L’innovation est un élément majeur en santé. Selon le l’HAS (2018), une innovation en santé n’est pas seulement définie par le fait d’être nouvelle, mais par son apport en termes de couverture de besoins de santé et de la réponse apportée à ces besoins en comparaison aux alternatives lorsqu’elles existent, et que l’évaluation de cette réponse est multidimensionnelle. Dans l’équipe P2S nous étudions notamment deux types d’innovations qui se développent beaucoup ces dernières années (1) les innovations organisationnelles et (2) les innovations utilisant l’Intelligence Artificielle (IA).

L’innovation en santé et, en particulier les innovations organisationnelles ont connu un essor important, par exemple avec l’introduction de technologies numériques qui visent à faciliter le travail des professionnels de santé et à améliorer le parcours des usagers du système de santé. Ces innovations organisationnelles sont riches de promesses de progrès de santé, car elles transforment la pratique des professionnels des secteurs santé et médico-social et favorisent la coordination entre ces professionnels.

Une réflexion pluridisciplinaire relative aux méthodes d’évaluation des innovations organisationnelles est nécessaire. En effet, leur évaluation nécessite plusieurs types d’évaluation : (1) évaluation clinique (2) évaluation économique (3) évaluation de leur faisabilité et (4) évaluation de la satisfaction des professionnels de santé et/ou des usagers concernés. Ces évaluations pourront fournir une aide à la décision lorsque des décisions relatives à la diffusion d’innovations organisationnelles seront à prendre, aussi bien au niveau national qu’au niveau local, par exemple au sein d’un établissement de santé.

L’intelligence artificielle  est un élément clé de l’innovation en santé. L’IA bouleverse la médecine de demain et place le patient au cœur des actions. Ses applications, qui concernent toutes les activités humaines, permettent notamment d’améliorer la qualité des soins. L’IA est en effet au cœur de la médecine du futur, avec les opérations assistées, le suivi des patients à distance, les prothèses intelligentes, les traitements personnalisés grâce au recoupement d’un nombre croissant de données (big data), etc. L’ambition de l’intelligence artificielle est de rendre la machine capable d’acquérir de l’information, de raisonner sur une situation statique ou dynamique, de résoudre des problèmes combinatoires, de faire un diagnostic, de proposer une décision, un plan d’action, d’expliquer et de communiquer les conclusions qu’elle obtient, de comprendre un texte ou un dialogue en langage naturel, de résumer, d’apprendre, de découvrir. L’IA apporte incontestablement un bénéfice aux patients et aux systèmes de santé.

L’apport de l’IA sur les parcours est exploré, en particulier, le traitement intelligent de données médicales complexes, l’aide au diagnostic, la recommandation, l’accompagnement thérapeutique et l’assistance aux personnes dépendantes, l’acceptabilité, la responsabilité et l’éthique. La reconnaissance vocale est un élément clé pour aider les cliniciens (capture des conversations en langage naturel et traduction en une documentation structurée et les patients (assistants virtuels). L’imagerie médicale de haute qualité pourrait potentiellement réinventer le monde. Elle devrait permettre une détection plus précoce, une évaluation plus précise des images complexes et des tests moins coûteux pour les patients dans un grand nombre de domaines cliniques. La libération des données de santé (plus d’Open Data) favorisera un accès plus large aux informations en mettant en place des outils et des environnements d’échanges d’information plus intelligents, tout en accordant une attention particulière au maintien de la confidentialité et de la sécurité des données surtout lors de leur transfert sur des systèmes disparates ; néanmoins les avantages sont potentiellement supérieurs aux risques. Enfin, comme tous les domaines, les systèmes de soins sont bouleversés par le Big Data (données massives). Grâce à la collecte et l’analyse de ces données massives (Big Data Analytics), les techniques de prévention, de traitement, de diagnostic et de suivi des patients évoluent à vive allure (algorithmes d’apprentissage automatique qui prédisent le risque de cancer du sein chez la femme, aident à la détection avec précision des anévrismes, qui détectent une nouvelle classe de mutations derrière le spectre de l’autisme…).