L'IA ne peut pas réparer les urgences — et c'est précisément le problème

Le service des urgences a un problème structurel

Les services d'urgence à travers les États-Unis sont devenus le filet de sécurité de dernier recours pour un système de santé qui échoue trop souvent à ses patients bien avant qu'ils n'arrivent à ses portes. Les attentes prolongées qui peuvent s'étendre sur des jours, des couloirs remplis de patients attendant un lit, des cliniciens submergés de documentation et un personnel de soutien étiré à l'extrême ne sont pas des anomalies. Ils sont la norme. Dans la chronique AI Prognosis de cette semaine, Brittany Trang soutient que les outils d'intelligence artificielle — aussi sophistiqués soient-ils — ne répareront pas les urgences, car les urgences ne sont pas un problème logiciel. C'est un symptôme de défaillances plus profondes et plus tenaces dans la manière dont les soins de santé sont organisés, financés et dispensés.

Cette conclusion va à contre-courant d'un paysage florissant de l'IA dans les soins de santé. Ces dernières années, le battage médiatique a atteint son paroxysme pour les scribes IA qui écoutent les conversations patient-clinicien et génèrent automatiquement des notes cliniques, pour les algorithmes prédictifs qui signalent le risque de sepsis ou la gravité des traumatismes, et pour la vision par ordinateur qui promet de lire les radiographies pulmonaires et les tomodensitogrammes avec une précision surhumaine. Le service des urgences, avec sa pression temporelle, ses données volumineuses et ses enjeux élevés, semblait être le terrain d'essai idéal.

Pourquoi l'IA séduit la médecine d'urgence

L'attrait est compréhensible. La médecine d'urgence est l'une des spécialités les plus lourdes en documentation. Un quart typique produit d'énormes quantités de dossiers, de transmissions, de codes de facturation et de mesures de qualité. Les médecins passent souvent deux heures à remplir des dossiers après les heures de travail pour chaque heure de soins directs aux patients. Les scribes IA promettent de récupérer ces heures, permettant aux médecins de se concentrer sur les patients plutôt que sur les écrans. Les outils de tri utilisent l'apprentissage automatique pour prioriser les patients en fonction de scores de risque, réduisant potentiellement les temps d'attente. Les modèles de prédiction du sepsis peuvent alerter les cliniciens sur des signes précoces subtils, comme un coup d'œil automatisé par-dessus l'épaule.

Pourtant, ces outils, note Trang, opèrent à la périphérie du système. Ils ne font rien au fait que les urgences sont le seul endroit où beaucoup de gens peuvent accéder aux soins la nuit, le week-end ou sans assurance. Ils ne créent pas de lits d'hospitalisation pour les patients qui nécessitent une admission mais n'ont nulle part où aller parce que l'hôpital est à pleine capacité. Ils ne soulagent pas la pénurie d'infirmières, de personnel psychiatrique ou d'assistants sociaux. Ils n'arrêtent pas le flux de patients qui n'ont pas pu obtenir un rendez-vous avec un médecin de premier recours, ou dont les besoins ne sont pas médicaux mais sociaux — logement, sécurité alimentaire, transport.

Les scribes IA traitent le symptôme, pas la maladie

Prenons le scribe IA, le chouchou des administrateurs d'hôpitaux. C'est un exemple parfait de solution à un « problème stupide » : automatiser la tâche banale et répétitive de la prise de notes. Ce faisant, pendant la rencontre clinique, l'outil peut effectivement réduire l'épuisement professionnel et rétablir un semblant de contact visuel entre le médecin et le patient. Les médecins utilisant ces outils rapportent moins de fatigue et une plus grande satisfaction, du moins au début. Mais les causes plus profondes de cette charge de documentation — clics inutiles, médecine défensive, cases à cocher liées à la conformité et la nécessité de justifier chaque minute auprès des assureurs — restent intouchables.

Un système qui récompense le volume plutôt que la valeur poussera toujours les cliniciens à voir plus de patients, même si la tenue de dossiers est automatisée. Un médecin qui est automatiquement soulagé de la frappe ressent toujours la pression d'une salle d'attente bondée et des objectifs de quatre heures fixés par les administrateurs. Le scribe IA n'accorde pas plus de temps ; il déplace simplement l'endroit où le temps compressé aboutit. Sans changements dans les incitations, les ratios de personnel et la manière dont les soins sont remboursés, l'effet net pourrait être que les hôpitaux programment simplement plus de rencontres avec les patients pour le même nombre de médecins, accélérant encore l'épuisement professionnel.

De même, les outils de tri basés sur l'IA peuvent être utiles, mais ils doivent être calibrés soigneusement et intégrés dans un flux de travail qui fonctionne déjà. Si le processus sous-jacent est chaotique, l'algorithme hérite de ce chaos. Et les modèles prédictifs peuvent encoder des biais présents dans les données historiques, risquant d'aggraver les soins pour les populations déjà marginalisées.

