Outils d'IA pour améliorer le diagnostic et les pronostics des patients dans les zones de santé limitées en ressources

Singapour, le 27 janvier 2026 – La recherche menée par la Duke-NUS Medical School et ses collaborateurs démontre comment l'intelligence artificielle (IA) peut améliorer la prestation des soins de santé dans des environnements difficiles. L'équipe a adapté avec succès un modèle d'IA avancé pour prédire la récupération neurologique après un arrêt cardiaque chez des patients dans des contextes de soins de santé limités en ressources.

L'étude, publiée dans npj Digital Medicine, utilise l'apprentissage par transfert (« transfer learning »), une technique d'IA avancée qui adapte des modèles pré-entraînés sur de grands ensembles de données pour une utilisation dans de nouveaux environnements avec des données locales limitées. Cette méthode est particulièrement pertinente pour les pays à revenu faible ou intermédiaire où la collecte de données est restreinte. Un modèle d'IA initialement développé au Japon, basé sur les données de 46 918 patients, a été adapté pour une cohorte de 243 patients au Vietnam.

Le modèle adapté a considérablement amélioré la précision, distinguant les patients à haut risque de ceux à faible risque avec une précision d'environ 80 %, contre environ 46 % pour le modèle original dans le contexte vietnamien. Le professeur associé Liu Nan de Duke-NUS a souligné que l'apprentissage par transfert peut réduire les coûts, raccourcir les délais de développement et étendre les avantages de l'IA aux systèmes de santé disposant de moins de ressources.

Le potentiel de l'IA s'étend également à d'autres applications. Dans une étude distincte publiée dans Nature Health, des chercheurs de Duke-NUS et de l'University College London (UCL) ont examiné comment les grands modèles linguistiques (LLM) peuvent faire progresser la santé mondiale. Les LLM ont le potentiel d'améliorer l'accès aux soins, le diagnostic et la prise de décision clinique dans les régions où les spécialistes sont rares. Parmi les exemples figurent un chatbot d'information sur la grossesse et des applications mobiles de détection du paludisme.

Cependant, les chercheurs ont noté que le développement de l'IA reste concentré dans les pays à revenu élevé. De nombreux pays à revenu faible ou intermédiaire continuent d'être confrontés à des obstacles tels que des infrastructures et une expertise insuffisantes. En outre, des cadres réglementaires plus clairs sont nécessaires pour garantir la mise en œuvre sûre et éthique de l'IA. Un groupe de recherche dirigé par Duke-NUS propose la création d'un consortium international pour guider la réglementation de l'IA dans le domaine de la santé.