Le traitement du langage naturel, la veille économique, l'intégration des données et l'annotation des données sont considérés comme des technologies d'IA fondamentales dans le domaine de la santé, selon un nouveau rapport de Gradient Flow.
À mesure que les cas d'utilisation de l'IA progressent, une tendance intéressante se dessine à travers l'enquête de Gradient Flow (spécialisé dans l’IA) : les « praticiens » ne sont plus exclusivement des data scientists mais des experts du domaine. Et l’IA apparait comme l’un des moteurs de l’innovation future dans différents secteurs, y compris celui de la santé.
Plus de la moitié (61 %) des 321 responsables techniques(dans 41 pays) interrogées ont en effet identifié les cliniciens comme leurs utilisateurs cibles, suivis par les prestataires de soins de santé (45 %) et les éditeurs de logiciels dédiés à la santé (38 %).
À mesure que les solutions à Low et No code gagnent en popularité, il est probable que cette tendance se poursuivra dans le secteur des soins de santé et au-delà.
Plusieurs autres facteurs contribuent à abaisser les barrières à l'entrée de l'IA ; l'un d'eux est la disponibilité et l'intérêt des technologies à code source ouvert. Les répondants ont indiqué que les logiciels commerciaux installés localement (37 %) et les logiciels libres (35 %) étaient les statuts les plus populaires de logiciels utilisés pour créer des applications d'IA dans le domaine de la santé.
Ces chiffres montrent une baisse de 12 % de l'utilisation des services dans le cloud (30 %) par rapport à l'enquête de l'année dernière (42 %).L'une des raisons potentielles de ce passage des fournisseurs de cloud public aux solutions open source pourrait être le signe que les utilisateurs prennent la sécurité et la confidentialité des données plus au sérieux.
En fait, la majorité des personnes interrogées (53 %) ont choisi de s'appuyer sur leurs propres données pour valider les modèles, plutôt que sur les mesures de tiers ou de fournisseurs de logiciels.
« Les organisations matures (68 %) se sont encore plus appuyées sur l'évaluation et le réglage des modèles en interne, une étape essentielle pour éviter la dégradation des modèles au fil du temps », notent les auteurs du rapport de Gradient Flow.
« Si la formation et le réglage des modèles restent une priorité pour les utilisateurs, cette année, les responsables techniques et les répondants des entreprises matures ont cité la disponibilité de modèles et d'algorithmes spécifiques au secteur de la santé comme l'exigence la plus importante lors de l'évaluation des bibliothèques logicielles installées localement ou des solutions SaaS », lit-on dans ce rapport.
