‧
read
Trois points à retenir :
Les perspectives pour les sciences de la vie : comment les nouvelles technologies vont stimuler la croissance du secteur1. Les perspectives pour les sciences de la vie : comment les nouvelles technologies vont stimuler la croissance du secteur
Intelligence artificielle : les principaux axes de progrès pour les sciences de la vie
Les risques émergents et leur impact sur les secteurs associés, dont l’assurance
Les sciences de la vie sont en constante évolution et l’avènement de l’intelligence artificielle et d’autres technologies de pointe va remodeler l’approche du secteur de la santé qui place le patient au cœur des démarches. Qu’il s’agisse d’optimiser les essais cliniques ou d’améliorer la conception des médicaments et des dispositifs médicaux, les innovations actuelles sont porteuses de bouleversements nombreux et prometteurs.
Mais quelles seront les répercussions sur le secteur de l’assurance ? Quelles seront les implications pour le marché ? Quels seront les nouveaux risques et les nouvelles opportunités ?
Les perspectives pour les sciences de la vie : comment les nouvelles technologies vont stimuler la croissance du secteur1. Les perspectives pour les sciences de la vie : comment les nouvelles technologies vont stimuler la croissance du secteur
Intelligence artificielle : les principaux axes de progrès pour les sciences de la vie
Les risques émergents et leur impact sur les secteurs associés, dont l’assurance
Les sciences de la vie sont en constante évolution et l’avènement de l’intelligence artificielle et d’autres technologies de pointe va remodeler l’approche du secteur de la santé qui place le patient au cœur des démarches. Qu’il s’agisse d’optimiser les essais cliniques ou d’améliorer la conception des médicaments et des dispositifs médicaux, les innovations actuelles sont porteuses de bouleversements nombreux et prometteurs.
Mais quelles seront les répercussions sur le secteur de l’assurance ? Quelles seront les implications pour le marché ? Quels seront les nouveaux risques et les nouvelles opportunités ?
Qu’est-ce que le secteur des sciences de la vie ?
Le secteur des sciences de la vie est l’un des principaux secteurs de l’économie mondiale. « Les sciences de la vie » utilisent la biologie et les technologies pour améliorer la santé humaine ou animale. Sous cette appellation, on trouve la biotechnologie, les produits pharmaceutiques, les dispositifs médicaux, les technologies de l’information appliquées à la santé et les alicaments.
La discipline comprend également les structures de recherche, les fabricants, les distributeurs et les acteurs du diagnostic.
Le secteur des sciences de la vie est l’un des principaux secteurs de l’économie mondiale. « Les sciences de la vie » utilisent la biologie et les technologies pour améliorer la santé humaine ou animale. Sous cette appellation, on trouve la biotechnologie, les produits pharmaceutiques, les dispositifs médicaux, les technologies de l’information appliquées à la santé et les alicaments.
La discipline comprend également les structures de recherche, les fabricants, les distributeurs et les acteurs du diagnostic.
Une tendance prometteuse
L’intégration de l’intelligence artificielle (IA) et d’autres technologies de pointe va remodeler le secteur de la santé, notamment l’approche qui place le patient au centre des démarches. Plusieurs facteurs contribuent au développement de l’IA dans les sciences de la vie : les données de santé sont davantage disponibles ; les algorithmes ont réalisé des progrès importants ; des besoins médicaux jusqu’alors ignorés peuvent désormais être satisfaits, ce qui devient même une nécessité politique et morale.
Depuis quelques décennies, on dispose de plus en plus de données sur la santé. Les mécanismes de recueil des données évoluent sans cesse, grâce notamment aux dossiers médicaux électroniques, au séquençage génomique, à l’imagerie médicale et aux capteurs portables. Les chercheurs et les praticiens peuvent ainsi mieux comprendre les maladies, les traitements potentiels et les réactions des patients à ces traitements. Il n’est pas simple d’analyser un volume de données sans cesse croissant mais l’IA est en passe d’apporter des solutions innovantes.
Les algorithmes d’apprentissage automatique ont réalisé des progrès considérables ces dernières années. Ils permettent aux ordinateurs non seulement d’analyser des données mais aussi d’effectuer des prévisions et de prendre des décisions sans programmation formelle. Les récentes itérations d’outils d’IA générative comme ChatGPT en sont un exemple. Les algorithmes d’IA sont capables aujourd’hui d’analyser d’importants volumes de données avec une vitesse et une précision phénoménales, et de découvrir des modèles ou des corrélations difficilement perceptibles par des humains. Ces progrès ouvrent de nouvelles possibilités dans le domaine des sciences de la vie, notamment pour la découverte de médicaments, les essais cliniques, la médecine personnalisée ou encore l’élaboration de dispositifs médicaux sur mesure.
Les algorithmes peuvent analyser de grandes quantités de données avec une vitesse et une précision phénoménales
Fig. 1 : Les avantages attendus de l’intégration de l’IA aux sciences de la vie
L’intégration de l’intelligence artificielle (IA) et d’autres technologies de pointe va remodeler le secteur de la santé, notamment l’approche qui place le patient au centre des démarches. Plusieurs facteurs contribuent au développement de l’IA dans les sciences de la vie : les données de santé sont davantage disponibles ; les algorithmes ont réalisé des progrès importants ; des besoins médicaux jusqu’alors ignorés peuvent désormais être satisfaits, ce qui devient même une nécessité politique et morale.
Depuis quelques décennies, on dispose de plus en plus de données sur la santé. Les mécanismes de recueil des données évoluent sans cesse, grâce notamment aux dossiers médicaux électroniques, au séquençage génomique, à l’imagerie médicale et aux capteurs portables. Les chercheurs et les praticiens peuvent ainsi mieux comprendre les maladies, les traitements potentiels et les réactions des patients à ces traitements. Il n’est pas simple d’analyser un volume de données sans cesse croissant mais l’IA est en passe d’apporter des solutions innovantes.
Les algorithmes d’apprentissage automatique ont réalisé des progrès considérables ces dernières années. Ils permettent aux ordinateurs non seulement d’analyser des données mais aussi d’effectuer des prévisions et de prendre des décisions sans programmation formelle. Les récentes itérations d’outils d’IA générative comme ChatGPT en sont un exemple. Les algorithmes d’IA sont capables aujourd’hui d’analyser d’importants volumes de données avec une vitesse et une précision phénoménales, et de découvrir des modèles ou des corrélations difficilement perceptibles par des humains. Ces progrès ouvrent de nouvelles possibilités dans le domaine des sciences de la vie, notamment pour la découverte de médicaments, les essais cliniques, la médecine personnalisée ou encore l’élaboration de dispositifs médicaux sur mesure.
Les algorithmes peuvent analyser de grandes quantités de données avec une vitesse et une précision phénoménales
Fig. 1 : Les avantages attendus de l’intégration de l’IA aux sciences de la vie
L’intégration de l’IA remet en question le rôle des instances de régulation, qui manquent parfois de rapidité ou de cohérence quand elles doivent créer ou ajuster des réglementations d’un marché à l’autre. Le rôle du patient lui-même évolue, aussi bien dans la conception du médicament que de l’accès aux soins, et ce nouveau type d’approche modifiera l’exposition aux risques.
Principales avancées par domaine
Nouveaux médicaments
L’IA pourrait permettre de réduire les délais et les coûts de mise sur le marché de nouveaux traitements, tout en augmentant leurs chances de réussite.
En règle générale, le parcours entre la découverte d’un médicament et son autorisation de mise sur le marché est caractérisé par des délais très longs, des coûts énormes et des taux d’échec importants. Selon plusieurs sources, le coût de mise sur le marché d’un nouveau médicament dépasse souvent le milliard de dollars, et le délai moyen de mise au point se situe entre 10 et 15 ans.
Mais l’intégration de l’IA va changer la donne. Les plateformes de découverte de médicaments s’appuyant sur l’IA utilisent des algorithmes sophistiqués. Elles peuvent ainsi analyser d’immenses bibliothèques de structures moléculaires, prévoir le comportement biologique des candidats médicaments et optimiser leurs propriétés chimiques pour plus de sécurité et d’efficacité. Grâce à ces plateformes, les chercheurs peuvent détecter plus efficacement les candidats médicaments prometteurs, se focaliser sur les principaux composés en vue d’une évaluation plus poussée et accélérer les phases de développement préclinique et clinique.
