L'Intelligence Artificielle peut-elle améliorer les pratiques de télémédecine ?

Nous vivons depuis quelques années une surmédiatisation des promesses de l'Intelligence Artificielle (IA). Nous avons déjà rapporté en 2024 sur ce site plusieurs billets montrant l'impact de l'IA sur la pratique de la téléconsultation (https://www.telemedaction.org/422885857/ia-et-t-l-consultation?t=1773235400958), sur le tri des patients aux urgences pour donner la priorité aux malades les plus graves (https://www.telemedaction.org/422885857/trier-la-demande-soins-par-l-ia?t=1773235615379), sur la détection d'articles scientifiques frauduleux ou des mauvaises pratiques dans la recherche médicale (https://www.telemedaction.org/422885857/int.artificielle-9?t=1773235888508).

Mais l'article qui nous avait le plus impressionné en 2024 était l'éditorial du Lancet Digital Health pour le 5ème anniversaire du Journal (https://www.telemedaction.org/422885857/5-ans-de-sant-num-rique-au-lancet). Les auteurs (directeurs de la revue) attiraient l'attention du lecteur sur 

"la façon dont nous parlons de l'IA (qui) reflète souvent ce que nous pensons qu'elle devrait être, plutôt que d'être basée sur des preuves réelles" ou "le flou et l'ampleur de la promesse de l'IA qui permettent à chacun d'entre nous de construire ses propres hypothèses autour de son opportunité", ou encore "l'omniprésence de l'IA dans les médias donnant une impression non fondée de capacité à apporter une solution à notre crise sanitaire." Ces remarques pertinentes sont toujours d'actualité en 2026. Nous vivons chaque jour cette surinformation sur l'IA en santé, alors qu'elle n'est pas fondée à ce jour que sur de rares preuves.

Nous rapportons et commentons dans ce billet un article récent de deux chercheurs français (MR) et américain (RC)  qui font un point sur les preuves, les défis et les orientations de l'IA en télémédecine.

Integrating Artificial Intelligence Into Telemedicine: Evidence, Challenges, and Future Directions. Rossi M, Rehman S. Cureus. 2025 Aug 23;17(8):e90829. doi: 10.7759/cureus.90829. eCollection 2025 Aug.PMID: 40988810

INTRODUCTION ET CONTEXTE

La télémédecine est devenue un outil essentiel dans les soins de santé modernes, révolutionnant la manière dont les services médicaux sont dispensés à travers le monde. Elle permet des consultations à distance, le diagnostic des maladies, la surveillance des patients et le traitement via des technologies de communication numérique, améliorant considérablement l'accessibilité aux soins de santé, notamment dans les régions mal desservies.

L'Organisation mondiale de la santé (OMS) définit la télémédecine comme la fourniture de services de santé à distance par les professionnels de santé, via les technologies de l'information et de la communication, pour le diagnostic, le traitement et la prévention des maladies, ainsi que pour la promotion de la santé. Au cours des deux dernières décennies, la télémédecine a connu une croissance significative, portée par les avancées des technologies de santé numérique, la charge croissante des maladies chroniques et le besoin de prestation de soins de santé plus efficaces. La pandémie de COVID-19 a renforcé son adoption, alors que les systèmes de santé mondiaux faisaient face à des défis sans précédent qui nécessitaient un passage des soins médicaux en présentiel aux services de santé à distance.

Bien que la télémédecine offre plusieurs avantages, allant du dépassement des frontières géographiques à la réduction des coûts de santé et à la possibilité d'interventions rapides, sa mise en œuvre présente certains défis. Cela inclut les limitations technologiques, les disparités dans les infrastructures virtuelles, les préoccupations liées à la sécurité des données et la conformité réglementaire qui varie selon les pays. Une limitation importante des méthodes modernes de télémédecine est leur dépendance aux prestataires de soins, largement reconnue dans la littérature comme contribuant à une augmentation de la charge de travail des cliniciens et aggravant la pénurie de spécialistes cliniques. De plus, la télémédecine repose fortement sur des données générées par les patients, dont la qualité peut être affectée par des problèmes tels que des délais de soumission, des informations incomplètes ou manquantes, un manque de détails et des inexactitudes potentielles, qui peuvent toutes mettre en cause la rigueur scientifique et la prise de décision. La capacité à analyser en temps réel d'immenses quantités de données complexes de santé reste un défi majeur pour maximiser le plein potentiel de la télémédecine.

L'intelligence artificielle (IA) s'est imposée comme une stratégie prometteuse pour relever nombre de ces défis et renforcer l'efficacité de la télémédecine. L'IA, notamment grâce à l'apprentissage automatique et à l'apprentissage profond, facilite l'automatisation de l'interprétation d'images médicales, l'analyse prédictive de la progression de la maladie, la surveillance en temps réel des patients et les systèmes d'aide à la décision. Les applications de l'IA en télémédecine ont démontré un potentiel significatif dans diverses spécialités médicales. Par exemple, des algorithmes pilotés par IA ont été intégrés avec succès en dermatologie et en ophtalmologie, atteignant une sensibilité et une spécificité élevées pour des affections telles que le mélanome et la rétinopathie diabétique, avec des performances dans certaines études comparables ou supérieures à celles des spécialistes humains.

