Les problèmes de déploiement et de mise à l’échelle constituent des obstacles majeurs à la génération de valeur par l’intelligence artificielle (IA) dans les soins de santé, selon des dirigeants d’entreprises telles que Nvidia et Hoppr.
Pour surmonter ces défis, ces entreprises abandonnent le développement de modèles autonomes au profit de la création d’une infrastructure permettant une utilisation pratique de ces technologies dans le milieu clinique. Hoppr, par exemple, a conçu une fonderie d’IA qui exploite les modèles informatiques et de base de Nvidia. Cette initiative, selon ses partenaires, offre aux développeurs les outils nécessaires pour faciliter le déploiement à grande échelle de l’IA en imagerie médicale.
La fonderie vise spécifiquement à aider les fournisseurs à développer, valider et déployer leurs propres modèles d’IA, évitant ainsi de partir de zéro, comme l’explique Khan Siddiqui, le PDG de Hoppr. « Nous fournissons la plateforme permettant aux systèmes de santé, aux cabinets de radiologie et aux entreprises d’appareils médicaux de créer et de déployer rapidement des modèles affinés », précise-t-il.
Les fournisseurs de soins n’ont plus besoin de collecter d’énormes volumes de données pour concevoir leurs propres modèles. Hoppr et Nvidia pré-entraînent en effet des modèles de base à partir de vastes ensembles de données. Auparavant, les prestataires devaient acquérir des ensembles de données massifs, contenant environ 100 000 dossiers de patients, pour former des modèles d’IA. Grâce aux modèles pré-entraînés, les hôpitaux peuvent désormais façonner leurs propres modèles en utilisant des ensembles de données beaucoup plus petits, parfois limités à quelques centaines d’enregistrements, souligne Siddiqui.
L’ambition de la fonderie est de rendre le développement d’IA personnalisé plus accessible aux fournisseurs. L’initiative se concentre sur l’intégration de modèles d’IA d’imagerie directement dans les flux de travail de radiologie et de diagnostic, plutôt que de s’appuyer sur des solutions standardisées.
David Niewolny, responsable mondial du développement commercial chez Nvidia, a commenté que la fonderie d’IA représente un changement significatif dans le passage de modèles isolés à un écosystème complet d’outils, prêts à être directement intégrés dans les pratiques cliniques. « Hoppr résout le problème du dernier kilomètres », a-t-il ajouté.
Niewolny a expliqué : « Nvidia fournit les outils et les performances brutes. Hoppr les utilise et, grâce à l’emploi de modèles ouverts et aux ajustements qu’ils effectuent, produit une IA de qualité clinique, conçue pour fonctionner à l’intérieur des hôpitaux. »
Les efforts de collaboration entre les deux entreprises reflètent une ambition visant à transformer l’IA dans les soins de santé en un écosystème de développement logiciel, plutôt qu’un ensemble de solutions ponctuelles. Leur espoir est que, à mesure que les modèles de base et les plateformes de déploiement se développent, les fournisseurs passent d’une simple acquisition d’applications d’IA à leur conception et leur itération en interne.
Il demeure à voir si ces changements permettront une adoption clinique plus large des outils d’IA ou s’ils ajoutent une complexité inutile. Cependant, cette évolution pourrait influencer considérablement la cadence à laquelle l’IA en imagerie passe des phases de projets pilotes aux soins de routine.
Photo : Peterhowell, Getty Images