Nouveaux médicaments
L’IA pourrait permettre de réduire les délais et les coûts de mise sur le marché de nouveaux traitements, tout en augmentant leurs chances de réussite.
En règle générale, le parcours entre la découverte d’un médicament et son autorisation de mise sur le marché est caractérisé par des délais très longs, des coûts énormes et des taux d’échec importants. Selon plusieurs sources, le coût de mise sur le marché d’un nouveau médicament dépasse souvent le milliard de dollars, et le délai moyen de mise au point se situe entre 10 et 15 ans.
Mais l’intégration de l’IA va changer la donne. Les plateformes de découverte de médicaments s’appuyant sur l’IA utilisent des algorithmes sophistiqués. Elles peuvent ainsi analyser d’immenses bibliothèques de structures moléculaires, prévoir le comportement biologique des candidats médicaments et optimiser leurs propriétés chimiques pour plus de sécurité et d’efficacité. Grâce à ces plateformes, les chercheurs peuvent détecter plus efficacement les candidats médicaments prometteurs, se focaliser sur les principaux composés en vue d’une évaluation plus poussée et accélérer les phases de développement préclinique et clinique.
Essais cliniques
L’IA a également le potentiel de révolutionner les essais cliniques qui rencontrent souvent des goulots d’étranglement tels que des retards dans le recrutement, des protocoles inefficaces ou encore des coûts élevés. D’après un article du magazine Nature paru en mars 2024, au cours des 60 dernières années, le nombre de médicaments approuvés aux États-Unis pour chaque milliard de dollars dépensé en recherche et développement a été divisé par deux tous les neuf ans. On observe des scénarios similaires dans d’autres marchés, par exemple en Europe, où la bureaucratie et les difficultés opérationnelles se conjuguent pour maintenir des coûts élevés sur les essais cliniques et, plus généralement, sur le développement des médicaments.
Grâce aux analyses s’appuyant sur l’IA, les chercheurs peuvent améliorer leurs stratégies de recrutement des patients, détecter plus efficacement les candidats adéquats et optimiser les protocoles d’essai pour obtenir des résultats plus fiables, plus rapidement.
System.AggregateException: One or more errors occurred. (Value cannot be null. (Parameter 'input')) ---> System.ArgumentNullException: Value cannot be null. (Parameter 'input') at System.Text.RegularExpressions.ThrowHelper.ThrowArgumentNullException(ExceptionArgument arg) at System.Text.RegularExpressions.Regex.Matches(String input) at Umbraco.Cms.Core.Templates.HtmlLocalLinkParser.FindLocalLinkIds(String text)+MoveNext() at Umbraco.Cms.Core.Templates.HtmlLocalLinkParser.EnsureInternalLinks(String text) at Umbraco.Cms.Core.Templates.HtmlLocalLinkParser.EnsureInternalLinks(String text, Boolean preview) at Umbraco.Cms.Core.PropertyEditors.ValueConverters.RteMacroRenderingValueConverter.Convert(Object source, Boolean preview) at Umbraco.Cms.Core.PropertyEditors.ValueConverters.RteMacroRenderingValueConverter.ConvertIntermediateToObject(IPublishedElement owner, IPublishedPropertyType propertyType, PropertyCacheLevel referenceCacheLevel, Object inter, Boolean preview) at QBEEurope.Core.ValueConverters.GlobalVariablesValueConverter`1.ConvertIntermediateToObject(IPublishedElement owner, IPublishedPropertyType propertyType, PropertyCacheLevel referenceCacheLevel, Object inter, Boolean preview) in C:\a\1\s\PublicWebsiteNew.UI\QBEEurope.Core\ValueConverters\GlobalVariablesValueConverter.cs:line 99 at Umbraco.Cms.Core.Models.PublishedContent.PublishedPropertyType.ConvertInterToObject(IPublishedElement owner, PropertyCacheLevel referenceCacheLevel, Object inter, Boolean preview) at Our.Umbraco.DocTypeGridEditor.Models.DetachedPublishedProperty.<.ctor>b__7_1() at System.Lazy`1.ViaFactory(LazyThreadSafetyMode mode) at System.Lazy`1.ExecutionAndPublication(LazyHelper executionAndPublication, Boolean useDefaultConstructor) at System.Lazy`1.CreateValue() at System.Lazy`1.get_Value() at Our.Umbraco.DocTypeGridEditor.Models.DetachedPublishedProperty.get_Value() at Our.Umbraco.DocTypeGridEditor.Models.DetachedPublishedProperty.GetValue(String culture, String segment) at Umbraco.Extensions.PublishedPropertyExtension.Value[T](IPublishedProperty property, IPublishedValueFallback publishedValueFallback, String culture, String segment, Fallback fallback, T defaultValue) at Umbraco.Extensions.PublishedElementExtensions.Value[T](IPublishedElement content, IPublishedValueFallback publishedValueFallback, String alias, String culture, String segment, Fallback fallback, T defaultValue) at Umbraco.Extensions.FriendlyPublishedElementExtensions.Value[T](IPublishedElement content, String alias, String culture, String segment, Fallback fallback, T defaultValue) at AspNetCoreGeneratedDocument.Views_Partials_grid_editors_DocTypeGridEditor_T26FullpageInfographicModule.ExecuteAsync() at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderPageCoreAsync(IRazorPage page, ViewContext context) at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderPageAsync(IRazorPage page, ViewContext context, Boolean invokeViewStarts) at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderAsync(ViewContext context) at Microsoft.AspNetCore.Mvc.ViewComponents.ViewViewComponentResult.ExecuteAsync(ViewComponentContext context) at Microsoft.AspNetCore.Mvc.ViewComponents.DefaultViewComponentInvoker.InvokeAsync(ViewComponentContext context) at Microsoft.AspNetCore.Mvc.ViewComponents.DefaultViewComponentHelper.InvokeCoreAsync(ViewComponentDescriptor descriptor, Object arguments) --- End of inner exception stack trace --- at System.Threading.Tasks.Task.ThrowIfExceptional(Boolean includeTaskCanceledExceptions) at System.Threading.Tasks.Task`1.GetResultCore(Boolean waitCompletionNotification) at System.Threading.Tasks.Task`1.get_Result() at Our.Umbraco.DocTypeGridEditor.Helpers.DocTypeGridEditorHelper.RenderDocTypeGridEditorItem(IViewComponentHelper helper, IHtmlHelper htmlHelper, IPublishedElement content, String editorAlias, String viewPath, String previewViewPath, Boolean isPreview) at Our.Umbraco.DocTypeGridEditor.Helpers.DocTypeGridEditorHelper.RenderDocTypeGridEditorItem(IViewComponentHelper helper, IHtmlHelper htmlHelper, Object model) at AspNetCoreGeneratedDocument.App_Plugins_DocTypeGridEditor_Render_DocTypeGridEditor.ExecuteAsync() at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderPageCoreAsync(IRazorPage page, ViewContext context) at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderPageAsync(IRazorPage page, ViewContext context, Boolean invokeViewStarts) at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderAsync(ViewContext context) at Microsoft.AspNetCore.Mvc.ViewFeatures.HtmlHelper.RenderPartialCoreAsync(String partialViewName, Object model, ViewDataDictionary viewData, TextWriter writer) at Microsoft.AspNetCore.Mvc.ViewFeatures.HtmlHelper.PartialAsync(String partialViewName, Object model, ViewDataDictionary viewData) at AspNetCoreGeneratedDocument.Views_Partials_grid_editors_base.ExecuteAsync()
