Traitement du cancer : des experts proposent des lignes directrices spécifiques et adaptées pour l'utilisation et la réglementation de l'intelligence artificielle
Les modèles actuels d'intelligence artificielle (IA) pour le traitement du cancer sont formés et approuvés uniquement à des fins spécifiques. Les modèles GMAI, en revanche, peuvent traiter un large éventail de données médicales, y compris différents types d'images et de textes. Par exemple, pour un patient atteint d'un cancer colorectal, un seul modèle GMAI pourrait interpréter des vidéos d'endoscopie, des diapositives de pathologie et des données de dossier médical électronique (EHR). Ces modèles polyvalents ou généralistes représentent donc un changement de paradigme par rapport aux modèles d'IA étroits.
Les organismes de réglementation sont confrontés à un dilemme lorsqu'il s'agit de s'adapter à ces nouveaux modèles, car les réglementations actuelles sont conçues pour des applications ayant un objectif défini et fixe, un ensemble spécifique d'indications cliniques et une population cible. L'adaptation ou l'extension après l'approbation n'est pas possible sans repasser par la gestion de la qualité et les processus réglementaires et administratifs. Les modèles GMAI, avec leur adaptabilité et leur potentiel prédictif même sans exemples de formation spécifiques - ce que l'on appelle le raisonnement à partir de zéro - posent donc des défis en matière de validation et d'évaluation de la fiabilité. Actuellement, ils sont exclus de tous les cadres internationaux.
Les auteurs soulignent que les cadres réglementaires existants ne sont pas adaptés au traitement des modèles GMAI en raison de leurs caractéristiques. "Si ces réglementations restent inchangées, une solution possible pourrait consister en des approches hybrides. Les GMAI pourraient être approuvés en tant que dispositifs médicaux, puis la gamme d'invites cliniques autorisées pourrait être restreinte", explique Stephen Gilbert, professeur de science réglementaire des dispositifs médicaux à l'université technique de Dresde. "Mais cette approche revient à forcer des modèles qui ont le potentiel d'aborder intelligemment de nouvelles questions et des données multimodales à suivre des voies étroites par le biais de règles rédigées à une époque où ces technologies n'étaient pas prévues. Il convient de prendre des décisions spécifiques sur la manière de procéder avec ces technologies et de ne pas exclure leur capacité à répondre à des questions pour lesquelles elles n'ont pas été spécifiquement conçues. Les nouvelles technologies appellent parfois de nouveaux paradigmes réglementaires", déclare le professeur Gilbert.
Les chercheurs estiment qu'il sera impossible d'empêcher les patients et les experts médicaux d'utiliser des modèles génériques ou des systèmes d'aide à la décision médicale non approuvés. Il serait donc crucial de maintenir le rôle central des médecins et de leur permettre d'interpréter l'information de manière autonome.
En conclusion, les chercheurs proposent une approche réglementaire souple qui tienne compte des caractéristiques uniques des modèles d'AMGI tout en garantissant la sécurité des patients et en soutenant la prise de décision des médecins. Ils soulignent qu'un cadre réglementaire rigide pourrait entraver les progrès en matière de soins de santé fondés sur l'IA et préconisent une approche nuancée qui concilie l'innovation et le bien-être des patients.
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.