L’Intelligence Artificielle bouscule tous les secteurs, et la santé ne fait pas exception. Au Royaume-Uni, le projet Foresight franchit un nouveau cap : un modèle d’IA générative, entraîné sur l’historique médical numérisé de 57 millions de patients, vise à anticiper les événements médicaux futurs.
Comment une IA peut-elle prédire un parcours de santé ?
Oubliez les outils prédictifs traditionnels. Foresight repose sur une architecture générative, à l’image des grands modèles de langage comme ChatGPT, mais appliquée aux séquences d’événements de santé. Plutôt que de prédire le mot suivant, l’IA anticipe lévénement médical suivant : consultation, prescription, hospitalisation, diagnostic…
En ingérant des chronologies complexes issues des dossiers patients, Foresight détecte des patterns séquentiels invisibles aux méthodes classiques. Par exemple, un certain profil de glycémie, combiné à une évolution de traitement et à l’apparition de symptômes X, peut annoncer un risque accru de crise cardiaque dans les mois à venir.
Un océan de données anonymisées
Le NHS England Secure Data Environment (SDE) sert de « forteresse » numérique : les données y entrent, mais n’en sortent jamais. Les chercheurs travaillent à distance, sans extraire les dossiers bruts.
Le dataset dépersonnalisé conserve :
- Historiques d’hospitalisation : dates, diagnostics, interventions.
- Données de vaccination : dates et types de vaccins.
- Chronologies médicales structurées : séquences de consultations, diagnostics et procédures.
- Variables démographiques : âge, sexe, région, indicateurs socio-économiques agrégés.
« L’efficacité des modèles d’IA dépend intrinsèquement de la qualité et de la diversité des données. […] Le dataset anonymisé du NHS, par son volume et sa richesse longitudinale, est l’un des rares au monde à permettre cela. »
— Dr Chris Tomlinson, UCL Institute of Health Informatics
Des prédictions aux applications concrètes
Si Foresight se révèle fiable, ses usages pourraient révolutionner les soins :
- Anticiper les risques individuels : une alerte sur une combinaison de signes précoces permettrait d’agir avant la crise.
- Gérer les épidémies : prédiction des pics saisonniers et gestion optimisée des ressources.
- Diagnostiquer les maladies rares : détection de patterns rares à partir de millions de parcours.
- Mesurer et corriger les inégalités : analyse des déterminants sociaux et ciblage des politiques de santé.
Les défis de taille
Ce potentiel ne va pas sans obstacles :
- Risque de ré-identification : malgré la pseudonymisation, la richesse des données peut exposer à des recoupements.
- Biais algorithmiques : les inégalités historiques peuvent se reproduire, voire s’amplifier.
- Expliquabilité : la boîte noire des modèles génératifs complique la confiance des praticiens.
- Communication des risques : annoncer un pronostic nécessite un accompagnement éthique et psychologique adapté.
Quel avenir pour Foresight ?
Actuellement en phase de recherche, Foresight doit encore valider sa robustesse pour divers événements (maladies cardiovasculaires, neurodégénératives, cancers). Les prochains travaux porteront sur l’intégration de nouveaux types de données (imagerie médicale, résultats de laboratoire) et sur le développement de méthodes d’IA explicable (XAI).
Au-delà du NHS, ce prototype pourrait inspirer d’autres pays, à condition d’adapter les cadres légaux et les spécificités des systèmes de soins. Des initiatives similaires comme Superpower montrent que l’IA conversationnelle s’invite de plus en plus dans nos parcours de santé : le dialogue ne fait que commencer.