System.AggregateException: One or more errors occurred. (Value cannot be null. (Parameter 'input')) ---> System.ArgumentNullException: Value cannot be null. (Parameter 'input') at System.Text.RegularExpressions.ThrowHelper.ThrowArgumentNullException(ExceptionArgument arg) at System.Text.RegularExpressions.Regex.Matches(String input) at Umbraco.Cms.Core.Templates.HtmlLocalLinkParser.FindLocalLinkIds(String text)+MoveNext() at Umbraco.Cms.Core.Templates.HtmlLocalLinkParser.EnsureInternalLinks(String text) at Umbraco.Cms.Core.Templates.HtmlLocalLinkParser.EnsureInternalLinks(String text, Boolean preview) at Umbraco.Cms.Core.PropertyEditors.ValueConverters.RteMacroRenderingValueConverter.Convert(Object source, Boolean preview) at Umbraco.Cms.Core.PropertyEditors.ValueConverters.RteMacroRenderingValueConverter.ConvertIntermediateToObject(IPublishedElement owner, IPublishedPropertyType propertyType, PropertyCacheLevel referenceCacheLevel, Object inter, Boolean preview) at QBEEurope.Core.ValueConverters.GlobalVariablesValueConverter`1.ConvertIntermediateToObject(IPublishedElement owner, IPublishedPropertyType propertyType, PropertyCacheLevel referenceCacheLevel, Object inter, Boolean preview) in C:\a\1\s\PublicWebsiteNew.UI\QBEEurope.Core\ValueConverters\GlobalVariablesValueConverter.cs:line 99 at Umbraco.Cms.Core.Models.PublishedContent.PublishedPropertyType.ConvertInterToObject(IPublishedElement owner, PropertyCacheLevel referenceCacheLevel, Object inter, Boolean preview) at Our.Umbraco.DocTypeGridEditor.Models.DetachedPublishedProperty.<.ctor>b__7_1() at System.Lazy`1.ViaFactory(LazyThreadSafetyMode mode) at System.Lazy`1.ExecutionAndPublication(LazyHelper executionAndPublication, Boolean useDefaultConstructor) at System.Lazy`1.CreateValue() at System.Lazy`1.get_Value() at Our.Umbraco.DocTypeGridEditor.Models.DetachedPublishedProperty.get_Value() at Our.Umbraco.DocTypeGridEditor.Models.DetachedPublishedProperty.GetValue(String culture, String segment) at Umbraco.Extensions.PublishedPropertyExtension.Value[T](IPublishedProperty property, IPublishedValueFallback publishedValueFallback, String culture, String segment, Fallback fallback, T defaultValue) at Umbraco.Extensions.PublishedElementExtensions.Value[T](IPublishedElement content, IPublishedValueFallback publishedValueFallback, String alias, String culture, String segment, Fallback fallback, T defaultValue) at Umbraco.Extensions.FriendlyPublishedElementExtensions.Value[T](IPublishedElement content, String alias, String culture, String segment, Fallback fallback, T defaultValue) at AspNetCoreGeneratedDocument.Views_Partials_grid_editors_DocTypeGridEditor_T26FullpageInfographicModule.ExecuteAsync() at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderPageCoreAsync(IRazorPage page, ViewContext context) at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderPageAsync(IRazorPage page, ViewContext context, Boolean invokeViewStarts) at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderAsync(ViewContext context) at Microsoft.AspNetCore.Mvc.ViewComponents.ViewViewComponentResult.ExecuteAsync(ViewComponentContext context) at Microsoft.AspNetCore.Mvc.ViewComponents.DefaultViewComponentInvoker.InvokeAsync(ViewComponentContext context) at Microsoft.AspNetCore.Mvc.ViewComponents.DefaultViewComponentHelper.InvokeCoreAsync(ViewComponentDescriptor descriptor, Object arguments) --- End of inner exception stack trace --- at System.Threading.Tasks.Task.ThrowIfExceptional(Boolean includeTaskCanceledExceptions) at System.Threading.Tasks.Task`1.GetResultCore(Boolean waitCompletionNotification) at System.Threading.Tasks.Task`1.get_Result() at Our.Umbraco.DocTypeGridEditor.Helpers.DocTypeGridEditorHelper.RenderDocTypeGridEditorItem(IViewComponentHelper helper, IHtmlHelper htmlHelper, IPublishedElement content, String editorAlias, String viewPath, String previewViewPath, Boolean isPreview) at Our.Umbraco.DocTypeGridEditor.Helpers.DocTypeGridEditorHelper.RenderDocTypeGridEditorItem(IViewComponentHelper helper, IHtmlHelper htmlHelper, Object model) at AspNetCoreGeneratedDocument.App_Plugins_DocTypeGridEditor_Render_DocTypeGridEditor.ExecuteAsync() at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderPageCoreAsync(IRazorPage page, ViewContext context) at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderPageAsync(IRazorPage page, ViewContext context, Boolean invokeViewStarts) at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderAsync(ViewContext context) at Microsoft.AspNetCore.Mvc.ViewFeatures.HtmlHelper.RenderPartialCoreAsync(String partialViewName, Object model, ViewDataDictionary viewData, TextWriter writer) at Microsoft.AspNetCore.Mvc.ViewFeatures.HtmlHelper.PartialAsync(String partialViewName, Object model, ViewDataDictionary viewData) at AspNetCoreGeneratedDocument.Views_Partials_grid_editors_base.ExecuteAsync()
La modélisation prédictive basée sur l’IA pourrait également aider les chercheurs à mieux anticiper les taux d’abandon des patients, à optimiser les critères d’évaluation des essais et à déterminer les biomarqueurs de la réponse thérapeutique. Ainsi, les décisions pourraient être prises en toute connaissance de cause tout au long de l’essai clinique. Enfin, les essais cliniques virtuels pilotés par l’IA et s’appuyant sur des données réelles et des critères numériques peuvent simplifier la logistique des essais, réduire les coûts et améliorer l’implication des participants.
Fig.2 : Nombre de mentions de l’IA dans les essais cliniques et les études sur de nouveaux médicaments
Essais cliniques
L’IA a également le potentiel de révolutionner les essais cliniques qui rencontrent souvent des goulots d’étranglement tels que des retards dans le recrutement, des protocoles inefficaces ou encore des coûts élevés. D’après un article du magazine Nature paru en mars 2024, au cours des 60 dernières années, le nombre de médicaments approuvés aux États-Unis pour chaque milliard de dollars dépensé en recherche et développement a été divisé par deux tous les neuf ans. On observe des scénarios similaires dans d’autres marchés, par exemple en Europe, où la bureaucratie et les difficultés opérationnelles se conjuguent pour maintenir des coûts élevés sur les essais cliniques et, plus généralement, sur le développement des médicaments.
Grâce aux analyses s’appuyant sur l’IA, les chercheurs peuvent améliorer leurs stratégies de recrutement des patients, détecter plus efficacement les candidats adéquats et optimiser les protocoles d’essai pour obtenir des résultats plus fiables, plus rapidement.