De plus, des chabots et assistants numériques propulsés par l'IA sont utilisés pour trier les patients, fournir un soutien en santé mentale et simplifier le déroulement des téléconsultations. Bien que beaucoup de ces applications soient encore en phase pilote ou en phase de déploiement précoce, certaines ont fait l'objet d'une validation clinique. Par exemple, les agents conversationnels pour la santé mentale ont montré des améliorations dans l'engagement des patients et la surveillance des symptômes dans des essais contrôlés randomisés, et les assistants de triage pilotés par l'IA ont démontré une grande précision dans l'orientation des patients vers des niveaux de soins appropriés dans des études observationnelles.

Les appareils portables (wearables) combinés à l'IA permettent un suivi continu des signes vitaux, améliorant la détection précoce de maladies telles que les maladies cardiovasculaires et respiratoires. Les preuves issues d'études cliniques montrent que des appareils comme l'Apple Watch et la KardiaMobile peuvent détecter la fibrillation auriculaire avec une grande sensibilité et une grande spécificité. De leur côté, les tensiomètres portables peuvent identifier l'hypertension masquée ou par effet blouse blanche, permettant une intervention rapide. De même, les appareils portables équipés d'oxymètre, de mesure du pouls peuvent détecter des événements d'apnée du sommeil, qui sont liés à une augmentation de la fréquence des AVC et du risque cardiovasculaire, facilitant ainsi un diagnostic et un traitement plus précoces.

Malgré ces améliorations, la télémédecine pilotée par l'IA en est encore à ses débuts, et d'importantes lacunes subsistent dans notre compréhension de son impact plus large sur la santé. De nombreuses études ont exploré des applications de l'IA dans des domaines uniques . Cependant, les évaluations complètes de l'intégration de l'IA dans la télémédecine dans son ensemble restent limitées, les récentes revues systématiques identifiant moins d'une douzaine d'études évaluant la mise en œuvre de bout en bout dans plusieurs spécialités.

Des questions cruciales telles que les considérations éthiques, le biais algorithmique, la confidentialité des données, l'approbation réglementaire et l'interopérabilité entre plateformes de télémédecine pilotées par l'IA restent non résolues, la confidentialité des données, la transparence algorithmique et la clarté réglementaire émergeant comme les défis les plus fréquemment cités dans la littérature.

De plus, l'efficacité des modèles d'IA dans des contextes cliniques réels reste contestée, avec des points clés de débat tels que la rareté d'essais prospectifs dans le monde réel, une généralisation limitée dans des populations de patients diverses et la potentielle dépendance excessive des cliniciens aux résultats algorithmiques opaques.

Compte tenu des progrès rapides de l'IA et de son intégration croissante dans la télémédecine, une évaluation systématique de l'état actuel de la recherche est essentielle. Cette revue systématique se concentre sur des études évaluées par des pairs publiées entre 2015 et 2024, examinant des modalités d'IA telles que l'apprentissage automatique, l'apprentissage profond, le traitement du langage naturel et la vision par ordinateur appliquées dans des contextes de télémédecine au sein de plusieurs spécialités cliniques, notamment la dermatologie, l'ophtalmologie, la cardiologie, la santé mentale et la gestion des maladies chroniques. Le champ d'action est global, englobant des études issues de divers systèmes de santé.

La revue vise à analyser les applications de l'IA en télémédecine, à identifier les principaux défis et limitations, et à explorer les orientations futures pour optimiser les solutions de santé pilotées par l'IA. En synthétisant la littérature actuelle, cette revue offre des éclairages sur la manière dont l'IA façonne la télémédecine, les obstacles qui freinent son adoption à grande échelle, ainsi que les stratégies potentielles pour surmonter ces obstacles afin d'assurer une mise en œuvre éthique, efficace et équitable de l'IA dans les soins de santé à distance.

MÉTHODOLOGIE

Stratégie de recherche

Cet article de synthèse a été guidé par les lignes directrices du Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA). Des stratégies de recherche complètes ont été menées sur deux bases de données principales : PubMed et Cochrane Library. Ces bases de données ont été sélectionnées en raison de leur forte pertinence pour la recherche biomédicale et clinique, en particulier dans la médecine fondée sur des preuves et les études de santé numérique.

La requête booléenne suivante a été utilisée pour trouver des articles pertinents :

Pour PubMed : (« Intelligence artificielle » OU « IA ») et (« Télémédecine » OU « Soins de santé à distance ») ET (« Apprentissage automatique » OU « Apprentissage profond » OU « Imagerie clinique » OU « Analytique prédictive ») ET (« Éthique » OU « Confidentialité des données » OU « Juridique » OU « Infrastructure » OU « Développement de politiques » OU « Programmes éducatifs » OU « Collaboration mondiale ») ET (« 2015 »[Date - Publication]) ET « Anglais »[Langue].

Pour la bibliothèque Cochrane : (« Intelligence artificielle » ou « IA ») et (« Télémédecine » OU « Soins de santé à distance ») ET (« Apprentissage automatique » OU « Apprentissage profond » OU « Imagerie clinique » OU « Analytique prédictive ») ET (« Éthique » OU « Confidentialité des données » OU « Juridique » OU « Infrastructure » OU « Élaboration de politiques » OU « Programmes éducatifs » OU « Collaboration mondiale »).

Les filtres pour la recherche de la bibliothèque Cochrane incluaient l'année de publication (2015-2024) et la langue (anglais). Pour garantir la pertinence de la stratégie de recherche et minimiser les résultats non pertinents, un raffinement itératif et des tests pilotes des termes de recherche ont été réalisés.

