IA médicale : passer du traitement à la prévention

Une étude publiée en 2026 dans la revue Frontiers in Science par des chercheurs de l’Imperial College London, dont le professeur Hutan Ashrafian et le docteur Ahmad Guni, souligne le potentiel transformateur de l’intelligence artificielle médicale, avec un changement de paradigme majeur : passer du traitement curatif à la prévention proactive des maladies. Le travail identifie une évolution des fonctions de l’IA dans le secteur de la santé, s’étendant des capacités descriptives et diagnostiques actuelles vers des approches prédictives, prescriptives, critiques et créatives. Aujourd’hui, la plupart des outils d’IA approuvés par les régulateurs restent limités à la phase de conseil ou d’assistance, sans s’intégrer profondément aux workflows cliniques. Les auteurs décrivent un spectre d’autonomie clinique qui pourrait s’étendre vers des systèmes capables de traiter simultanément de multiples flux de données pour gérer des interventions complexes, du suivi à distance à la chirurgie robotisée. Cette montée en puissance permettrait de détecter les pathologies plus tôt, d’affiner les traitements et de réduire la pression exercée sur les systèmes de santé face au vieillissement démographique, à l’essor des maladies chroniques et aux pénuries de personnel médical. Pourtant, la transition vers une IA préventive et intégrée se heurte à plusieurs obstacles majeurs. La majorité des modèles sont actuellement évalués sur leur précision technique plutôt que sur leur capacité à améliorer concrètement les résultats des patients. Le déploiement effectif est également freiné par des lacunes en matière de validation clinique, d’interopérabilité des données, de qualité des informations traitées et d’acceptation réglementaire. L’exemple du dépistage automatisé du cancer du col de l’utérus illustre cette réalité : bien que prometteur, son adoption reste hétérogène en raison de ces contraintes structurelles. Selon les chercheurs, la performance algorithmique et la puissance de calcul ne suffiront pas à garantir une adoption réussie. Il est impératif de renforcer les infrastructures de données, de former les professionnels de santé à ces nouveaux outils et d’établir des cadres de gouvernance solides. La régulation seule ne peut couvrir l’ensemble des enjeux pratiques. Des modèles de remboursement adaptés, des procédures d’acquisition claires, une surveillance continue post-déploiement ainsi que la définition précise des responsabilités et de la responsabilité juridique entre cliniciens, développeurs et établissements sont indispensables. Les auteurs insistent sur la nécessité d’une collaboration étroite entre la recherche, la clinique, l’industrie technologique et les autorités de régulation. En garantissant la sécurité des patients, la transparence des algorithmes et l’équité d’accès, l’IA pourrait véritablement inscrire la médecine dans une logique préventive. Selon le docteur Ahmad Guni, c’est à ce prix que la technologie deviendra un levier durable pour des systèmes de santé plus efficaces, responsables et centrés sur le bien-être des populations.