System.AggregateException: One or more errors occurred. (Value cannot be null. (Parameter 'input')) ---> System.ArgumentNullException: Value cannot be null. (Parameter 'input') at System.Text.RegularExpressions.ThrowHelper.ThrowArgumentNullException(ExceptionArgument arg) at System.Text.RegularExpressions.Regex.Matches(String input) at Umbraco.Cms.Core.Templates.HtmlLocalLinkParser.FindLocalLinkIds(String text)+MoveNext() at Umbraco.Cms.Core.Templates.HtmlLocalLinkParser.EnsureInternalLinks(String text) at Umbraco.Cms.Core.Templates.HtmlLocalLinkParser.EnsureInternalLinks(String text, Boolean preview) at Umbraco.Cms.Core.PropertyEditors.ValueConverters.RteMacroRenderingValueConverter.Convert(Object source, Boolean preview) at Umbraco.Cms.Core.PropertyEditors.ValueConverters.RteMacroRenderingValueConverter.ConvertIntermediateToObject(IPublishedElement owner, IPublishedPropertyType propertyType, PropertyCacheLevel referenceCacheLevel, Object inter, Boolean preview) at QBEEurope.Core.ValueConverters.GlobalVariablesValueConverter`1.ConvertIntermediateToObject(IPublishedElement owner, IPublishedPropertyType propertyType, PropertyCacheLevel referenceCacheLevel, Object inter, Boolean preview) in C:\a\1\s\PublicWebsiteNew.UI\QBEEurope.Core\ValueConverters\GlobalVariablesValueConverter.cs:line 99 at Umbraco.Cms.Core.Models.PublishedContent.PublishedPropertyType.ConvertInterToObject(IPublishedElement owner, PropertyCacheLevel referenceCacheLevel, Object inter, Boolean preview) at Our.Umbraco.DocTypeGridEditor.Models.DetachedPublishedProperty.<.ctor>b__7_1() at System.Lazy`1.ViaFactory(LazyThreadSafetyMode mode) at System.Lazy`1.ExecutionAndPublication(LazyHelper executionAndPublication, Boolean useDefaultConstructor) at System.Lazy`1.CreateValue() at System.Lazy`1.get_Value() at Our.Umbraco.DocTypeGridEditor.Models.DetachedPublishedProperty.get_Value() at Our.Umbraco.DocTypeGridEditor.Models.DetachedPublishedProperty.GetValue(String culture, String segment) at Umbraco.Extensions.PublishedPropertyExtension.Value[T](IPublishedProperty property, IPublishedValueFallback publishedValueFallback, String culture, String segment, Fallback fallback, T defaultValue) at Umbraco.Extensions.PublishedElementExtensions.Value[T](IPublishedElement content, IPublishedValueFallback publishedValueFallback, String alias, String culture, String segment, Fallback fallback, T defaultValue) at Umbraco.Extensions.FriendlyPublishedElementExtensions.Value[T](IPublishedElement content, String alias, String culture, String segment, Fallback fallback, T defaultValue) at AspNetCoreGeneratedDocument.Views_Partials_grid_editors_DocTypeGridEditor_T26FullpageInfographicModule.ExecuteAsync() at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderPageCoreAsync(IRazorPage page, ViewContext context) at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderPageAsync(IRazorPage page, ViewContext context, Boolean invokeViewStarts) at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderAsync(ViewContext context) at Microsoft.AspNetCore.Mvc.ViewComponents.ViewViewComponentResult.ExecuteAsync(ViewComponentContext context) at Microsoft.AspNetCore.Mvc.ViewComponents.DefaultViewComponentInvoker.InvokeAsync(ViewComponentContext context) at Microsoft.AspNetCore.Mvc.ViewComponents.DefaultViewComponentHelper.InvokeCoreAsync(ViewComponentDescriptor descriptor, Object arguments) --- End of inner exception stack trace --- at System.Threading.Tasks.Task.ThrowIfExceptional(Boolean includeTaskCanceledExceptions) at System.Threading.Tasks.Task`1.GetResultCore(Boolean waitCompletionNotification) at System.Threading.Tasks.Task`1.get_Result() at Our.Umbraco.DocTypeGridEditor.Helpers.DocTypeGridEditorHelper.RenderDocTypeGridEditorItem(IViewComponentHelper helper, IHtmlHelper htmlHelper, IPublishedElement content, String editorAlias, String viewPath, String previewViewPath, Boolean isPreview) at Our.Umbraco.DocTypeGridEditor.Helpers.DocTypeGridEditorHelper.RenderDocTypeGridEditorItem(IViewComponentHelper helper, IHtmlHelper htmlHelper, Object model) at AspNetCoreGeneratedDocument.App_Plugins_DocTypeGridEditor_Render_DocTypeGridEditor.ExecuteAsync() at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderPageCoreAsync(IRazorPage page, ViewContext context) at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderPageAsync(IRazorPage page, ViewContext context, Boolean invokeViewStarts) at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderAsync(ViewContext context) at Microsoft.AspNetCore.Mvc.ViewFeatures.HtmlHelper.RenderPartialCoreAsync(String partialViewName, Object model, ViewDataDictionary viewData, TextWriter writer) at Microsoft.AspNetCore.Mvc.ViewFeatures.HtmlHelper.PartialAsync(String partialViewName, Object model, ViewDataDictionary viewData) at AspNetCoreGeneratedDocument.Views_Partials_grid_editors_base.ExecuteAsync()
System.AggregateException: One or more errors occurred. (Value cannot be null. (Parameter 'input')) ---> System.ArgumentNullException: Value cannot be null. (Parameter 'input') at System.Text.RegularExpressions.ThrowHelper.ThrowArgumentNullException(ExceptionArgument arg) at System.Text.RegularExpressions.Regex.Matches(String input) at Umbraco.Cms.Core.Templates.HtmlLocalLinkParser.FindLocalLinkIds(String text)+MoveNext() at Umbraco.Cms.Core.Templates.HtmlLocalLinkParser.EnsureInternalLinks(String text) at Umbraco.Cms.Core.Templates.HtmlLocalLinkParser.EnsureInternalLinks(String text, Boolean preview) at Umbraco.Cms.Core.PropertyEditors.ValueConverters.RteMacroRenderingValueConverter.Convert(Object source, Boolean preview) at Umbraco.Cms.Core.PropertyEditors.ValueConverters.RteMacroRenderingValueConverter.ConvertIntermediateToObject(IPublishedElement owner, IPublishedPropertyType propertyType, PropertyCacheLevel referenceCacheLevel, Object inter, Boolean preview) at QBEEurope.Core.ValueConverters.GlobalVariablesValueConverter`1.ConvertIntermediateToObject(IPublishedElement owner, IPublishedPropertyType propertyType, PropertyCacheLevel referenceCacheLevel, Object inter, Boolean preview) in C:\a\1\s\PublicWebsiteNew.UI\QBEEurope.Core\ValueConverters\GlobalVariablesValueConverter.cs:line 99 at Umbraco.Cms.Core.Models.PublishedContent.PublishedPropertyType.ConvertInterToObject(IPublishedElement owner, PropertyCacheLevel referenceCacheLevel, Object inter, Boolean preview) at Our.Umbraco.DocTypeGridEditor.Models.DetachedPublishedProperty.<.ctor>b__7_1() at System.Lazy`1.ViaFactory(LazyThreadSafetyMode mode) at System.Lazy`1.ExecutionAndPublication(LazyHelper executionAndPublication, Boolean useDefaultConstructor) at System.Lazy`1.CreateValue() at System.Lazy`1.get_Value() at Our.Umbraco.DocTypeGridEditor.Models.DetachedPublishedProperty.get_Value() at Our.Umbraco.DocTypeGridEditor.Models.DetachedPublishedProperty.GetValue(String culture, String segment) at Umbraco.Extensions.PublishedPropertyExtension.Value[T](IPublishedProperty property, IPublishedValueFallback publishedValueFallback, String culture, String segment, Fallback fallback, T defaultValue) at Umbraco.Extensions.PublishedElementExtensions.Value[T](IPublishedElement content, IPublishedValueFallback publishedValueFallback, String alias, String culture, String segment, Fallback fallback, T defaultValue) at Umbraco.Extensions.FriendlyPublishedElementExtensions.Value[T](IPublishedElement content, String alias, String culture, String segment, Fallback fallback, T defaultValue) at AspNetCoreGeneratedDocument.Views_Partials_grid_editors_DocTypeGridEditor_T26FullpageInfographicModule.ExecuteAsync() at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderPageCoreAsync(IRazorPage page, ViewContext context) at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderPageAsync(IRazorPage page, ViewContext context, Boolean invokeViewStarts) at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderAsync(ViewContext context) at Microsoft.AspNetCore.Mvc.ViewComponents.ViewViewComponentResult.ExecuteAsync(ViewComponentContext context) at Microsoft.AspNetCore.Mvc.ViewComponents.DefaultViewComponentInvoker.InvokeAsync(ViewComponentContext context) at Microsoft.AspNetCore.Mvc.ViewComponents.DefaultViewComponentHelper.InvokeCoreAsync(ViewComponentDescriptor descriptor, Object arguments) --- End of inner exception stack trace --- at System.Threading.Tasks.Task.ThrowIfExceptional(Boolean includeTaskCanceledExceptions) at System.Threading.Tasks.Task`1.GetResultCore(Boolean waitCompletionNotification) at System.Threading.Tasks.Task`1.get_Result() at Our.Umbraco.DocTypeGridEditor.Helpers.DocTypeGridEditorHelper.RenderDocTypeGridEditorItem(IViewComponentHelper helper, IHtmlHelper htmlHelper, IPublishedElement content, String editorAlias, String viewPath, String previewViewPath, Boolean isPreview) at Our.Umbraco.DocTypeGridEditor.Helpers.DocTypeGridEditorHelper.RenderDocTypeGridEditorItem(IViewComponentHelper helper, IHtmlHelper htmlHelper, Object model) at AspNetCoreGeneratedDocument.App_Plugins_DocTypeGridEditor_Render_DocTypeGridEditor.ExecuteAsync() at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderPageCoreAsync(IRazorPage page, ViewContext context) at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderPageAsync(IRazorPage page, ViewContext context, Boolean invokeViewStarts) at Microsoft.AspNetCore.Mvc.Razor.RazorView.RenderAsync(ViewContext context) at Microsoft.AspNetCore.Mvc.ViewFeatures.HtmlHelper.RenderPartialCoreAsync(String partialViewName, Object model, ViewDataDictionary viewData, TextWriter writer) at Microsoft.AspNetCore.Mvc.ViewFeatures.HtmlHelper.PartialAsync(String partialViewName, Object model, ViewDataDictionary viewData) at AspNetCoreGeneratedDocument.Views_Partials_grid_editors_base.ExecuteAsync()
La modélisation prédictive basée sur l’IA pourrait également aider les chercheurs à mieux anticiper les taux d’abandon des patients, à optimiser les critères d’évaluation des essais et à déterminer les biomarqueurs de la réponse thérapeutique. Ainsi, les décisions pourraient être prises en toute connaissance de cause tout au long de l’essai clinique. Enfin, les essais cliniques virtuels pilotés par l’IA et s’appuyant sur des données réelles et des critères numériques peuvent simplifier la logistique des essais, réduire les coûts et améliorer l’implication des participants.