Critères d'inclusion et d'exclusion

Les critères d'inclusion et d'exclusion ont été soigneusement conçus pour garantir la sélection d'études de haute qualité et pertinentes offrant un aperçu complet de l'intégration de l'IA en télémédecine. Les critères suivants ont guidé le processus méthodique de sélection et de sélection :

Les critères d'inclusion comprenaient des études publiées entre 2015 et 2024 pour saisir les développements sur la dernière période de dix ans. Les études éligibles portaient spécifiquement sur les applications de l'IA dans les soins de santé humains, avec un accent sur la télémédecine, incluant à la fois des évaluations empiriques et des discussions théoriques couvrant des domaines tels que l'apprentissage automatique, l'apprentissage profond, l'imagerie clinique, l'analyse prédictive et les dispositifs portables. Seules les études répondant à une rigueur méthodologique prédéfinie, telles que des objectifs clairement énoncés, des méthodes de validation appropriées, des tailles d'échantillons adéquates et des rapports statistiques transparents, ont été incluses. La recherche portant sur l'éthique, la protection des données, les cadres juridiques, les infrastructures, la création de politiques, les programmes éducatifs et la collaboration internationale, qu'elle soit présentée sous forme d'études empiriques ou d'analyses conceptuelles, a également été prise en compte. De plus, seuls des articles de revues à comité de lecture, des revues systématiques et des méta-analyses rédigées en anglais ont été inclus.

Les critères d'exclusion étaient les suivants : études non liées à l'intégration de l'IA en télémédecine ou axées sur des applications non liées à la santé ou non humaines, incluant à la fois des articles empiriques et théoriques, sans un focus spécifique sur l'IA en télémédecine ; littérature grise telle que résumés de conférences, éditoriaux et articles d'opinion ; des articles écrits dans d'autres langues que l'anglais ; les études en double identifiées lors des recherches dans les bases de données ont été supprimées manuellement ; et des études de cas ou prospectives qui n'ont pas été incluses dans des méta-analyses plus larges ou des revues systématiques en raison de leur faible généralisation.

Extraction et gestion des données

La procédure de sélection de l'étude s'est déroulée en deux étapes. Tout d'abord un tri de titre et de résumé a été réalisé à l'aide d'une liste de contrôle standardisée afin de garantir une application cohérente des critères d'inclusion et d'exclusion. Les articles ayant réussi l'évaluation initiale ont subi un examen en texte intégral pour confirmer qu'ils répondaient à toutes les exigences. L'extraction des données a été réalisée de manière systématique à l'aide de Zotero (Corporation for Digital Scholarship (CDS), Fairfax, VA, États-Unis) pour la gestion des références et d'une table d'extraction de données Excel (Microsoft Corp., Redmond, WA, USA) pour capturer les variables d'étude structurées. Des informations importantes sur chaque étude sélectionnée ont été recueillies, notamment les auteurs, l'année de publication, les objectifs de l'étude, la méthodologie, les résultats clés et l'orientation thématique. Pour réduire les biais, deux chercheurs ont mené toute la procédure d'évaluation, y compris l'extraction des données, de manière indépendante. Les désaccords lors des évaluations des études étaient réglés par discussion, le chercheur principal prenant la décision finale. Ces données ont été organisées dans un tableau structuré pour faciliter l'analyse thématique et assurer une couverture approfondie des principales conclusions. Le processus d'extraction a permis de documenter les détails essentiels de chaque étude de manière à permettre une synthèse et une interprétation fluides.

Cadre de révision

Un diagramme de flux PRISMA a été utilisé pour documenter chaque étape du processus de sélection de l'étude, y compris le nombre d'articles récupérés, filtrés, exclus (avec des raisons), puis finalement inclus dans la revue.

Analyse

Une analyse thématique a été réalisée pour identifier les principales tendances, défis et solutions pour l'intégration de l'IA en télémédecine. Les thèmes ont été développés de manière inductive après une revue du texte intégral et une catégorisation structurée des données extraites dans une table Excel. Le processus reposait sur un consensus entre les deux évaluateurs indépendants, qui regroupaient les études sous catégories thématiques. Les résultats ont été organisés en trois grandes catégories : les applications de l'IA en télémédecine (par exemple, l'imagerie clinique et la surveillance à distance des patients), les défis (par exemple, la confidentialité des données, les lacunes réglementaires, l'infrastructure) et les solutions proposées (par exemple, recommandations politiques, formation en santé). Des données quantitatives descriptives, telles que la fréquence d'apparition des thèmes ou la répartition des études selon les domaines d'application, ont été synthétisées et présentées dans des tableaux pour faciliter la visualisation et mettre en évidence les motifs clés.

RÉSULTATS

Cette revue systématique a étudié la mise en œuvre de l'IA en télémédecine dans divers domaines médicaux, avec des résultats organisés par domaine clinique et par thèmes, mettant ainsi en lumière les avancées, les défis persistants et les orientations futures potentielles. La stratégie de recherche mise en œuvre a donné un résultat dans PubMed de 38 articles et un résultat de recherche dans la Cochrane Library de 2 articles. Les articles ne répondant pas aux critères d'inclusion ont été exclus, laissant 31 articles à examiner. Les études examinées ont montré comment les outils alimentés par l'IA pouvaient améliorer la prestation de soins à distance en soutenant des améliorations du diagnostic, du suivi et du traitement.

Intégrations de l'IA et de la télémédecine dans les spécialités médicales

Dermatologie : La télédermatologie a été l'un des premiers domaines de la santé à intégrer l'IA et la télémédecine, en raison de la nature du diagnostic, basée sur l'image dermatologique, ainsi que de la demande croissante de services.

