La mise en œuvre de l’intelligence artificielle (IA) dans les hôpitaux du NHS est beaucoup plus difficile que prévu initialement, avec des complications autour de la gouvernance, des contrats, de la collecte de données, de l’harmonisation avec les anciens systèmes informatiques, de la recherche des bons outils d’IA et de la formation du personnel, trouve une nouvelle étude majeure au Royaume-Uni dirigée par des chercheurs de l’UCL.
Auteurs de l’étude, publiés dans Éclinicalmedicinedisons que les résultats devraient fournir un apprentissage opportun et utile au gouvernement britannique, dont le récent plan NHS de 10 ans identifie la transformation numérique, y compris l’IA, comme plate-forme clé pour améliorer le service et l’expérience des patients.
En 2023, NHS England a lancé un programme pour introduire l’IA pour aider à diagnostiquer les conditions thoraciques, y compris le cancer du poumon, dans 66 fiducies de l’hôpital du NHS en Angleterre.
Les fiducies sont regroupées en 12 réseaux de diagnostic d’imagerie: ces réseaux hospitaliers signifient que plus de patients ont accès à des opinions spécialisées. Les fonctions clés de ces outils d’IA comprenaient la priorisation des cas critiques pour une révision spécialisée et des décisions des spécialistes de soutien en mettant en évidence des anomalies sur les analyses.
La recherche a été menée par une équipe de l’UCL, du Nuffield Trust et de l’Université de Cambridge, analysant comment l’approvisionnement et le déploiement anticipé des outils d’IA se sont déroulés. L’étude est l’une des premières études à analyser la mise en œuvre du monde réel de l’IA dans les soins de santé.
Des preuves d’études précédentes, principalement basées sur le laboratoire, ont suggéré que l’IA pourrait bénéficier aux services de diagnostic en soutenant les décisions, en améliorant la précision de détection, en réduisant les erreurs et en facilitant les charges de la main-d’œuvre.
Dans cette étude dirigée par l’UCL, les chercheurs ont examiné comment les nouveaux outils de diagnostic ont été achetés et mis en place grâce à des entretiens avec le personnel hospitalier et les fournisseurs d’IA, identifiant tout piège mais aussi tous les facteurs qui ont contribué à lisser le processus.
Ils ont constaté que la mise en place des outils d’IA a pris plus de temps que prévu par le leadership du programme. Les contrats ont pris entre quatre et 10 mois de plus que prévu et d’ici juin 2025, 18 mois après la fin de la contraction, un tiers (23 sur 66) des fiducies de l’hôpital n’utilisaient pas encore les outils en pratique clinique.
Les principaux défis comprenaient l’engagement du personnel clinique avec des charges de travail déjà élevées dans le projet, l’intégration de la nouvelle technologie dans le vieillissement et les systèmes informatiques du NHS variés dans des dizaines d’hôpitaux et un manque général de compréhension, et le scepticisme, parmi le personnel sur l’utilisation de l’IA dans les soins de santé.
L’étude a également identifié des facteurs importants qui ont aidé à intégrer l’IA, y compris le leadership national du programme et les réseaux d’imagerie locaux partageant des ressources et l’expertise, des niveaux élevés d’engagement de la mise en œuvre du personnel hospitalier et de la gestion de projet dédiée.
Les chercheurs ont conclu que même si « les outils d’IA peuvent offrir un soutien précieux aux services de diagnostic, ils peuvent ne pas aborder les pressions actuelles des services de soins de santé aussi simples que les décideurs peuvent espérer » et recommandent que le personnel du NHS soit formé à la façon dont l’IA peut être utilisée efficacement et en toute sécurité et que la gestion de projet dédiée est utilisée pour mettre en œuvre des schémas tels que celle-ci à l’avenir.
Le premier auteur, le Dr Angus Ramsay (ministère des Sciences du comportement et de la Santé de l’UCL) a déclaré: «En juillet, les ministres ont dévoilé le plan du gouvernement sur 10 ans pour le NHS, dont une transformation numérique est une plate-forme clé.
«Notre étude fournit des leçons importantes qui devraient aider à renforcer les approches futures de la mise en œuvre de l’IA dans le NHS.