Fig.2 : Nombre de mentions de l’IA dans les essais cliniques et les études sur de nouveaux médicaments
Médecine personnalisée
La médecine évolue progressivement vers des approches personnalisées adaptées au bagage génétique unique de chaque patient, à son mode de vie et aux caractéristiques de la maladie. L’IA va permettre d’analyser d’immenses volumes de données génomiques et de définir les biomarqueurs qui renseigneront sur la prédisposition à la maladie, le pronostic et la réaction au traitement. En s’appuyant sur des dispositifs médicaux de précision pilotés par l’IA, les professionnels de santé seront capables d’optimiser les stratégies thérapeutiques, de minimiser les effets indésirables et d’améliorer les résultats obtenus chez le patient dans un large spectre de spécialités médicales, de l’oncologie à la médecine cardiovasculaire.
À mesure que les capteurs portables, les applications de santé mobiles et les biomarqueurs numériques se généralisent (en particulier dans les économies développées comme l’Europe), les données en temps réel permettent aux patients de gérer certains problèmes de santé avant qu’ils ne deviennent critiques. Les patients peuvent surveiller leurs paramètres physiologiques et bénéficier de recommandations en matière de régime alimentaire, d’exercice physique et de gestion du stress.
Ces systèmes peuvent contribuer à repérer, sous contrôle d’un médecin, les signes précoces de maladie. Le développement concomitant de l’IA et des bases de données génomiques pourra faire progresser les diagnostics, les choix thérapeutiques et les soins préventifs.
Des dispositifs médicaux sur mesure
Les dispositifs médicaux, qui vont des implants aux capteurs portables, sont de plus en plus personnalisés grâce à l’IA. En incorporant des algorithmes d’IA à des techniques de production de pointe comme l’impression 3D, les fabricants peuvent mettre au point des solutions sur mesure adaptées à l’anatomie et aux besoins de chaque patient.
Cette approche personnalisée améliore les performances et la compatibilité des dispositifs ; elle minimise également les risques de complications et accroît la satisfaction des patients. Au bout du compte, elle contribue à rendre les dispositifs plus fiables et plus sûrs, ce qui a un effet sur les enjeux d’assurance.
Médecine personnalisée
La médecine évolue progressivement vers des approches personnalisées adaptées au bagage génétique unique de chaque patient, à son mode de vie et aux caractéristiques de la maladie. L’IA va permettre d’analyser d’immenses volumes de données génomiques et de définir les biomarqueurs qui renseigneront sur la prédisposition à la maladie, le pronostic et la réaction au traitement. En s’appuyant sur des dispositifs médicaux de précision pilotés par l’IA, les professionnels de santé seront capables d’optimiser les stratégies thérapeutiques, de minimiser les effets indésirables et d’améliorer les résultats obtenus chez le patient dans un large spectre de spécialités médicales, de l’oncologie à la médecine cardiovasculaire.
À mesure que les capteurs portables, les applications de santé mobiles et les biomarqueurs numériques se généralisent (en particulier dans les économies développées comme l’Europe), les données en temps réel permettent aux patients de gérer certains problèmes de santé avant qu’ils ne deviennent critiques. Les patients peuvent surveiller leurs paramètres physiologiques et bénéficier de recommandations en matière de régime alimentaire, d’exercice physique et de gestion du stress.
Ces systèmes peuvent contribuer à repérer, sous contrôle d’un médecin, les signes précoces de maladie. Le développement concomitant de l’IA et des bases de données génomiques pourra faire progresser les diagnostics, les choix thérapeutiques et les soins préventifs.
Des dispositifs médicaux sur mesure
Les dispositifs médicaux, qui vont des implants aux capteurs portables, sont de plus en plus personnalisés grâce à l’IA. En incorporant des algorithmes d’IA à des techniques de production de pointe comme l’impression 3D, les fabricants peuvent mettre au point des solutions sur mesure adaptées à l’anatomie et aux besoins de chaque patient.
Cette approche personnalisée améliore les performances et la compatibilité des dispositifs ; elle minimise également les risques de complications et accroît la satisfaction des patients. Au bout du compte, elle contribue à rendre les dispositifs plus fiables et plus sûrs, ce qui a un effet sur les enjeux d’assurance.
Fig.3 : Nombre de dispositifs intégrant l’IA ou un système avec apprentissage automatique approuvés par la FDA de 2013 à 2022
La base de données de la Food and Drug Administration américaine (FDA) révèle que depuis 2020, cet organisme approuve chaque année plus de 100 nouveaux dispositifs médicaux intégrant l’IA et l’apprentissage automatique, contre quelques-uns seulement 10 ans auparavant.
Au cours de l’année passée, l’Agence européenne des médicaments (EMA) a mené une série de consultations publiques sur l’utilisation de l’IA dans le cycle de vie des produits médicaux.
Elle a élaboré des recommandations pour les organisations souhaitant développer de nouveaux dispositifs médicaux intégrant l’IA et l’apprentissage automatique. À mesure que les sauts technologiques stimulent l’offre et la demande dans ce secteur, il est probable que les organismes de régulation se focalisent de plus en plus sur l’IA.
Les implants orthopédiques, par exemple, sont l’un des domaines où la personnalisation progresse rapidement, notamment pour les prothèses de genou et de hanche. En s’appuyant sur des algorithmes d’IA pour analyser des scans réalisés avant l’intervention, les chirurgiens peuvent prévoir avec davantage de précision la taille et le placement des implants. Cette mise en place spécifique à l’anatomie de chaque patient améliore la stabilité des implants. Elle diminue également les complications postopératoires, telles qu’un descellement ou un défaut d’alignement de la prothèse, tout en améliorant le confort du patient.
En outre, la personnalisation pilotée par l’IA permet de concevoir des implants à géométrie complexe, améliorant ainsi leur intégration et leur durée de vie.
Au Royaume-Uni, des chercheurs associés au National Health Service (NHS) ont publié ces deux dernières années plusieurs études pour évaluer le potentiel de l’IA dans un ensemble de domaines, notamment l’orthopédie. En février 2023, le NHS a publié ses recommandations sur l’utilisation de l’IA par les professionnels de santé ; le document explique aux patients quelles sauvegardes sont mises en place pour que ces innovations puissent faire progresser les soins en toute sécurité.
Fig.3 : Nombre de dispositifs intégrant l’IA ou un système avec apprentissage automatique approuvés par la FDA de 2013 à 2022
La base de données de la Food and Drug Administration américaine (FDA) révèle que depuis 2020, cet organisme approuve chaque année plus de 100 nouveaux dispositifs médicaux intégrant l’IA et l’apprentissage automatique, contre quelques-uns seulement 10 ans auparavant.
Au cours de l’année passée, l’Agence européenne des médicaments (EMA) a mené une série de consultations publiques sur l’utilisation de l’IA dans le cycle de vie des produits médicaux.
Elle a élaboré des recommandations pour les organisations souhaitant développer de nouveaux dispositifs médicaux intégrant l’IA et l’apprentissage automatique. À mesure que les sauts technologiques stimulent l’offre et la demande dans ce secteur, il est probable que les organismes de régulation se focalisent de plus en plus sur l’IA.
