par Les soins de santé ont été considérés comme un candidat de choix pour davantage d’applications d’IA – à la fois pour faciliter le travail clinique et pour alléger certaines des charges administratives les plus chronophages qui accompagnent les soins cliniques. Aujourd’hui, Nabla, la startup de santé numérique basée à Paris et cofondée par l’entrepreneur en intelligence artificielle Alexandre Lebrun, prétend être la première à créer un outil utilisant GPT-3 pour aider les médecins à faire leur travail, plus précisément leurs formalités administratives.
Copilot, comme le nouveau service de Nabla est appelé, est lancé aujourd’hui en tant qu’assistant numérique pour les médecins accessible initialement en tant qu’extension Chrome pour aider à transcrire et réutiliser les informations des conversations vidéo, avec des plans pour un outil de consultation en personne à lancer dans quelques semaines.
Au fur et à mesure que les médecins voient les patients, Copilot traduit automatiquement ces conversations en différents points finaux basés sur des documents – par exemple, des ordonnances, des lettres de rendez-vous de suivi, des résumés de consultation – qui résultent généralement de ces réunions. Il est basé sur GPT-3, le modèle de langage construit par OpenAI qui est utilisé pour générer du texte humain, qui alimente des centaines d’applications, y compris ChatGPT d’OpenAI lui-même.
Nabla a été l’une des premières entreprises à expérimenter GPT-3 lors de sa sortie en 2020. Alors que Nabla utilise actuellement GPT-3 (en tant que client payant) comme base de Copilot, Lebrun me dit que l’objectif à plus long terme, se rapprochant rapide, est de construire son propre grand modèle de langage adapté à la langue et aux besoins particuliers de la médecine et des soins de santé, pour alimenter Copilot, tout ce que Nabla construit à l’avenir, et potentiellement des applications pour d’autres également.
Selon la startup, la première version a déjà du succès : elle est utilisée par des praticiens aux États-Unis et en France, ainsi que par une vingtaine de cliniques numériques et en personne “avec d’importantes équipes médicales”.
Le jury ne sait toujours pas quelles utilisations à grande échelle et à long terme nous verrons pour les technologies d’IA génératives – et si elles et les grands modèles de langage qui les alimentent apporteront des avantages nets ou des pertes nettes à notre monde ; et s’ils gagneront de l’argent dans le processus.
Entre-temps, les soins de santé ont été l’une des grandes industries que les gens ont observées avec intérêt pour voir comment il réagit à ces développements, à peu près dans deux couloirs de développement. Premièrement, où il pourrait être utilisé pour une assistance clinique, par exemple comme décrit dans cet article co-écrit par des médecins et des universitaires de la Harvard Medical School sur l’utilisation de ChatGPT pour diagnostiquer les patients ; et deuxièmement, en automatisant des fonctions plus répétitives, comme illustré dans cet article du Lancet sur l’avenir des résumés de décharge.
Une grande partie de ce travail en est encore à ses débuts, notamment parce que les soins de santé sont particulièrement sensibles.
“Avec tous les grands modèles de langage, il y a un risque”, a déclaré Lebrun dans une interview. “C’est incroyablement puissant, mais cinq pour cent du temps, ce sera complètement faux et vous n’avez aucun moyen de contrôler cela. Mais dans le domaine de la santé, nous [literally] ne peut pas vivre avec un taux d’erreur de 5 %. »
Pourtant, à bien des égards, les soins de santé semblent être un domaine privilégié à infuser avec l’IA : les cliniciens sont surchargés de patients et épuisés ; À l’échelle mondiale, nous sommes confrontés à une pénurie chronique de médecins, en partie à cause du fait qu’un grand nombre d’entre eux quittent la profession et en partie à cause du travail qu’on leur demande. En plus de voir les patients, ils doivent consacrer du temps à être des administrateurs, avec beaucoup de documents très spécifiques et formels à parcourir pour enregistrer les données de rendez-vous et planifier ce qui vient ensuite exigé à la fois par les règles et les règlements, mais aussi les patients eux-mêmes. A côté de tout cela, il y a parfois malheureusement des cas d’erreur humaine.
D’un autre côté, cependant, un certain nombre d’étapes des soins médicaux ont déjà été numérisées, ouvrant la voie à une plus grande ouverture des patients et des cliniciens à l’utilisation d’outils numériques pour les aider avec le reste.
Cette pensée était en partie ce qui a motivé Alexandre LeBrun à lancer Nabla en premier lieu, et à cibler Copilot spécifiquement en premier lieu pour aider les médecins dans les tâches administratives – et non pour examiner ou conseiller les patients, ou d’autres travaux cliniques.
LeBrun a une histoire dans la création d’applications basées sur le langage. En 2013, il a vendu sa startup VirtuOz, décrite à l’époque comme le “Siri pour l’entreprise”, à Nuance pour diriger son développement de technologie d’assistant numérique pour les entreprises. Il a ensuite fondé et finalement vendu sa prochaine startup, Wit.ai, à Facebook, où lui et son équipe ont ensuite travaillé sur l’incursion du réseau social dans les chatbots dans Messenger. Il a ensuite travaillé au FAIR, le centre de recherche sur l’IA de Facebook à Paris.
