Les programmes de santé mondiale dépendent souvent de rapports constitués à partir de feuilles de calcul, de formulaires, de pièces jointes à des e-mails et de bases de données locales. Ce travail administratif constitue un domaine pertinent pour tester l’automatisation : il est répétitif, ses données d’entrée peuvent être retracées et le personnel peut examiner les exceptions avant toute validation. Il ne s’agit pas de diagnostic, de triage ni de traitement. Les usages cliniques nécessitent leurs propres preuves, une évaluation de la sécurité et un examen professionnel.
Commencer par les rapports des programmes, et non par des allégations cliniques
Un flux de travail de production de rapports peut collecter les fichiers sources autorisés, standardiser les dates et les codes géographiques, signaler les champs manquants et repérer les doublons probables. Il doit conserver la source, l’heure d’importation et l’historique des transformations de chaque enregistrement. Le personnel reste responsable de la résolution des incohérences et de l’approbation du rapport final.
Prenons l’exemple hypothétique d’un programme de vaccination qui reçoit chaque semaine des fichiers provenant de plusieurs districts. Le flux de travail enregistre la date d’arrivée de chaque fichier, vérifie si les champs obligatoires sont présents, compare les identifiants afin de détecter d’éventuels doublons et transmet les enregistrements incertains à un responsable désigné pour examen. Un tableau de bord peut indiquer quels districts sont en retard et quels enregistrements doivent être corrigés. Il ne peut pas déterminer si un patient a reçu des soins appropriés ni si le programme a amélioré les résultats de santé.
Intégrer l’examen dans le flux de données
Parmi les contrôles utiles figurent un dictionnaire de données documenté, un accès fondé sur les rôles, des règles de validation que le personnel peut consulter et une file d’attente des exceptions attribuée à un responsable. Les corrections automatiques doivent être limitées aux modifications de formatage dépourvues d’ambiguïté. Une valeur manquante, un enregistrement contradictoire ou une tendance inhabituelle doit être présenté avec sa source plutôt que de faire l’objet d’une supposition silencieuse.
Les orientations de l’Organisation mondiale de la Santé sur l’IA dans le domaine de la santé sont utiles pour structurer les questions de gouvernance, notamment celles qui concernent la responsabilité et une supervision appropriée. Il s’agit d’orientations, et non d’une preuve qu’un système particulier améliore le diagnostic, les résultats pour les patients ou le rendement d’un programme. Une équipe qui envisage une aide à la décision clinique doit évaluer cet usage séparément, plutôt que de considérer la réussite de l’automatisation des rapports comme une validation clinique.
Mesurer le résultat administratif
Établissez une situation de référence avant l’essai : combien de temps dure un cycle de production de rapports, combien de corrections sont demandées et combien d’enregistrements nécessitent un examen manuel ? Pendant le projet pilote, mesurez le retard de production des rapports, le volume des corrections et des reprises, le nombre d’enregistrements transmis pour examen, les faux signalements de doublons ainsi que le temps consacré par le personnel à la maintenance du flux de travail. Ces mesures permettent de déterminer si le processus est devenu plus fiable, sans transformer les gains administratifs en allégations non étayées concernant les patients.
Un projet pilote raisonnable porte sur un seul rapport, un échantillon historique limité et une exécution en parallèle. Le personnel compare le projet de rapport automatisé au processus existant, documente les modes de défaillance et décide s’il convient d’étendre le dispositif. Pour en savoir plus sur les contrôles connexes portant sur les autorisations, le transfert et l’arrêt d’un système automatisé, consultez huit contrôles pratiques pour des agents d’IA responsables.