Dans les contextes de la télédermatologie, les modèles d'apprentissage profond soutenus par l'IA ont obtenu une précision diagnostique comparable à celle des dermatologues (0,67 contre 0,63) et ont surpassé les médecins généralistes (0,45) dans l'identification de 26 affections cutanées. Des applications mobiles pour l'imagerie des lésions cutanées et le triage sont aujourd'hui disponibles. Cependant, des évaluations empiriques ont montré que leur précision diagnostique réelle reste limitée.

La télédermatologie améliorée par IA a le potentiel de favoriser l'accès aux soins dans les zones défavorisées et rurales en accélérant les orientations et en réduisant les délais d'attente. Cependant, les disparités dans la représentation des données d'entraînement, en particulier la sous-représentation des teints de peau plus foncés, peuvent limiter la précision diagnostique dans ces populations, aggravant potentiellement les inégalités en santé.

Le modèle asynchrone de stockage, dans lequel des données cliniques et des images dermoscopiques sont transmises pour une analyse spécialisée différée, a montré une utilité particulière dans de telles situations cliniques. En particulier, il a été observé que l'ajout d'images dermoscopiques améliorait significativement la sensibilité diagnostique (de 86,57 % à 92,86 %) et la spécificité (de 72,33 % à 96,24 %) par rapport aux images cliniques seules.

Ophtalmologie : L'IA a montré un grand potentiel en ophtalmologie, notamment dans des domaines tels que l'analyse automatisée d'images, la stratification des risques, la prédiction de la progression de la maladie et l'autosurveillance, avec des applications couvrant la myopie, la rétinopathie diabétique, le glaucome et la dégénérescence maculaire liée à l'âge.

Dans plusieurs études, les systèmes d'IA ont démontré une grande précision diagnostique dans un large éventail de conditions, notamment dans des tâches sur l'image comme la détection de liquide dans la rétine et la classification des stades de la maladie. La sensibilité et la spécificité rapportées dans les études contrôlées dépassaient souvent 90 %.

Dans certains cas, la performance de l'IA a égalé ou dépassé celle des spécialistes humains, bien que la plupart des évaluations restent limitées à la validation interne ou aux comparaisons rétrospectives.

Des modalités d'imagerie telles que la tomographie par cohérence optique (OCT) et l'angiographie OCT ont renforcé les capacités prédictives de l'IA. Par exemple, dans le glaucome, un modèle d'apprentissage profond prédisait les valeurs futures de la moyenne du champ visuel de Humphrey jusqu'à 5,5 ans à l'avance, à partir d'un seul test du champ visuel, obtenant une forte corrélation (r = 0,92) entre les valeurs prédites et réelles dans un jeu de données en monde réel.

Les solutions de télémédecine propulsées par l'IA permettent le filtrage à distance, le triage et la surveillance, en particulier dans les zones mal desservies. Les technologies portables telles que Clouclip et les applications installées sur des smartphones ont permis la surveillance à distance, ce qui permet d'obtenir des informations exploitables sur les habitudes visuelles et la progression de la maladie. Les systèmes OCT à domicile pour les maladies rétiniennes ont également démontré un accord significatif avec les évaluations d'experts pour la détection des liquides et la planification des traitements.

Soins de maternité : La télémédecine a également démontré son potentiel à révolutionner les soins de maternité grâce aux technologies de type Industry 4.0. Les plateformes de télémédecine, ainsi que les dispositifs portables Internet des objets (IoT), permettent la surveillance à distance des paramètres de santé maternelle et fœtale comme la tension artérielle maternelle et le rythme cardiaque fœtal, éliminant ainsi le besoin de visites fréquentes en clinique et améliorant l'accès dans les zones défavorisées.

De plus, des études pilotes et observationnelles ont montré que l'IA améliore la télémédecine en analysant en temps réel les données provenant de moniteurs portables de tension artérielle et de fréquence cardiaque, de capteurs de glucose continus et de dispositifs de contraction utérine pour détecter les premiers signes de prééclampsie, un diabète gestationnel et un accouchement prématuré, permettant ainsi des interventions plus rapides et des plans de soins plus personnalisés.

Les assistants virtuels et les chabots alimentés par l'IA favorisent le soin en fournissant des conseils personnalisés, des rappels et un soutien en santé mentale, en particulier pour des maladies telles que la dépression du post-partum. De plus, des solutions de santé numériques basées sur le cloud améliorent la collaboration entre professionnels de santé en stockant et en partageant de manière sécurisée les dossiers médicaux en temps réel.

Oncologie : La télémédecine a également montré des résultats prometteurs en oncologie, permettant des consultations à distance, des suivis et des traitements en santé mentale tout en minimisant le besoin de visites en présentiel. Les soins distanciels alimentés par l'IA offrent un diagnostic personnalisé et une planification des traitements, avec le potentiel d'améliorer les résultats pour les patients. De plus, les dispositifs portables permettent la surveillance à distance des signes vitaux et des réponses au traitement, soutenant des soins proactifs. Avec les données obtenues des patients, la collaboration internationale peut générer des ensembles de données complets pour faire progresser la recherche et la standardisation des traitements. Ces technologies peuvent améliorer l'accès aux connaissances sur le cancer, améliorer la coordination des traitements et réduire les coûts de santé.

Technologies émergentes et innovations en télémédecine

Robotique et télé-rééducation : La télémédecine, assistée par la robotique alimentée par l'IA et des plateformes de rééducation à distance, émerge comme une approche prometteuse dans le traitement de l'AVC et l'analyse du mouvement, en particulier dans les recherches en phase initiale et les applications pilotes. Des systèmes télé robotiques tels que CorPath GRX démontrent la faisabilité technique de la manipulation endovasculaire à distance dans les soins des AVC et démontrent des perspectives pour améliorer l'accessibilité dans les zones mal desservies.