«Nous avons constaté qu’il a fallu plus de temps pour introduire les nouveaux outils d’IA dans ce programme que ceux qui dirigeaient le programme ne s’attendaient.
« Un problème clé était que le personnel clinique était déjà très occupé – le temps de déterminer le processus de sélection était un défi, tout comme l’intégration de l’IA avec les systèmes informatiques locaux et l’obtention des approbations de la gouvernance locale. Les services qui utilisaient les chefs de projet dédiés ont trouvé leur soutien très utile pour mettre en œuvre des changements, mais seuls certains services ont pu le faire.
« De plus, un problème commun était la nouveauté de l’IA, suggérant un besoin de plus d’orientation et d’éducation sur l’IA et sa mise en œuvre.
« Les outils d’IA peuvent offrir un soutien précieux aux services de diagnostic, mais ils peuvent ne pas aborder les pressions actuelles des services de santé aussi simplement que les décideurs peuvent l’espérer. »
Les chercheurs ont effectué leur évaluation entre mars et septembre de l’année dernière, étudiant 10 des réseaux participants et se concentrant en profondeur sur six fiducies du NHS. Ils ont interviewé des équipes de réseau, un personnel de confiance et des fournisseurs d’IA, observé la planification, la gouvernance et la formation et analysé des documents pertinents.
Certains des réseaux d’imagerie et de nombreuses confiance des hôpitaux en leur sein étaient nouveaux dans l’achat et le travail avec l’IA.
Les problèmes liés à la mise en place des nouveaux outils variaient – par exemple, dans certains cas, ceux qui se procurent les outils ont été submergés par une énorme quantité d’informations très techniques, augmentant la probabilité que les détails clés soient manqués. Il convient de prendre en considération la création d’une liste restreinte nationale de fournisseurs potentiels pour faciliter les achats au niveau local, ont déclaré les chercheurs.
Un autre problème était un manque initial d’enthousiasme parmi certains membres du personnel du NHS pour la nouvelle technologie dans cette phase précoce, un personnel clinique plus haut de gamme soulevant des préoccupations concernant l’impact potentiel de la prise de décisions de l’IA sans contribution clinique et où la responsabilité résidait en cas de condition.
Les chercheurs ont constaté que la formation offerte au personnel ne s’attaquait pas suffisamment à ces problèmes à travers la main-d’œuvre plus large, d’où leur appel à une formation précoce et en cours sur les projets futurs.
En revanche, cependant, l’équipe d’étude a révélé que le processus d’approvisionnement était soutenu par les conseils de l’équipe nationale et les réseaux d’imagerie apprenant les uns des autres.
Les chercheurs ont également observé des niveaux élevés d’engagement et de collaboration entre les équipes hospitalières locales (y compris les cliniciens et l’informatique) travaillant avec des équipes de fournisseurs d’IA pour progresser la mise en œuvre dans les hôpitaux.
Le professeur principal de l’auteur Naomi Fulop (Département des sciences du comportement et de la santé de l’UCL) a déclaré: « Dans ce projet, chaque hôpital a sélectionné des outils d’IA pour différentes raisons, comme se concentrer sur la radiographie ou la tomodensitométrie, et des objectifs, par exemple pour hiérarchiser les cas urgents d’examen ou pour identifier les symptômes potentiels.
« Le NHS est composé de centaines d’organisations ayant différentes exigences cliniques et différents systèmes informatiques et introduisant tous les outils de diagnostic qui conviennent à plusieurs hôpitaux est très complexe. Ces résultats indiquent que l’IA pourrait ne pas être la solution miracle.
Bien que l’étude ait ajouté à l’ensemble de preuves très limité sur la mise en œuvre et l’utilisation de l’IA dans des contextes réels, il s’est concentré sur l’approvisionnement et le déploiement précoce. Les chercheurs étudient maintenant l’utilisation d’outils d’IA après un déploiement anticipé lorsqu’ils ont eu la chance de devenir plus intégrés.
De plus, les chercheurs n’ont pas interrogé les patients et les soignants et mènent donc maintenant de telles entretiens pour combler les lacunes importantes dans les connaissances sur les expériences et les perspectives des patients, ainsi que les considérations de capitaux propres.