Les implants orthopédiques, par exemple, sont l’un des domaines où la personnalisation progresse rapidement, notamment pour les prothèses de genou et de hanche. En s’appuyant sur des algorithmes d’IA pour analyser des scans réalisés avant l’intervention, les chirurgiens peuvent prévoir avec davantage de précision la taille et le placement des implants. Cette mise en place spécifique à l’anatomie de chaque patient améliore la stabilité des implants. Elle diminue également les complications postopératoires, telles qu’un descellement ou un défaut d’alignement de la prothèse, tout en améliorant le confort du patient.
En outre, la personnalisation pilotée par l’IA permet de concevoir des implants à géométrie complexe, améliorant ainsi leur intégration et leur durée de vie.
Au Royaume-Uni, des chercheurs associés au National Health Service (NHS) ont publié ces deux dernières années plusieurs études pour évaluer le potentiel de l’IA dans un ensemble de domaines, notamment l’orthopédie. En février 2023, le NHS a publié ses recommandations sur l’utilisation de l’IA par les professionnels de santé ; le document explique aux patients quelles sauvegardes sont mises en place pour que ces innovations puissent faire progresser les soins en toute sécurité.
Les risques
L’intégration de l’IA aura bien évidemment des implications fortes pour les secteurs liés au domaine de la santé, notamment celui de l’assurance. Les polices couvrant le secteur de la santé devront prendre en compte de nouveaux acteurs et de nouveaux risques ; en effet il s’agit d’un domaine où un battage énorme crée des attentes peu réalistes quant au pouvoir de l’IA d’éradiquer ou de maîtriser des maladies.
Avec l’intégration de l’IA, de nouveaux acteurs entrent dans le secteur de la santé, par exemple les entreprises technologiques qui ne sont pas toutes bien au fait des risques spécifiques au domaine médical. Un choc culturel n’est pas à exclure entre l’approche fondamentalement prudente des professionnels de santé et le goût du risque généralement associé aux acteurs technologiques ; un tel choc compliquerait encore davantage une relation déjà en pleine évolution. De plus, l’intégration de l’IA remet en question le rôle d’autres acteurs du secteur, notamment les instances de régulation, qui manquent parfois de rapidité ou de cohérence quand elles doivent créer ou ajuster des réglementations sur l’utilisation de l’IA et ses implications d’un marché à l’autre. Le rôle du patient lui-même évolue, aussi bien dans la conception du médicament que de l’accès aux soins, et ce nouveau type d’approche modifiera l’exposition aux risques.
Parallèlement, avec le déploiement rapide de l’IA, les agissements malveillants pourraient augmenter dans les prochaines années pour manipuler les grands modèles de langage (LLM) ou accéder aux ensembles de données sur lesquels ces modèles s’appuient. Ces facteurs illustrent à eux seuls à quel point les assureurs devront rester agiles face à l’évolution du risque dans le secteur de la santé.
Avec le déploiement rapide de l’IA, les agissements malveillants pourraient augmenter dans les prochaines années
L’intégration de l’IA aura bien évidemment des implications fortes pour les secteurs liés au domaine de la santé, notamment celui de l’assurance. Les polices couvrant le secteur de la santé devront prendre en compte de nouveaux acteurs et de nouveaux risques ; en effet il s’agit d’un domaine où un battage énorme crée des attentes peu réalistes quant au pouvoir de l’IA d’éradiquer ou de maîtriser des maladies.
Avec l’intégration de l’IA, de nouveaux acteurs entrent dans le secteur de la santé, par exemple les entreprises technologiques qui ne sont pas toutes bien au fait des risques spécifiques au domaine médical. Un choc culturel n’est pas à exclure entre l’approche fondamentalement prudente des professionnels de santé et le goût du risque généralement associé aux acteurs technologiques ; un tel choc compliquerait encore davantage une relation déjà en pleine évolution. De plus, l’intégration de l’IA remet en question le rôle d’autres acteurs du secteur, notamment les instances de régulation, qui manquent parfois de rapidité ou de cohérence quand elles doivent créer ou ajuster des réglementations sur l’utilisation de l’IA et ses implications d’un marché à l’autre. Le rôle du patient lui-même évolue, aussi bien dans la conception du médicament que de l’accès aux soins, et ce nouveau type d’approche modifiera l’exposition aux risques.
Parallèlement, avec le déploiement rapide de l’IA, les agissements malveillants pourraient augmenter dans les prochaines années pour manipuler les grands modèles de langage (LLM) ou accéder aux ensembles de données sur lesquels ces modèles s’appuient. Ces facteurs illustrent à eux seuls à quel point les assureurs devront rester agiles face à l’évolution du risque dans le secteur de la santé.
Avec le déploiement rapide de l’IA, les agissements malveillants pourraient augmenter dans les prochaines années
Il existe également des risques de biais importants. Les algorithmes d’IA peuvent reproduire ou même amplifier les biais présents dans les données utilisées pendant leur apprentissage. Ces biais peuvent fausser les résultats et avoir une incidence disproportionnée sur certaines populations. Si, par exemple, les données utilisées pour l’apprentissage manquent de diversité, le modèle d’IA peut alors être moins performant ou générer des prédictions inexactes pour les populations sous-représentées, créant ainsi des inégalités d’accès aux soins.
Par conséquent, les stratégies de gestion des risques doivent prévoir une validation rigoureuse des outils d’IA sur des ensembles de données divers, le dépistage permanent des biais et la mise en oeuvre de mesures correctives pour éliminer ces biais. De plus, pour atténuer les risques éthiques et favoriser la confiance, il est fondamental d’assurer la transparence dans les prises de décision impliquant l’IA. Des acteurs variés doivent participer à la mise au point et au déploiement de ces technologies.
Les instances de régulation comme la FDA (aux États-Unis) et l’EMA (en Europe) vont jouer un rôle crucial dans l’élaboration de recommandations et de normes pour le développement et le déploiement des outils d’IA. Elles devront s’assurer que ces outils répondent à des critères stricts de sécurité et d’efficacité avant d’être autorisés.
Des audits indépendants menés par des équipes d’experts pluridisciplinaires composées d’éthiciens, d’experts en mégadonnées, de cliniciens et de défenseurs des patients, joueront un rôle essentiel pour évaluer les performances de l’IA et ses implications éthiques. Un suivi constant permettra de détecter et de traiter les éventuels problèmes rencontrés après commercialisation, et ainsi de maximiser les avantages de l’intégration de l’IA aux sciences de la vie, tout en minimisant les préjudices potentiels.
Le secteur en est encore au stade expérimental. Il n’existe pas de consensus sur les bonnes pratiques et de nombreuses entreprises en sont encore aux prémices de l’intégration de l’IA. Mais tout comme les avantages, les risques seront probablement de nature nouvelle. Ils pourront aller d’un biais algorithmique entraînant des conséquences néfastes sur un traitement personnalisé, à des défaillances de dispositifs sur mesure. Les assureurs pourront être exposés aux risques d’erreurs de diagnostic ou de traitement suite à l’utilisation de systèmes s’appuyant sur l’IA. Compte tenu du caractère relativement nouveau de ce domaine, ils n’auront pas immédiatement le recul statistique nécessaire pour évaluer avec certitude l’incidence et le coût potentiels de ces risques.
Il existe également des risques de biais importants. Les algorithmes d’IA peuvent reproduire ou même amplifier les biais présents dans les données utilisées pendant leur apprentissage. Ces biais peuvent fausser les résultats et avoir une incidence disproportionnée sur certaines populations. Si, par exemple, les données utilisées pour l’apprentissage manquent de diversité, le modèle d’IA peut alors être moins performant ou générer des prédictions inexactes pour les populations sous-représentées, créant ainsi des inégalités d’accès aux soins.
Par conséquent, les stratégies de gestion des risques doivent prévoir une validation rigoureuse des outils d’IA sur des ensembles de données divers, le dépistage permanent des biais et la mise en oeuvre de mesures correctives pour éliminer ces biais. De plus, pour atténuer les risques éthiques et favoriser la confiance, il est fondamental d’assurer la transparence dans les prises de décision impliquant l’IA. Des acteurs variés doivent participer à la mise au point et au déploiement de ces technologies.
Les instances de régulation comme la FDA (aux États-Unis) et l’EMA (en Europe) vont jouer un rôle crucial dans l’élaboration de recommandations et de normes pour le développement et le déploiement des outils d’IA. Elles devront s’assurer que ces outils répondent à des critères stricts de sécurité et d’efficacité avant d’être autorisés.
