisent les sentiments négatifs. Les agents en santé mentale sont guidés par des objectifs et peuvent utiliser de manière autonome la rétroaction humaine pour prendre des décisions sur la meilleure manière d'atteindre ces objectifs, pour aider un patient à stabiliser ou à réduire ses pensées d'automutilation ou sa dépendance à l'égard de l'alcool, par exemple. Ce type de soutien peut s'avérer particulièrement précieux dans les régions dépourvues d'options adéquates en matière de soins de santé mentale.
11. Accès, navigation et engagement des patients. Les agents d'IA peuvent être chargés de collecter les antécédents médicaux via des questionnaires de préconsultation et un routage de triage. L'agent suit un arbre de décision prédéfini pour déterminer si un patient doit être dirigé vers des soins à domicile, des soins d'urgence ou des soins au service des urgences. Ils peuvent aider à la planification et aux rappels des rendez-vous, à la rédaction d'instructions de préparation aux procédures et à la coordination du suivi. Après la sortie, des contacts peuvent être établis avec le patient pour vérifier son observance du traitement et lui rappeler la prise de médicaments.
12. Cycle des recettes et opérations des payeurs. Les agents d'IA peuvent rationaliser le processus d'autorisation en collectant la documentation requise et en rédigeant les soumissions pour révision. Ils peuvent également prendre en charge les demandes de remboursement et le codage en suggérant des codes, en signalant les documents manquants et en conservant les pistes d'audit. En cas de refus, les agents peuvent résumer les motifs, recommander les étapes suivantes et rédiger des lettres d'appel pour accélérer la résolution.
13. Coordination des soins entre les différents lieux de soins. Les agents d'IA peuvent prendre en charge les transitions de soins en suivant les tâches postérieures à la sortie, telles que la mise en place de soins à domicile et la livraison d'équipement. Ils peuvent également gérer les références en confirmant que les prérequis sont satisfaits et en envoyant des rappels aux parties prenantes, si nécessaire.
14. Santé de la population et de la communauté. Les agents d'IA peuvent aider à identifier les lacunes en matière de soins au niveau de la communauté, telles que les vaccinations ou les dépistages en retard, et à hiérarchiser la sensibilisation en conséquence. Ils peuvent également détecter des signaux, tels que des données sur les absences scolaires ou des publications sur les réseaux sociaux publics, qui indiquent une épidémie. En outre, les agents peuvent générer du contenu de sensibilisation spécifique au patient ou à la communauté et suivre l'engagement pour mesurer son efficacité.
15. Informations destinées au patient. Les agents d'IA peuvent fournir du matériel éducatif personnalisé dans la langue préférée du patient, l'aider à comprendre ses droits et sa couverture, rechercher du personnel soignant faisant partie de sa couverture et clarifier les étapes suivantes. Pour les problèmes médicaux chroniques, les agents peuvent fournir des conseils sur l'alimentation, l'exercice et d'autres habitudes de santé, avec des repères de sécurité clairs et des conseils en cas de remontée.

Avenir des agents d'IA dans les soins de santé

La plupart des technologies initiales utilisées dans les soins de santé étaient fastidieuses, chronophages et frustrantes pour le personnel clinicien à tous les niveaux. Le personnel clinicien avait la responsabilité de savoir où étaient stockés les différents ensembles de données et de rassembler ces données afin d'obtenir une vue complète et précise du patient. L'allègement de cette charge administrative est la priorité absolue des sociétés de technologie pour le secteur de la santé, car cette charge a contribué à l'épuisement professionnel, à la retraite anticipée et au départ des médecins qui quittent la profession pour d'autres postes moins stressants. Les agents d'IA pourraient contribuer à alléger cette charge, ainsi qu'à réduire les erreurs de diagnostic, en permettant aux médecins de s'engager davantage auprès des patients, en améliorant les résultats en matière de santé et en contribuant à une rémunération opportune des médecins pour les services qu'ils fournissent.

Amélioration de l'expérience patient et de l'expérience clinique grâce à Oracle

Avec l'acquisition du développeur de DSN Cerner, Oracle a élargi son portefeuille déjà substantiel de produits et services technologiques pour le secteur de la santé, qui est renforcé par son expertise approfondie en matière d'IA, de gestion des données, d'applications et d'infrastructures infonuagiques. Oracle Health Agent d'IA clinique peut aider à chaque étape du cycle de vie du patient, depuis l'accueil initial jusqu'au suivi clinique. En automatisant l'ensemble du processus de documentation et en synchronisant les données avec le DSN du patient, l'agent d'IA peut contribuer à optimiser l'expérience patient et à améliorer les diagnostics et les traitements.

Foire aux questions sur les agents d'IA pour les soins de santé

Comment l'IA sera-t-elle utilisée dans les soins de santé ?
Bien que rien ne puisse remplacer les connaissances, l'expérience et l'intuition d'un médecin talentueux, l'IA peut devenir un assistant de confiance en automatisant la planification, l'admission et d'autres processus administratifs, en résumant les détails des examens, en aidant à établir des diagnostics et des traitements, et à gérer le suivi des patients.

Quels sont les outils d'IA utilisés dans les soins de santé ?
Les outils d'IA les plus courants jusqu'à présent sont des assistants fondés sur l'IA générative qui peuvent aider à améliorer la précision et la rapidité de la documentation et à réduire les charges administratives du personnel clinicien.

Quels sont les types d'agents d'IA ?
Parmi les types d'agents IA, on peut citer les agents réflexes simples, qui réagissent aux données sans tenir compte du contexte général ; les agents réflexes fondés sur un modèle, qui utilisent un modèle de l'environnement lié à leur fonction pour évaluer les effets des actions avant de formuler une recommandation ; les agents fondés sur des objectifs, qui prennent en compte les objectifs à long terme et formulent des recommandations en fonction de ces informations ; les agents fondés sur l'utilité, qui remplissent une fonction unique ; et les agents d'apprentissage, qui ajustent leurs performances au fil du temps en fonction des interactions avec les utilisateurs.

Quelle est l'IA la plus courante dans les soins de santé ?
L'IA commence à assumer de nombreuses fonctions dans les organisations de soins de santé, mais parmi les plus courantes figurent l'analyse des résultats de laboratoire, le résumé de rendez-vous et l'interprétation de formulaires papier et d'images numérisées telles que les radiographies et les tomodensitogrammes.