L'intégration de l'IA simplifie la navigation chirurgicale et améliore la précision des procédures, apportant des soins spécialisés dans des lieux isolés.

Des technologies comme StepSense proposent des solutions de télé-rééducation via le biofeedback en réalité virtuelle, permettant l'analyse et la thérapie à distance de la démarche pour les patients souffrant de douleurs chroniques et de COVID long. Les données préliminaires d'un essai contrôlé à petite échelle et sur un seul site (n = 10) suggèrent que les interventions basées sur la réalité virtuelle étaient associées à une amélioration plus importante de la mobilité, mesurée par le test de marche de six minutes, et à une satisfaction plus élevée des patients par rapport aux soins standards.

Blockchain et solutions décentralisées : L'intégration de la blockchain, de l'IA et des technologies décentralisées a conduit à des avancées substantielles en télémédecine. Une étude a présenté une architecture conceptuelle basée sur la blockchain pour une pathologie numérique sécurisée et évolutive utilisant des jetons non fongibles ERC-721 et le système de fichiers InterPlanetary pour faciliter l'échange d'images diagnostiques à distance, avec l'avantage de réduire les coûts d'infrastructure. Cette méthode a également permis un diagnostic assisté par IA du cancer, des maladies urologiques et des maladies gastro-intestinales.

Une autre innovation, les cliniques mobiles de diagnostic, a été proposée comme un concept qui intègre l'IA et des instruments de diagnostic portables pour fournir des services de télémédecine, tels que des consultations à distance et un soutien à la décision thérapeutique en temps réel, afin d'améliorer l'accès aux soins et la détection précoce des maladies dans les zones mal desservies.

Le système aEYE, un système d'apprentissage profond pour la détection vidéo du nystagmus, a été évalué sur 435 enregistrements monoculaires d'oculographie vidéo infrarouge provenant de 30 patients souffrant de vertiges aigus, obtenant un AUROC de 0,86, une sensibilité de 88,4 % et une spécificité de 74,2 % dans les enregistrements à 60 Hz, avec une perte de performance minimale pour des résolutions d'image plus basses, avec des résultats obtenus par validation croisée triple.

La télémédecine pour les maladies génétiques rares a démontré la capacité des plateformes alimentées par l'IA à faciliter le diagnostic précoce, la surveillance à distance des patients et le recrutement à distance pour essais cliniques. Ces innovations mettent en lumière comment des solutions décentralisées, combinées à l'IA, améliorent l'accès aux soins de santé tout en réduisant les besoins en infrastructures et les coûts associés.

Intégration des données et confidentialité en télémédecine avec IA

Solution de gestion des données de santé : La création de nœuds Health Data Space (HDS) constitue une avancée majeure dans la combinaison des données de télémédecine avec les sources cliniques traditionnelles, telles que les dossiers médicaux électroniques et les registres nationaux de santé.

Dans une étude de preuve de concept auprès de patients souffrant d'insuffisance cardiaque, les nœuds HDS ont intégré de manière sécurisée les données provenant des dispositifs de télésurveillance et d'autres sources tout en protégeant la vie privée des patients en utilisant des approches telles que la pseudo anonymisation pour préserver la vie privée. Le système a démontré sa scalabilité (c.a.d.changement d'échelle sans subir de modification) en intégrant les données de 5 004 patients, dont plus de 2,9 millions de notes cliniques en libre texte et 5,2 millions d'événements cliniques. Il a atteint des débits de traitement allant jusqu'à 1151 points de données par seconde lors des opérations d'extraction, de transformation et de chargement. Il soutenait des applications d'apprentissage automatique telles que la classification des notes cliniques basée sur le traitement du langage naturel et mettait en avant le rôle des données de santé numérique dans les analyses complètes des patients et les évaluations de la qualité de vie.

Techniques de préservation de la vie privée : Une autre innovation en télémédecine pilotée par l'IA est l'intégration de l'informatique par brouillard qui, grâce au traitement localisé des données, permet des diagnostics en temps réel, une surveillance intraopératoire et des soins à distance des patients grâce au traitement localisé des données, protégeant la vie privée et minimisant la latence. Ces capacités sont soutenues par des données empiriques issues d'évaluations basées sur la simulation qui mettent en lumière leur faisabilité technique et leur impact potentiel sur la prestation des soins de santé. De plus, cette technique est complétée par des analyses prédictives alimentées par l'IA pour une gestion proactive des maladies. Dans le domaine de la rhumatologie, il a été démontré que les téléconsultations, les applications pour smartphones et les appareils portables améliorent la surveillance des maladies et minimisent les déplacements. Cependant, des préoccupations concernant la confidentialité et une validation insuffisante des applications persistent. De plus, une autre étude basée sur des simulations et des modèles conceptuels a exploré comment l'apprentissage fédéré et l'informatique en périphérie permettent des diagnostics à distance en temps réel et une surveillance continue des patients tout en protégeant la confidentialité des données.