Des audits indépendants menés par des équipes d’experts pluridisciplinaires composées d’éthiciens, d’experts en mégadonnées, de cliniciens et de défenseurs des patients, joueront un rôle essentiel pour évaluer les performances de l’IA et ses implications éthiques. Un suivi constant permettra de détecter et de traiter les éventuels problèmes rencontrés après commercialisation, et ainsi de maximiser les avantages de l’intégration de l’IA aux sciences de la vie, tout en minimisant les préjudices potentiels.
Le secteur en est encore au stade expérimental. Il n’existe pas de consensus sur les bonnes pratiques et de nombreuses entreprises en sont encore aux prémices de l’intégration de l’IA. Mais tout comme les avantages, les risques seront probablement de nature nouvelle. Ils pourront aller d’un biais algorithmique entraînant des conséquences néfastes sur un traitement personnalisé, à des défaillances de dispositifs sur mesure. Les assureurs pourront être exposés aux risques d’erreurs de diagnostic ou de traitement suite à l’utilisation de systèmes s’appuyant sur l’IA. Compte tenu du caractère relativement nouveau de ce domaine, ils n’auront pas immédiatement le recul statistique nécessaire pour évaluer avec certitude l’incidence et le coût potentiels de ces risques.
Confidentialité et sécurité des données
L’idée que l’IA puisse bénéficier aux sciences de la vie repose sur une hypothèse : celle que l’IA recueille et traite de vastes quantités de données sensibles. Or les pirates informatiques ciblent déjà les données personnelles et médicales à des fins de fraude ou d’extorsion. Avec un recours accru aux modèles d’IA, le secteur des sciences de la vie, et ses fournisseurs de solutions d’IA, vont attirer encore davantage les acteurs malveillants, ce qui amplifiera probablement les répercussions potentielles des atteintes à la sécurité des données.
La sécurité et la confidentialité des données seront très importantes pour les instances de régulation, les acteurs du secteur et les consommateurs, tout particulièrement dans les domaines utilisant des données sensibles, comme les sciences de la vie. Pour protéger la vie privée des patients, il faudra un cadre solide de gouvernance des données et une surveillance réglementaire fiable. C’est d’ailleurs ce qu’a souligné l’Organisation mondiale de la santé (OMS) dans une recommandation en octobre 2023. Dans la plupart des pays, rien n’indique que ces garde-fous soient déjà en place : les différentes parties prenantes semblent devoir s’adapter à de nouveaux modèles et enjeux.
Les systèmes d’apprentissage automatique entraînés sur des données médicales sensibles peuvent mémoriser par mégarde des informations à caractère personnel. Ce constat suscite des inquiétudes quant à l’anonymisation et à la réidentification des données.
Plus les systèmes d’IA deviennent sophistiqués et capables de traiter des ensembles de données complexes, et plus il existe un risque élevé de désanonymisation : la rétroingénierie permet de désosser les données pour identifier des personnes. Les acteurs disposant d’intérêts dans le secteur de l’IA devront surveiller de près ces évolutions et élaborer des mécanismes de réponse solides. La société civile réclamera une surveillance accrue de ce type d’innovation et le contexte réglementaire sera aussi instable que les risques seront volatiles.
L’intégration de l’IA ne va pas éliminer les risques liés aux erreurs humaines
Confidentialité et sécurité des données
L’idée que l’IA puisse bénéficier aux sciences de la vie repose sur une hypothèse : celle que l’IA recueille et traite de vastes quantités de données sensibles. Or les pirates informatiques ciblent déjà les données personnelles et médicales à des fins de fraude ou d’extorsion. Avec un recours accru aux modèles d’IA, le secteur des sciences de la vie, et ses fournisseurs de solutions d’IA, vont attirer encore davantage les acteurs malveillants, ce qui amplifiera probablement les répercussions potentielles des atteintes à la sécurité des données.
La sécurité et la confidentialité des données seront très importantes pour les instances de régulation, les acteurs du secteur et les consommateurs, tout particulièrement dans les domaines utilisant des données sensibles, comme les sciences de la vie. Pour protéger la vie privée des patients, il faudra un cadre solide de gouvernance des données et une surveillance réglementaire fiable. C’est d’ailleurs ce qu’a souligné l’Organisation mondiale de la santé (OMS) dans une recommandation en octobre 2023. Dans la plupart des pays, rien n’indique que ces garde-fous soient déjà en place : les différentes parties prenantes semblent devoir s’adapter à de nouveaux modèles et enjeux.
Les systèmes d’apprentissage automatique entraînés sur des données médicales sensibles peuvent mémoriser par mégarde des informations à caractère personnel. Ce constat suscite des inquiétudes quant à l’anonymisation et à la réidentification des données.
Plus les systèmes d’IA deviennent sophistiqués et capables de traiter des ensembles de données complexes, et plus il existe un risque élevé de désanonymisation : la rétroingénierie permet de désosser les données pour identifier des personnes. Les acteurs disposant d’intérêts dans le secteur de l’IA devront surveiller de près ces évolutions et élaborer des mécanismes de réponse solides. La société civile réclamera une surveillance accrue de ce type d’innovation et le contexte réglementaire sera aussi instable que les risques seront volatiles.
L’intégration de l’IA ne va pas éliminer les risques liés aux erreurs humaines
Défaillance des dispositifs médicaux
Même si, selon toute probabilité, les résultats produits par l’IA seront de plus en plus fiables comparés à ceux obtenus par des procédures humaines, les erreurs resteront possibles. Par exemple, une tumeur bénigne pourrait être qualifiée à tort de maligne (et vice versa) à cause d’une défaillance d’un logiciel de vision par ordinateur. De même, si un logiciel commettait une erreur d’identification d’un objet pendant une opération chirurgicale, cela pourrait avoir de graves conséquences.
Les équipements pourraient aussi être en cause. Sur un marché de plus en plus concurrentiel, les fabricants s’efforceront de réduire leurs prix et donc leurs coûts. Leurs stratégies d’approvisionnement pourraient privilégier le volume au détriment de la solidité – et créer un risque de fiabilité majeur pour le consommateur final. Certains dispositifs sont d’une grande complexité et contiennent souvent des centaines de pièces différentes. Une seule incompatibilité peut donc engendrer des erreurs dont les effets sont difficiles à atténuer.
Enfin, les problèmes de maintenance, déjà communs à l’ensemble des dispositifs, continueront d’exister dans l’écosystème de l’IA. En ce sens, ils représenteront toujours un risque potentiel pour les patients, les praticiens et les assureurs.
Par conséquent, les dispositifs médicaux vont entrer dans la ligne de mire des organismes de régulation. Ils sont classés à haut risque dans la Loi européenne sur l’IA approuvée par le Parlement européen en mars 2024, qui inspirera probablement d’autres règlements au-delà de l’Union européenne (UE). Les systèmes d’IA utilisés dans les dispositifs médicaux feront l’objet d’une surveillance proportionnelle au risque qui leur est associé, avant et après leur mise sur le marché. Comme ces systèmes sont, par nature, novateurs, il sera difficile d’anticiper d’éventuelles défaillances, ce qui crée de sérieux risques pour les acteurs du marché.
Défaillance des dispositifs médicaux
Même si, selon toute probabilité, les résultats produits par l’IA seront de plus en plus fiables comparés à ceux obtenus par des procédures humaines, les erreurs resteront possibles. Par exemple, une tumeur bénigne pourrait être qualifiée à tort de maligne (et vice versa) à cause d’une défaillance d’un logiciel de vision par ordinateur. De même, si un logiciel commettait une erreur d’identification d’un objet pendant une opération chirurgicale, cela pourrait avoir de graves conséquences.
Les équipements pourraient aussi être en cause. Sur un marché de plus en plus concurrentiel, les fabricants s’efforceront de réduire leurs prix et donc leurs coûts. Leurs stratégies d’approvisionnement pourraient privilégier le volume au détriment de la solidité – et créer un risque de fiabilité majeur pour le consommateur final. Certains dispositifs sont d’une grande complexité et contiennent souvent des centaines de pièces différentes. Une seule incompatibilité peut donc engendrer des erreurs dont les effets sont difficiles à atténuer.
Enfin, les problèmes de maintenance, déjà communs à l’ensemble des dispositifs, continueront d’exister dans l’écosystème de l’IA. En ce sens, ils représenteront toujours un risque potentiel pour les patients, les praticiens et les assureurs.
