Par Cleiton Caldeira
Servir un nombre croissant de patients avec des ressources limitées est l’un des plus grands défis auxquels sont confrontés les systèmes de santé. En radiologie, cette équation prend des contours encore plus complexes : élargir l’accès aux examens nécessite des équipements, des infrastructures, des professionnels spécialisés, des systèmes capables de traiter de gros volumes d’informations et, de plus en plus, une technologie pour rendre l’ensemble de ce flux plus efficace.
La Chine offre une perspective particulièrement intéressante à ce débat. Comme le Brésil, c'est un pays de dimension continentale, avec une population importante, des inégalités régionales et le défi de garantir l'accès aux soins de santé dans un scénario où la demande peut dépasser la capacité des services. Lors d'un programme de formation aux techniques d'imagerie médicale organisé récemment dans le pays, il a été possible d'observer comment les grands hôpitaux chinois sont confrontés à ce problème et quel rôle joue l'intelligence artificielle dans ce processus.
Le premier aspect qui retient l’attention est l’échelle. Dans un hôpital de Shanghai comptant 800 lits, des programmes de deux minutes pour les tomodensitogrammes sans contraste, dix minutes pour les IRM et des objectifs allant jusqu'à 100 rapports par radiologue et par jour ont été observés. Dans une autre institution, avec 3 200 lits et environ 450 000 visites mensuelles, le même principe de haute productivité était présent dans les services d'imagerie. Par rapport à la productivité moyenne des examens et rapports brésiliens, nous parlons de deux fois la capacité de production.
Les chiffres sont impressionnants, mais leur seul examen pourrait conduire à la conclusion erronée que la différence réside dans la sophistication de l’équipement. La technologie est un élément important de cette capacité, mais ce qui maintient l’échelle, c’est un système organisé pour fonctionner de manière intégrée.
Cela se manifeste depuis l’infrastructure physique jusqu’à la manière dont les patients et les professionnels se déplacent dans les services. Les portes automatisées, les panneaux d'appel, la disposition des salles et les protocoles Lean réduisent les intervalles entre les étapes. Il existe une logique de flux claire, combinée à une culture opérationnelle dans laquelle chaque participant connaît son rôle dans le processus.
C’est dans cet environnement que l’intelligence artificielle acquiert une dimension particulièrement pertinente.
En radiologie, on a l’habitude d’associer l’IA principalement à l’analyse d’images : identifier des lésions, segmenter des structures, prendre des mesures ou aider au diagnostic. Ces applications restent fondamentales, mais ce qui est observé en Chine laisse présager une évolution importante. L’IA commence également à participer à l’organisation du flux de travail lui-même.
Dans les services visités, les examens CT et IRM peuvent être automatiquement envoyés vers des outils d’intelligence artificielle avant évaluation par le radiologue. Le système analyse les images, identifie et marque les changements possibles et fournit des suggestions structurées pour soutenir la préparation du rapport. Dans certains modèles présentés au cours du programme, la technologie peut également contribuer à prioriser les cas et à constituer des listes de travail en tenant compte des résultats identifiés par l’IA, du profil du patient, des caractéristiques professionnelles, des objectifs de productivité et des délais de service.
Ce changement est plus pertinent qu’il n’y paraît.
Cela indique un passage de l’IA en tant qu’outil spécifique à l’intelligence artificielle en tant que partie intégrante d’un écosystème opérationnel. Le système cesse d'agir uniquement sur l'image et commence à connecter les informations, à organiser les tâches et à soutenir les décisions tout au long des différentes étapes du voyage.
Pour les établissements de santé, ce mouvement apporte un message important : le potentiel de l’IA ne peut être analysé séparément des processus dans lesquels elle sera intégrée.
Un algorithme sophistiqué ne transforme pas à lui seul la capacité d’un service. Pour générer un réel impact, vous devez parler aux systèmes, aux équipements, aux données et aux professionnels. Il doit être inséré dans une infrastructure adéquate et, surtout, dans un processus conçu pour tirer parti de ce qu'offre la technologie.
L’expérience chinoise montre précisément la force de cette combinaison. L’automatisation, la standardisation et l’IA apparaissent associées à une organisation opérationnelle orientée pour servir de gros volumes. Dans le rapport des professionnels de l'INRAD ayant participé au programme, la perception était que l'efficacité observée ne résulte pas d'une solution isolée, mais de l'intégration entre la technologie, les processus, les personnes et les infrastructures.
Dans le même temps, l’échelle et la rapidité ne peuvent pas être les seuls indicateurs de l’efficacité des soins de santé.
Les visites étaient des occasions d'observation et d'échange de connaissances, et non d'évaluations de la qualité des soins des établissements. Des différences ont également été identifiées entre certains flux chinois et les pratiques de sécurité déjà consolidées au Brésil. Cela renforce un autre principe important lorsque l’on analyse les expériences internationales : apprendre d’autres modèles ne signifie pas les reproduire dans leur intégralité.
Chaque système de santé possède ses propres caractéristiques réglementaires, d’assistance, économiques et culturelles. La question la plus productive n’est donc pas de savoir comment importer un certain modèle, mais quelles solutions peuvent être adaptées pour résoudre des problèmes concrets dans notre réalité.
Pour le Brésil, cette discussion est particulièrement pertinente. Dans un système de dimension continentale comme le SUS, accroître la capacité ne signifie pas nécessairement simplement installer davantage d’équipements ou augmenter les équipes. Il existe une marge considérable pour améliorer la manière dont les ressources, les informations et les professionnels déjà disponibles interagissent.
L'intelligence artificielle, l'automatisation et l'intégration des données peuvent contribuer à réduire les étapes manuelles, à organiser les informations cliniques, à prioriser les cas et à rendre le travail des spécialistes plus efficace. Mais sa valeur sera proportionnelle à la capacité des institutions à intégrer ces outils dans l'assistance de manière sûre et cohérente.
À l’INRAD, différentes initiatives d’intelligence artificielle ont été développées précisément dans le but d’accompagner le service client et la production de rapports. L'expérience chinoise ajoute de nouvelles références à ces travaux en permettant d'observer des technologies appliquées dans la pratique et, principalement, dans des environnements soumis à une demande extrêmement forte.
C'est peut-être la principale leçon tirée de la radiologie à grande échelle : l'innovation ne consiste pas seulement à intégrer de nouvelles technologies, mais à créer un environnement dans lequel elles peuvent améliorer efficacement les opérations et développer les capacités des professionnels.
L’intelligence artificielle jouera un rôle croissant dans ce scénario. Son impact ne se mesurera cependant pas uniquement par la précision d’un algorithme. Elle se mesurera également à l’aune de la capacité à transformer les flux, à connecter les systèmes et à permettre aux institutions de servir davantage et mieux.
Pour les pays confrontés au défi permanent d’élargir l’accès aux soins de santé, il s’agit peut-être de l’une des applications les plus pertinentes de cette technologie.
*Cleiton Caldeira est directeur des infrastructures, de la technologie et de l'innovation à l'INRAD HCFMUSP.