Solutions de santé mentale et de réhabilitation pilotée par l'IA

Prévention du suicide et suivi comportemental : Il a été démontré que la télémédecine améliore les soins de santé mentale en permettant une surveillance continue et une intervention précoce pour les personnes à risque. Dans ce contexte, un protocole prospectif d'essai clinique multi-site a exploré l'intégration de l'IA et de la santé mobile (mHealth) en télémédecine pour prévenir les tentatives de suicide grâce à la surveillance comportementale en temps réel et à des interventions individualisées. En intégrant la collecte passive de données via l'application eB2 (surveillance de l'activité physique, de la géolocalisation et des schémas de communication) avec des analyses auto-déclarées via l'application MEmind et des indicateurs physiologiques mesurés par des brassards, une évaluation complète de l'état des patients est possible. Ensuite, les programmes alimentés par l'IA évaluent ces données pour identifier le risque de suicide, orientant les cliniciens vers des interventions rapides. Ces modèles prédictifs sont évalués par rapport à des évaluations cliniques standardisées dans le cadre d'un processus de validation en cours.

Rééducation et modèles virtuels de patients : Les avancées en télémédecine sont également visibles dans des recherches prometteuses utilisant l'IA pour la rééducation à distance et la surveillance des patients. À partir d'une étude basée sur la simulation avec des données de 10 volontaires en bonne santé, LightGBM a été appliqué pour estimer avec une grande précision les angles d'abduction radiale du pouce (CC = 0,99), offrant une solution de télémédecine rentable et sans contact pour l'évaluation de la posture sans nécessiter d'équipement spécialisé.

Une validation supplémentaire dans des populations de patients plus larges et cliniquement diversifiées est nécessaire avant une application plus large. De même, une autre étude a décrit un cadre de preuve de concept combinant jumeaux numériques avec des dispositifs portables pour construire des modèles virtuels de patients pour la surveillance en temps réel, l'analyse prédictive et les soins individualisés, avec des mises en œuvre précoces observées dans différents contextes.

Défis

L'utilisation de l'IA en télémédecine pose plusieurs défis potentiels dans diverses applications de la santé. Bien que la télémédecine alimentée par l'IA permette des diagnostics à distance, la prise de décision et des soins personnalisés, elle soulève également des préoccupations dans les domaines réglementaire, technique et éthique.

Une étude récente a mis en lumière des directives sud-africaines sur la télémédecine qui étaient dépassées. Les auteurs de l'étude ont appelé à une législation spécifique à l'IA, soulignant l'importance de son usage dans les téléconsultations et la prestation de soins en milieu rural, tout en soulevant des questions éthiques telles que le consentement éclairé et la responsabilité en cas d'erreurs de l'IA.

Un autre défi est lié aux biais des modèles d'IA principalement entraînés sur des populations européennes et de l'Asie de l'Est, ce qui limite la généralisation des résultats. Par exemple, un réseau de neurones convolutionnel a atteint une aire inférieure à 0,96 sur un jeu de données asiatiques mais est tombé à 0,88 sur un jeu de données caucasiennes. Les systèmes d'IA entraînés sur des ensembles de données majoritairement blancs ont montré des taux d'erreur élevés chez les individus noirs, soulignant la nécessité de données d'entraînement diversifiés et non discriminatives.

Des contraintes techniques, telles que les incohérences de qualité d'image et la fiabilité faible des modèles d'IA sur des ensembles de données externes, limitent encore davantage la mise en œuvre. Des obstacles éthiques et juridiques persistent également, notamment concernant la nature de la « boîte noire » de l'IA, qui fait référence à un manque de transparence sur la manière dont les modèles d'IA parviennent aux conclusions diagnostiques.

Les préoccupations liées à la confidentialité des données restent un obstacle majeur, tout comme l'absence de modèles de remboursement standardisés pour la télémédecine intégrée à l'IA. Dans des contextes à faibles ressources, en particulier en santé maternelle, des obstacles tels que les coûts élevés de mise en œuvre, les préoccupations en matière de vie privée et les biais algorithmiques créent des disparités dans l'accès aux soins. De plus, les disparités dans l'accès aux technologies de santé numérique soulignent la nécessité de stratégies de mise en œuvre équitables et sécurisées.

Un autre défi est le manque d'interopérabilité entre les systèmes de télémédecine qui, avec les limitations des ressources, limite considérablement l'adoption à grande échelle. Des architectures d'IA distribuée et des cadres basés sur la blockchain ont été conceptuellement proposés pour relever les défis d'interopérabilité en télémédecine.

De plus, bien que l'analyse prédictive alimentée par l'IA et la surveillance à distance aient amélioré la prestation des soins, elles ont aussi augmenté les risques de violations des données et les biais algorithmiques.

Pour relever ces défis, des recherches ont été menées en se concentrant sur le développement de plateformes d'IA préservant la vie privée. Par exemple, une étude récente a démontré comment la surveillance de la santé en temps réel et non intrusive peut être intégrée de manière fluide à la télémédecine. De plus, il est également important de considérer qu'économiquement, la télémédecine pilotée par l'IA a le potentiel de réduire significativement les coûts liés aux soins de santé. Cependant, les analyses de rentabilité jusqu'à présent se sont limitées à quelques spécialités, laissant la plupart des autres spécialités sans évaluation économique complète.

DISCUSSION

L'intégration de l'IA en télémédecine a démontré un potentiel considérable dans différentes spécialités médicales, apportant des améliorations du pronostic, du suivi des patients et des traitements personnalisés. Cette revue systématique a mis en lumière que la télémédecine alimentée par l'IA améliore l'accessibilité des soins de santé, principalement dans les régions éloignées et mal desservies, en facilitant le dépistage et le triage, bien que peu d'études aient rapporté un accès direct aux indicateurs.

En dermatologie, l'IA a atteint une précision diagnostique comparable à celle des dermatologues ; un essai clinique randomisé a démontré une amélioration des performances diagnostiques et de la rentabilité grâce à l'intégration d'images dermoscopiques en téléconsultation, soutenant le potentiel de mise en œuvre clinique, bien que la validation réelle reste limitée.