Par conséquent, les dispositifs médicaux vont entrer dans la ligne de mire des organismes de régulation. Ils sont classés à haut risque dans la Loi européenne sur l’IA approuvée par le Parlement européen en mars 2024, qui inspirera probablement d’autres règlements au-delà de l’Union européenne (UE). Les systèmes d’IA utilisés dans les dispositifs médicaux feront l’objet d’une surveillance proportionnelle au risque qui leur est associé, avant et après leur mise sur le marché. Comme ces systèmes sont, par nature, novateurs, il sera difficile d’anticiper d’éventuelles défaillances, ce qui crée de sérieux risques pour les acteurs du marché.
Lacunes dans la formation
Les outils d’IA pourront réaliser de nombreuses tâches. Cependant, on aura toujours besoin de scientifiques, de pharmacologues et de professionnels de santé, dont les compétences seront amenées à évoluer. Les équipes existantes devront compléter leurs compétences. Des connaissances nouvelles seront nécessaires pour la mise au point et la gestion des médicaments, ainsi que pour la délivrance des soins.
À court terme, il sera peut-être difficile de satisfaire les besoins de formation dans un contexte où les budgets de la santé sont sous pression. De plus, on pourrait assister à une « ruée vers l’IA », soit une fébrilité croissante des organisations publiques et privées pour incorporer les outils d’IA dans leurs stratégies et leurs activités. Cette tendance pourrait peser sur les mesures en faveur du recrutement et de la formation : un détournement des ressources pourrait remettre en question les protocoles existants, notamment ceux qui garantissent la sécurité et délivrent les formations.
Risque humain
Il convient de souligner que l’intégration de l’IA ne va pas éliminer les risques liés aux erreurs humaines. Ces risques seront toujours présents dans le secteur des sciences de la vie malgré le recours accru à l’IA. Ils pourraient même, dans certains cas, être amplifiés par les nouveaux outils. Plusieurs raisons peuvent expliquer les erreurs humaines dans un environnement utilisant l’IA ; elles peuvent provenir d’une mauvaise compréhension des modèles et des applications, ou d’un recours excessif à des logiciels complexes pour prendre des décisions cruciales.
Comme certains systèmes d’IA s’appuient sur des millions, voire des milliards, de lignes de code, l’intelligence humaine peut parfois avoir du mal à déterminer l’origine des incohérences potentielles. Ces difficultés génèrent de l’incertitude pour les soins aux patients, et au final, pour l’audit et la gestion du risque d’assurance.
Lacunes dans la formation
Les outils d’IA pourront réaliser de nombreuses tâches. Cependant, on aura toujours besoin de scientifiques, de pharmacologues et de professionnels de santé, dont les compétences seront amenées à évoluer. Les équipes existantes devront compléter leurs compétences. Des connaissances nouvelles seront nécessaires pour la mise au point et la gestion des médicaments, ainsi que pour la délivrance des soins.
À court terme, il sera peut-être difficile de satisfaire les besoins de formation dans un contexte où les budgets de la santé sont sous pression. De plus, on pourrait assister à une « ruée vers l’IA », soit une fébrilité croissante des organisations publiques et privées pour incorporer les outils d’IA dans leurs stratégies et leurs activités. Cette tendance pourrait peser sur les mesures en faveur du recrutement et de la formation : un détournement des ressources pourrait remettre en question les protocoles existants, notamment ceux qui garantissent la sécurité et délivrent les formations.
Risque humain
Il convient de souligner que l’intégration de l’IA ne va pas éliminer les risques liés aux erreurs humaines. Ces risques seront toujours présents dans le secteur des sciences de la vie malgré le recours accru à l’IA. Ils pourraient même, dans certains cas, être amplifiés par les nouveaux outils. Plusieurs raisons peuvent expliquer les erreurs humaines dans un environnement utilisant l’IA ; elles peuvent provenir d’une mauvaise compréhension des modèles et des applications, ou d’un recours excessif à des logiciels complexes pour prendre des décisions cruciales.
Comme certains systèmes d’IA s’appuient sur des millions, voire des milliards, de lignes de code, l’intelligence humaine peut parfois avoir du mal à déterminer l’origine des incohérences potentielles. Ces difficultés génèrent de l’incertitude pour les soins aux patients, et au final, pour l’audit et la gestion du risque d’assurance.
Perspectives d’évolution
Au cours des prochaines années, l’IA va entraîner des bouleversements importants dans l’environnement économique et la vie de tous les jours. Des modèles économiques au cadre réglementaire, en passant par les tâches courantes, son intégration paraît être inévitable et avoir une portée considérable. Cette navigation à vue représente un véritable défi pour les entreprises. Quels que soient leur secteur et leur rôle, les professionnels doivent aborder cette innovation avec des informations solides qui prennent en compte les aspects éthiques et réglementaires de l’IA ainsi que les considérations de sécurité.
Même s’il est difficile de prévoir l’importance et la portée des menaces spécifiques qui vont surgir dans ce contexte, les innovations liées à l’IA sont de nature à avoir de telles répercussions qu’il faudra bien évidemment les surveiller de près, et ce de façon dynamique. L’IA deviendra probablement une composante importante de la gestion du risque dans toute l’économie, notamment dans les sciences de la vie.
Après tout, cette transformation est déjà en cours et les progrès observés ne sont probablement que le début d’une tendance globale et durable.
Annexe – Principales références
How AI is being used to accelerate clinical trials, nature.com
How Artificial Intelligence is Revolutionizing Drug Discovery, harvard.edu
AI in healthcare: how could liability arise?, lawscot.org.uk
Artificial Intelligence and Machine Learning (AI/ML)-Enabled Medical Devices, fda.gov
The Promise and Potential Pitfalls of AI in Medical Device Design, medtechintelligence.com
What are the legal implications of European AI regulations for medical device companies?, allenovery.com
WHO outlines considerations for regulation of artificial intelligence for health, who.int
Artificial Intelligence Optimizes Recovery and Mobility for Hip Replacement Patients, orlandohealth.com
National Library of Medicine – PubMed, pubmed.ncbi.nlm.nih.gov
Au cours des prochaines années, l’IA va entraîner des bouleversements importants dans l’environnement économique et la vie de tous les jours. Des modèles économiques au cadre réglementaire, en passant par les tâches courantes, son intégration paraît être inévitable et avoir une portée considérable. Cette navigation à vue représente un véritable défi pour les entreprises. Quels que soient leur secteur et leur rôle, les professionnels doivent aborder cette innovation avec des informations solides qui prennent en compte les aspects éthiques et réglementaires de l’IA ainsi que les considérations de sécurité.
Même s’il est difficile de prévoir l’importance et la portée des menaces spécifiques qui vont surgir dans ce contexte, les innovations liées à l’IA sont de nature à avoir de telles répercussions qu’il faudra bien évidemment les surveiller de près, et ce de façon dynamique. L’IA deviendra probablement une composante importante de la gestion du risque dans toute l’économie, notamment dans les sciences de la vie.
Après tout, cette transformation est déjà en cours et les progrès observés ne sont probablement que le début d’une tendance globale et durable.
Annexe – Principales références
How AI is being used to accelerate clinical trials, nature.com
How Artificial Intelligence is Revolutionizing Drug Discovery, harvard.edu
AI in healthcare: how could liability arise?, lawscot.org.uk
Artificial Intelligence and Machine Learning (AI/ML)-Enabled Medical Devices, fda.gov
The Promise and Potential Pitfalls of AI in Medical Device Design, medtechintelligence.com
What are the legal implications of European AI regulations for medical device companies?, allenovery.com
WHO outlines considerations for regulation of artificial intelligence for health, who.int
Artificial Intelligence Optimizes Recovery and Mobility for Hip Replacement Patients, orlandohealth.com
National Library of Medicine – PubMed, pubmed.ncbi.nlm.nih.gov
Ce rapport a été développé pour QBE par Control Risks
Ce rapport a été développé pour QBE par Control Risks
Renforcer la résilience de la supply chain
Comprendre et gérer les risques dans votre supply chain
Autres articles similaires
Abonnez-vous pour être informé des futurs articles issus de la série sur Résilience du secteur et des autres rapports, informations ou réflexions de QBE.
Abonnez-vous dès maintenant