Le traitement du langage naturel pourrait aider les pédiatres à faire la distinction entre le droit d’un adolescent à la vie privée et le droit de savoir d’un parent.
Deux lois, l’une nouvelle, l’autre en vigueur depuis les années 1980, ont compliqué la vie des pédiatres. La 21st Century Cures Act du gouvernement fédéral, parmi ses nombreux mandats, exige que les médecins de tout le pays mettent à la disposition des patients leurs dossiers médicaux électroniques complets. D’un simple clic de souris, toutes les informations personnelles sur la santé, les résultats des tests, les médicaments prescrits et les notes cliniques doivent être accessibles numériquement pour examen par le patient.
Pendant ce temps, une loi sur la confidentialité en Californie exige simultanément que les pédiatres protègent la vie privée de leurs patients adolescents. Autrement dit, selon la loi, ils ne doivent pas divulguer aux parents certains détails sur la santé mentale, les antécédents sexuels, la consommation de drogue et d’autres informations confidentielles de leur enfant à charge.
“La plupart des États du pays ont une forme de lois sur la confidentialité, il y a donc un conflit entre la divulgation complète dans la loi fédérale et les protections de la vie privée des lois de l’État”, explique Keith Morse, un pédiatre qui dirige la science des données translationnelles chez Packard (TDaP). TDaP est spécifiquement chargé d’explorer les applications en émergence rapide de l’apprentissage automatique aux soins cliniques à l’hôpital pour enfants Lucile Packard.
Ce qui est qualifié de confidentiel pour un patient donné est laissé à l’interprétation du médecin et c’est là que réside un problème. Les médecins sont souvent en désaccord sur ces questions et maintenant ces distinctions subtiles sont pondérées non seulement par des conséquences médicales, mais aussi par des conséquences juridiques.
Dans cette gueule ont sauté Morse et une équipe de médecins, d’experts en bioinformatique et d’informaticiens de l’Université de Stanford qui ont exploité l’intelligence artificielle pour aider les pédiatres à signaler des informations potentiellement confidentielles dans leurs notes cliniques pour un examen plus approfondi afin de garantir le respect des deux lois. Les auteurs ont présenté leur algorithme dans un article évalué par des pairs qui a été soumis pour publication, et il est déjà utilisé par les pédiatres de la communauté Stanford Children’s Health.
La question fondamentale est la confiance.
“Nous voulons que les patients, dans ce cas les adolescents, sentent qu’ils peuvent être totalement ouverts et honnêtes avec leurs médecins sans craindre que leurs parents n’apprennent des détails personnels qu’ils préféreraient que leurs parents ne sachent pas”, déclare Morse. “Mais les parents s’intéressent aussi aux antécédents médicaux de leur enfant.”
L’algorithme ne supprime pas les informations confidentielles du dossier médical, mais utilise plutôt le traitement du langage naturel pour comparer le contenu des notes cliniques à une base de données afin de « signaler » les phrases, les phrases et les paragraphes qui, selon lui, risquent de violer les lois sur la confidentialité. L’algorithme calcule ensuite un « score de risque » pour aider les médecins à prendre leurs décisions en matière de confidentialité, à améliorer la conformité aux lois applicables et à accélérer le processus d’examen manuel.
“C’est une aiguille très fine que nous devons enfiler ici”, ajoute Naveed Rabbani, ingénieur devenu pédiatre à Stanford Medicine et auteur principal de l’étude. “L’intelligence artificielle peut aider à faire cette détermination clé entre ce qui est confidentiel et ce qui est nécessaire pour fournir au patient les meilleurs soins médicaux que nous puissions offrir.”
Notes des médecins et vie privée des adolescents
Pour construire leur algorithme et leur ensemble de données, les chercheurs ont recruté une équipe de cinq médecins pour évaluer une mine de notes cliniques sélectionnées au hasard auprès de 1 200 patients adolescents âgés de 12 à 17 ans. Les médecins qui avaient été spécifiquement formés aux nuances des lois californiennes sur la confidentialité des adolescents ont annoté le ensemble de données basé sur ces connaissances. Dans leur analyse, les chercheurs estiment qu’un peu plus de 20% des notes cliniques pour adolescents contiennent des informations confidentielles, indiquant que la question mérite d’être préoccupante.
Les 1 200 dossiers ont été répartis uniformément entre les cinq médecins, avec un certain chevauchement. Tous les médecins ne sont pas d’accord sur ce qui constitue des informations « confidentielles », et le chevauchement a aidé l’équipe de recherche en IA à identifier les zones grises d’interprétation.
L’algorithme a ensuite évalué de nouvelles notes cliniques inédites pour les problèmes potentiels, où il a calculé le score de risque et signalé le contenu pour examen par le médecin.
“La plus grande surprise pour moi dans cette recherche était à quel point il est difficile de déterminer la confidentialité”, déclare Rabbani. « Les meilleurs soins et la divulgation aux patients sont des objectifs parfois contradictoires. C’est là que l’IA aide vraiment.
Analyse en temps réel
Les chercheurs prévoient qu’un tel algorithme, s’il devait être utilisé plus largement, fonctionnerait en temps réel lorsque le médecin saisit des notes, signalant le contenu pour une catégorisation immédiate au fur et à mesure que les notes sont transcrites.
Les conflits potentiels étant signalés et classés par risque de confidentialité, le médecin peut rapidement prendre une décision éclairée et soit laisser la note ouverte au parent et à l’enfant, soit isoler les informations confidentielles dans un type de note spécial qui n’apparaît que lorsque le patient mineur examine le dossier de santé électronique.
À ce stade, cependant, l’algorithme résultant est un prototype de preuve de concept qui démontre à la fois la capacité de l’IA à discerner les nuances du langage écrit et sa capacité à accélérer le processus d’annotation du médecin tout en aidant à respecter les exigences légales de confidentialité.
Un obstacle à une utilisation plus large est que l’ensemble de données était basé sur des notes cliniques recueillies auprès de la communauté médicale de Stanford. Pour être fiables de manière universelle, les chercheurs prévoient que les futures versions devront être formées sur des notes de nombreuses autres institutions, car le style de prise de notes varie d’un hôpital à l’autre, tout comme les lois sur la confidentialité d’un état à l’autre.
D’un autre côté, ils pensent que leurs résultats indiquent que leurs méthodes d’IA pourraient être transférables à d’autres domaines de la médecine, notamment la santé reproductive à la lumière de la récente décision annulant les protections contre l’avortement, mais aussi les antécédents adultes d’infection par le VIH, d’anémie falciforme et de toxicomanie. , entre autres.
La source: Université de Stanford