En ophtalmologie a bénéficié du dépistage et du suivi pilotés par l'IA pour des affections telles que la rétinopathie diabétique et le glaucome, les modèles atteignant une sensibilité et une spécificité élevées. Cependant, des problèmes persistent concernant la validation externe, la diversité des ensembles de données et le risque de disqualification des cliniciens, où une dépendance excessive à l'IA pour l'interprétation d'images de routine peut diminuer la compétence diagnostique des cliniciens.

En santé maternelle, l'IA et la télémédecine ont facilité la surveillance à distance, la détection précoce des problèmes et les soins personnalisés, mais les défis, tels que les limitations de l'infrastructure et les biais algorithmiques, doivent encore être abordés.

En oncologie, les applications de l'IA ont élargi l'accès des patients aux soins numériques, améliorant la coordination des traitements et la surveillance à long terme.

Les technologies émergentes, telles que la téléchirurgie robotisée pilotée par l'IA et les outils de télé rééducation mobile, ont démontré le potentiel d'amélioration pour la précision chirurgicale et la récupération post-traitement, bien que des défis réglementaires et éthiques persistent.

Au-delà des applications cliniques, les systèmes de gestion des données pilotés par l'IA, tels que les nœuds HDS et les cadres d'apprentissage fédérés, ont amélioré l'intégration des dossiers médicaux préservant la confidentialité. Néanmoins, les questions d'interopérabilité et de standardisation restent des limites clés à une adoption généralisée.

Le rôle de l'IA dans la surveillance de la santé mentale et la prévention du suicide s'est imposé comme une application novatrice de télémédecine, exploitant l'analyse comportementale en temps réel pour soutenir les stratégies d'intervention précoce.

Malgré ces avancées, les défis identifiés dans cette revue systématique, notamment les biais dans les modèles d'IA, les préoccupations en matière de vie privée et les lacunes réglementaires, soulignent la nécessité de cadres de validation robustes et de solutions axées sur les politiques afin d'assurer une utilisation équitable et éthique de l'IA en télémédecine. Le développement et les tests de tels cadres restent un domaine clé pour les recherches futures.

Applications pratiques de l'IA en télémédecine

Les résultats de cette revue suggèrent que la télémédecine alimentée par l'IA peut améliorer la prestation des soins de santé en réduisant les erreurs diagnostiques, en accélérant le tri des patients et en améliorant la surveillance à distance des patients. Bien qu'une évaluation complète des critères cliniques ait été limitée, certaines études examinées ont rapporté des indicateurs suggérant une amélioration des résultats cliniques. Par exemple, des modèles d'IA approuvés par la FDA pour le dépistage de la rétinopathie diabétique ont facilité une intervention précoce, réduisant ainsi le risque de progression de la maladie.

Dans les soins de l'AVC, la téléchirurgie assistée par IA (thrombectomie) a permis d'accéder au traitement plus longtemps après la phase aiguë, en particulier dans les zones géographiquement isolées. Les professionnels de santé peuvent utiliser l'IA pour améliorer la prise de décision, optimiser l'efficacité des flux de travail et personnaliser les soins aux patients.

Pour que la télémédecine pilotée par l'IA soit largement appliquée, les établissements de santé doivent relever des défis tels que la formation des cliniciens, l'interprétation de l'IA et les préoccupations éthiques. Garantir l'implication des cliniciens dans le développement et la validation des modèles d'IA peut être crucial pour promouvoir la confiance envers l'IA et favoriser son adoption.

De plus, les organismes de régulation devraient établir des lignes directrices claires pour la validation et l'intégration de l'IA, en mettant l'accent sur la transparence, la sécurité des données et l'accès équitable. Les plateformes de télémédecine intégrant l'IA devraient également donner la priorité à l'engagement des patients en intégrant des fonctionnalités explicables d'IA, permettant ainsi aux cliniciens et aux patients de comprendre les décisions pilotées par l'IA.  Cela est particulièrement pertinent dans des spécialités comme l'oncologie et la santé mentale, où la confiance des patients est cruciale pour le respect des plans de traitement.

Les modèles de remboursement pour la télémédecine alimentée par l'IA doivent être standardisés afin de favoriser une adoption plus large et une durabilité financière. Certaines études ont abordé les structures de remboursement existantes, telles que le paiement par téléconsultation dans des systèmes nationaux comme celui de l'Espagne ou les modèles spécialisés par consultation aux Pays-Bas, offrant des cadres précoces pour une intégration rentable.

Orientations futures

Bien que l'IA ait prouvé son potentiel en télémédecine, plusieurs domaines méritent des recherches et des améliorations supplémentaires. La validation clinique et la généralisation restent essentielles, les études futures devant se concentrer sur la validation à grande échelle et multicentrique des modèles d'IA afin d'évaluer leur applicabilité à des populations diverses, un écart notablement non abordé par la plupart des études revues. Traiter les biais dans les modèles d'IA, principalement ceux développés à partir de données provenant de zones géographiques particulières, est essentiel pour garantir des résultats de santé équitables.

Des cadres réglementaires et éthiques doivent également être développés, avec des lignes directrices standardisées pour l'IA en télémédecine couvrant la confidentialité des données, la responsabilité dans les choix pilotés par l'IA et la supervision des cliniciens. Les considérations éthiques, y compris le consentement éclairé et la transparence algorithmique, doivent être prioritaires pour instaurer la confiance entre les professionnels de santé et les patients. 