Ces premiers outils permettant aux entreprises d’interagir avec les clients étaient largement présentés comme des aides au marketing et à la fidélisation de la clientèle, mais Lebrun pensait qu’ils pouvaient également être appliqués dans des scénarios moins flous.
“Nous pouvions déjà voir, en 2018, combien de temps les médecins passaient à mettre à jour les dossiers des patients, et nous avons commencé à penser que nous pourrions apporter la technologie de l’IA et [advanced] l’apprentissage automatique aux soins de santé en particulier pour aider à cela », a déclaré Lebrun.
Fait intéressant, Lebrun ne m’en a pas parlé, mais il aurait fait cette observation en même temps que la RPA, l’automatisation robotique des processus, prenait de l’ampleur sur le marché.
La RPA a vraiment mis l’automatisation dans l’entreprise au premier plan de l’esprit des gens. Mais assister les médecins lors de consultations en direct est une affaire plus complexe que de mécaniser le travail par cœur. Avec un ensemble relativement fini de variables linguistiques et de sujet en jeu dans une consultation médecin-patient, c’est devenu un scénario idéal pour un assistant basé sur l’IA.
Lebrun a discuté de l’idée avec Yann LeCun, qui était son patron à l’époque et qui est toujours le chercheur en chef sur l’IA de Facebook. LeCun a approuvé sa pensée, alors Lebrun est parti, et LeCun est devenu l’un des premiers investisseurs à Nabla.
Il a fallu quelques années de plus à Nabla pour divulguer cela et d’autres financements – il a levé près de 23 millions de dollars – que la startup a retardé d’annoncer pour coïncider avec son premier produit. C’était une “super application” de questions-réponses sur la santé pour les femmes qui leur permettait de suivre différentes questions liées à la santé, de combiner ces informations avec d’autres données, et semblait principalement conçue comme un véhicule pour l’aider à comprendre ce que les gens recherchaient dans les interactions de santé à distance, et ce qui pourrait être construit à partir de cela.
Cela a été suivi l’année dernière d’une «pile de technologies de la santé pour l’engagement des patients» plus généralisée, ce qui est intéressant en ce qu’il jouait un peu sur la métrique centrale des produits précédents de Lebrun: l’engagement.
Vous pourriez être quelque peu sceptique à l’égard d’une startup, visant à réparer quelque chose de cassé dans le domaine de la santé, sans aucun professionnel de la santé parmi ses fondateurs : en plus de Lebrun, les deux autres sont la COO Delphine Groll, qui dirigeait auparavant le développement commercial et la communication de groupes de médias ; et CTO Martin Raison, qui travaille avec Lebrun depuis Wit.ai.
C’était aussi un point de friction pour Lebrun, qui m’a dit qu’il envisageait de mettre l’entreprise en pause à ses débuts pour aller lui-même à l’école de médecine.
Il a choisi de ne pas le faire, et de s’appuyer plutôt sur les commentaires et les informations des médecins et autres cliniciens, et de les embaucher pour travailler avec la startup pour l’aider à orienter sa feuille de route, c’est ainsi qu’il est maintenant arrivé au produit autonome d’aujourd’hui, Copilot.
« Nabla Copilot est conçu pour les cliniciens qui souhaitent être à la pointe de la médecine », a déclaré Jay Parkinson, MD, MPH et directeur médical de Nabla, dans un communiqué. « En tant que médecin, je sais que les médecins manquent toujours de temps et ont mieux à faire que de remplir le [electronic health record]. Grâce aux notes cliniques super puissantes de Nabla, les médecins peuvent désormais regarder leurs patients dans les yeux tout au long de la consultation et s’assurer qu’ils se souviennent de chaque mot qu’ils prononcent en envoyant le résumé de la rencontre. Parkinson, qui a récemment rejoint la startup, est lui-même un entrepreneur, avec sa startup de télésanté Sherpaa Health acquise par Crossover.
Alors que l’amélioration de l’IA repose généralement sur l’ingestion de plus en plus d’informations pour s’entraîner, cela a été une partie délicate de la construction de Copilot. La société a opt-in pour le partage de données partout, aucune donnée n’étant jamais stockée sur ses serveurs, ainsi que la conformité HIPAA et GDPR. Ceux qui acceptent de partager des informations sur la formation verront leurs données traitées par des «algorithmes de pseudonymisation» construits en interne. Et pour l’instant, il n’est pas prévu de construire des assistants cliniques : pas de suggestions de diagnostics, ou quoi que ce soit d’autre.
Lebrun a dit que c’était plus facile à dire qu’à faire. L’IA de Nabla, pendant sa construction, a continué à essayer de fournir automatiquement des diagnostics à ses utilisateurs, même lorsque les ingénieurs ne le lui ont pas demandé et ont essayé de l’empêcher de le faire, a déclaré Lebrun.
“Nous ne voulons pas aller trop loin et faire des diagnostics”, a-t-il déclaré, “nous avons donc dû former notre IA pas pour faire ça.”
Cela pourrait être quelque chose, “un produit différent”, dans un avenir lointain, a-t-il dit, mais il faudrait d’abord réaliser beaucoup plus de développement et de détrompage.
“Nous ne croyons pas aux chatbots pour la médecine”, a-t-il ajouté. « Nous voulons améliorer la vie des médecins en leur faisant gagner du temps.
