Un potentiel transformateur dans un système sous pression
Le système de santé québécois fait face à des défis structurels considérables : vieillissement de la population, pénurie de personnel soignant, listes d'attente prolongées, pression budgétaire croissante. Dans ce contexte, l'intelligence artificielle est souvent présentée comme un levier de transformation majeur, capable d'améliorer la qualité des soins, d'optimiser l'utilisation des ressources et de soutenir la recherche médicale. Mais le déploiement de l'IA en santé soulève des enjeux de gouvernance particulièrement aigus, compte tenu de la sensibilité des données en jeu et de l'impact direct sur la vie des patients.
Les applications de l'IA en santé au Québec
L'écosystème québécois de recherche en IA a engendré de nombreux projets d'application en santé. L'imagerie médicale est l'un des domaines les plus avancés : des algorithmes d'apprentissage profond atteignent des performances remarquables dans la détection de pathologies sur des radiographies, des tomodensitogrammes et des images de résonance magnétique. Ces outils ne remplacent pas le jugement du radiologue, mais peuvent servir de « second lecteur » pour améliorer la précision diagnostique et réduire le temps d'analyse.
La génomique et la médecine de précision bénéficient également de l'IA. Les algorithmes de séquençage et d'analyse génomique permettent d'identifier des variants génétiques associés à des maladies, de prédire la réponse à certains traitements et de personnaliser les approches thérapeutiques. Le Québec, avec son expertise en génétique des populations et ses biobanques, dispose d'atouts considérables dans ce domaine.
La gestion des flux hospitaliers, la prédiction des réadmissions, l'optimisation des horaires de personnel et le triage des urgences sont autant de domaines où l'IA peut contribuer à améliorer l'efficience du système de santé. Des projets pilotes ont été menés dans plusieurs établissements québécois, avec des résultats prometteurs mais encore limités en termes de déploiement à grande échelle.
La santé mentale et le soutien psychologique constituent un domaine émergent. Des applications conversationnelles basées sur l'IA, des outils de détection précoce de la détresse psychologique et des systèmes de suivi à distance sont en développement. Ces applications posent toutefois des questions éthiques spécifiques, liées à la vulnérabilité des personnes concernées et aux limites de l'IA dans la compréhension des états émotionnels.
Le cadre réglementaire applicable
La gouvernance de l'IA en santé au Québec s'inscrit dans un cadre réglementaire complexe, au croisement de plusieurs législations. La Loi sur les services de santé et les services sociaux encadre la prestation des soins et la gestion des établissements. La Loi sur l'accès aux documents des organismes publics et la Loi 25 s'appliquent au traitement des données personnelles de santé. La Loi sur les renseignements de santé, si elle est adoptée, viendrait compléter ce cadre avec des dispositions spécifiques aux données de santé.
Au niveau fédéral, la réglementation de Santé Canada sur les instruments médicaux s'applique aux logiciels d'IA qui répondent à la définition d'instrument médical, c'est-à-dire ceux qui sont destinés à être utilisés pour le diagnostic, le traitement, l'atténuation ou la prévention de maladies. Cette réglementation impose des exigences de sécurité, d'efficacité et de qualité qui doivent être satisfaites avant la mise en marché.
Les comités d'éthique de la recherche des établissements de santé québécois jouent un rôle important dans l'évaluation des projets de recherche impliquant l'IA. Leurs protocoles d'évaluation doivent toutefois être adaptés pour prendre en compte les spécificités de l'IA, notamment les enjeux de réutilisation des données et de consentement dynamique.
Les enjeux spécifiques de gouvernance
La sensibilité des données de santé constitue l'enjeu le plus fondamental. Les données médicales sont parmi les plus intimes et les plus sensibles qui soient. Leur utilisation dans des systèmes d'IA nécessite des protections renforcées, tant sur le plan juridique que technique. Le risque de réidentification est particulièrement élevé pour les données de santé, en raison de leur caractère unique et de la possibilité de les croiser avec d'autres sources d'information.
L'interopérabilité des systèmes constitue un défi technique et organisationnel majeur. Le système de santé québécois est fragmenté en de multiples établissements et réseaux, chacun utilisant des systèmes d'information différents. Le développement de l'IA en santé suppose une capacité de partage de données qui se heurte aux silos organisationnels et aux incompatibilités techniques existantes. Le Dossier Santé Québec et les efforts de normalisation des données de santé constituent des avancées importantes, mais beaucoup reste à faire.
La validation clinique des systèmes d'IA pose des défis méthodologiques spécifiques. Les méthodes traditionnelles d'évaluation clinique, essais contrôlés randomisés, études de cohorte, ne s'appliquent pas toujours facilement aux systèmes d'IA, qui évoluent continuellement et dont les performances peuvent varier selon les populations et les contextes d'utilisation. Des approches de validation adaptées doivent être développées pour s'assurer que les systèmes d'IA déployés en milieu clinique sont sûrs et efficaces.
La confiance des professionnels de santé est un facteur déterminant de l'adoption de l'IA. Les médecins, les infirmières et les autres professionnels de la santé doivent comprendre le fonctionnement des outils d'IA, avoir confiance dans leur fiabilité et être en mesure d'exercer leur jugement clinique en complément de l'analyse algorithmique. La formation des professionnels de santé à l'IA et la mise en place de protocoles clairs d'utilisation sont essentielles.
La responsabilité en cas d'erreur algorithmique est une question juridique et éthique non résolue. Si un système d'IA contribue à un diagnostic erroné ou à une décision de traitement inappropriée, qui en porte la responsabilité ? Le développeur du système ? L'établissement de santé qui l'a déployé ? Le professionnel de santé qui a suivi la recommandation algorithmique ? La clarification de cette question est indispensable pour assurer un déploiement responsable de l'IA en santé.
Le consentement des patients
Le consentement éclairé des patients pour l'utilisation de leurs données dans des systèmes d'IA est un enjeu éthique et juridique central. Les patients doivent être informés de manière compréhensible de l'utilisation de l'IA dans leurs soins et de l'utilisation potentielle de leurs données pour l'entraînement de modèles. Les modèles de consentement traditionnels, conçus pour des situations cliniques ponctuelles, doivent être adaptés pour tenir compte des usages multiples et évolutifs des données dans le contexte de l'IA.
Le concept de consentement dynamique, qui permet aux patients de moduler leur consentement au fil du temps en fonction des nouveaux usages de leurs données, constitue une piste prometteuse. Des plateformes numériques de gestion du consentement pourraient faciliter cette approche, tout en assurant la traçabilité et la transparence des utilisations.
Recommandations pour le secteur
Le déploiement responsable de l'IA en santé au Québec exige une approche coordonnée impliquant le gouvernement, les établissements de santé, les professionnels, les chercheurs et les patients. Parmi les mesures prioritaires, on peut identifier l'élaboration d'un cadre de gouvernance spécifique à l'IA en santé, la création d'une infrastructure sécurisée de partage de données de santé pour la recherche en IA, le développement de méthodologies de validation clinique adaptées aux systèmes d'IA, la formation systématique des professionnels de santé aux enjeux de l'IA, et la mise en place de mécanismes de participation des patients dans la gouvernance de l'IA en santé.
Conclusion
L'IA a le potentiel de transformer positivement le système de santé québécois, mais ce potentiel ne se réalisera que dans le cadre d'une gouvernance rigoureuse qui place la sécurité des patients, la protection de la vie privée et l'équité au cœur de ses préoccupations. Le Québec dispose des compétences et des institutions nécessaires pour devenir un modèle de gouvernance de l'IA en santé. Il lui revient de mobiliser ces ressources avec détermination et discernement.