Le potentiel de l'IA en médecine personnalisée devrait être approfondi, principalement dans la gestion et la rééducation des maladies chroniques. L'analyse prédictive propulsée par l'IA peut améliorer les plans de traitement individualisés, favorisant l'adhésion et les résultats à long terme des patients.

Les recherches futures devraient également se concentrer sur l'interopérabilité et l'intégration des données, avec une attention particulière à l'apprentissage fédéré, qui a été activement exploré pour des applications de santé préservant la vie privée, ainsi que sur la gestion des données de santé basée sur la blockchain et les systèmes décentralisés pilotés par l'IA. Cependant, ces approches restent à un stade conceptuel ou de preuve de concept, principalement en raison de défis de scalabilité et d'interopérabilité, ainsi que de problèmes réglementaires et de gouvernance non résolus qui entravent la mise en œuvre clinique. Des protocoles de partage de données sécurisés et standardisés seront essentiels pour maximiser l'impact de l'IA sur la prestation des soins de santé.

Les recherches sur les implications financières de la télémédecine alimentée par l'IA restent limitées. Notamment, bien que certaines études aient proposé des évaluations partielles du rapport coût-efficacité (par exemple, en projetant des économies liées à l'efficacité du flux de travail ou à la réduction des admissions hospitalières), aucune étude incluse dans cette revue n'a réalisé d'analyse coûts-bénéfices méthodologiquement complète tenant compte des coûts de mise en œuvre, de la durabilité à long terme et des résultats multidimensionnels en matière de soins de santé. À cet égard, les recherches futures devraient donner la priorité à des évaluations économiques complètes, incluant les coûts de mise en œuvre, les dépenses opérationnelles et la viabilité financière à long terme, afin de soutenir une prise de décision éclairée par les décideurs de santé.

Compte tenu de l'adoption croissante d'applications de santé mentale pilotées par l'IA, des recherches supplémentaires devraient explorer l'impact à long terme des interventions basées sur l'IA sur les résultats des patients. Les considérations éthiques entourant la surveillance comportementale continue et la protection des données doivent également être examinées afin d'assurer une mise en œuvre responsable.

Enfin, la combinaison de l'IA avec des technologies émergentes telles que la 5G, la Réalité virtuelle et les objets connectés offre de nouvelles opportunités pour la télémédecine. En fin de compte, une recherche dédiée à ces intégrations peut encore améliorer les diagnostics et traitements à distance en temps réel.

CONCLUSION

Cette évaluation systématique souligne le potentiel transformateur de l'IA en télémédecine, démontrant sa capacité future à améliorer la précision diagnostique, la surveillance à distance et les soins personnalisés aux patients dans divers domaines médicaux. Les outils alimentés par l'IA ont déjà démontré des bénéfices en dermatologie, ophtalmologie, santé mentale et gestion des maladies chroniques, notamment pour améliorer la précision diagnostique, l'efficacité des flux de travail et l'accessibilité aux soins de santé.

Les preuves de résultats réels sont relativement plus solides en ophtalmologie, où les outils d'IA approuvés par la FDA pour le dépistage de la rétinopathie diabétique ont montré un impact clinique, et en dermatologie, où les données d'essais randomisés soutiennent l'intégration en téléconsultation.

En revanche, les preuves restent préliminaires dans la gestion de la santé mentale et des maladies chroniques, où la plupart des études sont pilotes ou basées sur des simulations, soulignent la nécessité d'une validation à plus grande échelle. L'intégration généralisée de l'IA en télémédecine est entravée par des défis critiques, notamment des considérations éthiques, des préoccupations liées à la confidentialité des données, des incohérences réglementaires et des biais algorithmiques. L'absence de validation solide dans le monde réel et de directives standardisées limite encore davantage l'applicabilité clinique de l'IA, la plupart des études s'appuyant sur des évaluations internes sans évaluer la généralisation à divers contextes cliniques. Résoudre ces obstacles nécessite une approche multifactorielle : renforcer la collaboration interdisciplinaire, mettre en place des cadres réglementaires clairs et garantir des processus de développement de l'IA transparents. Les futures avancées en télémédecine pilotée par l'IA devraient donner la priorité à l'accès équitable aux soins de santé, à l'implication des cliniciens dans la validation des modèles, ainsi qu'à des méthodologies d'IA préservant la vie privée, telles que l'apprentissage fédéré et la gestion des données basée sur la blockchain.

Les évaluations coûts-bénéfices sont cruciales pour évaluer la viabilité financière à long terme de l'intégration de l'IA dans les systèmes de santé. Cependant, comme le souligne cette revue, aucune analyse coûts-bénéfices méthodologiquement complète n'a encore été menée, soulignant l'urgence des recherches futures dans ce domaine. Pour garantir des preuves significatives aux décideurs, ces études devraient inclure des paramètres clés tels que les coûts de mise en œuvre, les dépenses opérationnelles, la durabilité à long terme et les impacts sur les actions. En surmontant ces défis et en améliorant les résultats pour les patients, la télémédecine propulsée par l'IA a le potentiel de transformer la prestation des soins de santé à l'échelle mondiale, en minimisant les inégalités et en augmentant l'efficacité des soins de santé

COMMENTAIRES. Peu de choses à commenter sur cette remarquable revue qui nous semble avoir fait le "state of the art" de cette question. Il y a manifestement un espoir de rendre les soins distanciels avec l'IA plus performants, plus fiables et plus personnalisés. Mais il reste encore du chemin à parcourir pour apporter des preuves robustes de son efficacité, de son utilité et surtout de sa fiabilité.

18 mars 2026