Les « problèmes stupides » sont les plus difficiles

La chronique de Trang fait partie de la série plus large AI Prognosis, qui a constamment soutenu que les obstacles les plus importants à l'adoption de l'IA dans les soins de santé ne sont pas les algorithmes flashy mais les « problèmes stupides » sans glamour et ennuyeux : l'interopérabilité des données, la fatigue liée aux alertes, les interfaces utilisateur et la clarté réglementaire. Une startup d'un ancien directeur de l'ARPA-H, présentée ailleurs dans STAT, s'attaquerait à ces problèmes exacts, reconnaissant que les plus grandes victoires de l'IA en médecine viendront probablement de la reconstruction de la plomberie numérique plutôt que de faire de grandes prédictions.

Dans le contexte des urgences, ces problèmes stupides sont partout. Le traitement du langage naturel qui alimente les scribes narratifs doit s'adapter à chaque accent, dialecte et idiome médical. Les interfaces doivent fonctionner sur de vieux ordinateurs à un bureau encombré. Les sorties de l'IA doivent s'intégrer dans les dossiers de santé électroniques de plusieurs fournisseurs, chacun avec sa propre structure. Et les alertes doivent être réglées pour que les cliniciens ne les ignorent pas complètement en raison de la fatigue liée aux alertes. Résoudre ces problèmes est essentiel, mais même alors, cela ne fait que rendre une surface rugueuse légèrement plus lisse.

Ce qui ne sera pas résolu, c'est le problème de l'attente prolongée. Les services d'urgence à travers le pays signalent des temps d'attente records parce que les patients ne peuvent pas être transférés vers les unités d'hospitalisation. Cela est souvent dû à une pénurie de lits d'hôpital, pas parce que les admissions sont retardées par la paperasse. Si un médecin a un patient gravement malade nécessitant des soins intensifs mais qu'aucun lit de soins intensifs n'est libre, aucun outil d'IA ne peut en créer un. De même, lorsqu'une garde psychiatrique attend des jours pour un lit dans un établissement de santé mentale, l'IA ne logera pas ce patient ni n'élargira la main-d'œuvre psychiatrique.

Certains problèmes n'ont pas de solution technologique

La pression dans la médecine d'urgence reflète également des pénuries de main-d'œuvre plus larges. Les infirmières ont quitté la profession en masse, exacerbées par l'épuisement professionnel lié à la pandémie et de mauvaises conditions de travail. Les médecins prennent leur retraite plus tôt ou cherchent des emplois promettant un meilleur équilibre entre vie professionnelle et vie privée. Intégrer un scribe IA dans le personnel restant peut réduire un certain stress, mais cela ne reconstruit pas le pipeline de professionnels formés. La solution systémique implique des investissements plus importants dans l'éducation, la restructuration des horaires et des salaires, et la création de ratios de personnel sûrs — des tâches qui sont politiques, pas techniques.

Puis il y a les patients eux-mêmes. Les services d'urgence servent de plus en plus de dépotoir pour les besoins sociaux non satisfaits. Une personne âgée sans aidant qui fait une chute ; un jeune adulte avec une dépendance mais sans plan de soins ; une famille qui travaille et vit dans l'itinérance. L'IA ne peut pas organiser les soins à domicile, ajouter des logements abordables ou garantir l'accès à des conseils en santé mentale. Ces cas ne sont pas des « cas limites » dans un système qui fonctionne bien ; dans de nombreux hôpitaux, ils représentent une fraction substantielle des visites quotidiennes. Les données du DSE, les codes de diagnostic et les récits révèlent tous des modèles qui sont des déterminants sociaux de la santé, pas des défauts dans le flux technologique.

La véritable voie à suivre

La conclusion de Trang n'est pas que l'IA est inutile aux urgences. Au contraire, la chronique admet que certains outils peuvent améliorer la précision de la documentation, réduire les erreurs courantes et aider les cliniciens dans la recherche d'informations. Mais ce sont des rôles de soutien. L'attente que l'IA puisse restructurer et raviver un service d'urgence est mal placée. Les problèmes qui affligent les services d'urgence sont les mêmes que ceux qui affligent les soins de santé en général : financement fragmenté, pénurie de soins primaires et de services de santé mentale, santé publique sous-financée et population vieillissante, le tout superposé à un modèle opérationnel archaïque.

Les efforts pour « réparer les urgences avec l'IA » peuvent même être contre-productifs s'ils amènent les dirigeants à éviter les conversations plus difficiles. Les administrateurs peuvent pointer un nouveau tableau de bord IA comme signe d'amélioration, tout en ignorant dans la même phrase la nécessité d'augmenter les ratios d'infirmières, d'améliorer les protocoles d'attente et de travailler avec des organisations communautaires pour détourner les soins non urgents. Le service des urgences est une soupape de pression pour tout l'écosystème des soins de santé, et il est sur le point d'éclater. Aucune technologie astucieuse ne changera cela ; seul un engagement à changer la structure de la prestation des soins le peut.

La leçon d'AI Prognosis est que nous devrions cesser de demander si l'IA peut réparer les urgences et plutôt demander pourquoi nous attendons de la technologie qu'elle résolve ce que seuls la politique, le leadership et le financement peuvent résoudre. Laissez les algorithmes assister, mais ne les laissez pas porter tout le poids d'un système qui a besoin de soutien.

Comme l'écrit Trang, l'IA ne peut pas changer les problèmes des urgences. Ce n'est pas un échec de la science. C'est un rappel que les soins de santé sont un système humain, et que ses problèmes les plus difficiles restent obstinément humains.

Cet article est basé sur un reportage de STAT News. Lire l'article original.