Can AI Catch What Doctors Miss? | Eric Topol | TED

135,033 views ・ 2023-12-09

TED


Veuillez double-cliquer sur les sous-titres anglais ci-dessous pour lire la vidéo.

Traducteur: Claire Ghyselen Relecteur: eric vautier
00:05
I've had the real fortune of working at Scripps Research
0
5961
3336
J'ai la chance de travailler au centre de recherche Scripps Research
00:09
for the last 17 years.
1
9339
1835
depuis 17 ans.
00:11
It's the largest nonprofit biomedical institution in the country.
2
11174
5255
C'est la plus grande institution biomédicale à but non lucratif du pays.
00:16
And I've watched some of my colleagues,
3
16972
2419
Et j'ai observé certains de mes collègues
00:19
who have spent two to three years
4
19391
2294
qui ont passé deux à trois ans
00:21
to define the crystal 3-D structure of a protein.
5
21685
3253
à définir la structure cristalline d'une protéine en 3D.
00:26
Well, now that can be done in two or three minutes.
6
26231
3420
Eh bien, maintenant cela peut être fait en deux ou trois minutes.
00:29
And that's because of the work of AlphaFold,
7
29693
2419
Et cela grâce aux travaux d'AlphaFold,
00:32
which is a derivative of DeepMind, Demis Hassabis and John Jumper,
8
32112
6882
produit chez DeepMind par Demis Hassabis et John Jumper,
00:38
recognized by the American Nobel Prize in September.
9
38994
3503
qui furent récompensés par le prix Nobel américain en septembre 2023.
00:42
What's interesting, this work,
10
42998
1918
Ce qui est intéressant dans ces travaux,
00:44
which is taking the amino acid sequence in one dimension
11
44958
4588
qui, en partant d'une séquence d'acides aminés dans une dimension,
00:49
and predicting the three-dimensional protein at atomic level,
12
49588
5296
peuvent prédire la protéine tridimensionnelle au niveau atomique,
00:54
[has] now inspired many other of these protein structure prediction models,
13
54926
5881
c'est que cela a inspiré beaucoup d'autres modèles prédictifs
de la structure des protéines, ainsi que l'ARN et des anticorps,
01:00
as well as RNA and antibodies,
14
60849
2711
01:03
and even being able to pick up all the missense mutations in the genome,
15
63602
4838
et que cela a non seulement permis de détecter
toutes les mutations faux sens du génome,
01:08
and even being able to come up wit proteins
16
68481
4046
mais aussi de créer des protéines
01:12
that have never been invented before, that don't exist in nature.
17
72569
3920
qui n'ont jamais été inventées auparavant, qui n'existent pas dans la nature.
01:16
Now, the only thing I think about this is it was a transformer model,
18
76990
3295
Je vois avant tout l'aspect transformateur de ce modèle,
01:20
we'll talk about that in a moment,
19
80285
2169
nous en reparlerons dans un instant,
01:22
in this award, since Demis and John
20
82454
5046
mais dans ce prix, puisque Demis et John et leur équipe de 30 scientifiques
01:27
and their team of 30 scientists
21
87542
1877
01:29
don't understand how the transformer model works,
22
89419
4004
ne comprennent pas comment fonctionne le modèle transformateur,
01:33
shouldn't the AI get an asterisk as part of that award?
23
93465
4963
l'IA ne devrait-elle pas recevoir un astérisque dans le cadre de ce prix ?
01:39
I'm going to switch from life science,
24
99262
2127
Je vais laisser les sciences de la vie,
01:41
which has been the singular biggest contribution just reviewed,
25
101431
4129
qui constituent la contribution la plus importante à la médecine.
01:45
to medicine.
26
105560
1335
01:47
And in the medical community,
27
107604
1501
Car dans la communauté médicale,
01:49
the thing that we don't talk much about are diagnostic medical errors.
28
109105
6215
on évoque rarement les erreurs de diagnostic médical.
01:55
And according to the National Academy of Medicine,
29
115362
2669
Et selon l'Académie nationale de médecine,
01:58
all of us will experience at least one in our lifetime.
30
118031
3462
nous en connaîtrons tous au moins une au cours de notre vie.
02:01
And we know from a recent Johns Hopkins study
31
121993
2294
Une étude de Johns Hopkins a mis en lumière récemment
02:04
that these errors have led to 800,000 Americans dead
32
124329
5672
le fait que ces erreurs causent chaque année la mort
02:10
or seriously disabled each year.
33
130043
3629
ou un handicap grave chez 800 000 Américains.
02:13
So this is a big problem.
34
133713
1502
C'est donc un gros problème.
02:15
And the question is, can AI help us?
35
135215
3211
La question qui se pose est donc : l'IA peut-elle nous aider ?
02:18
And you keep hearing about the term “precision medicine.”
36
138843
3295
Alors que l'on ne fait que parler de la « médecine de précision »,
02:22
Well, if you keep making the same mistake over and over again, that's very precise.
37
142806
5589
eh bien, quand on commet la même erreur, encore et encore, c'est très précis.
02:28
(Laughter)
38
148436
1168
(Rires)
02:30
We don't need that,
39
150188
1168
C'est à éviter.
02:31
we need accuracy and precision medicine.
40
151398
2669
On a besoin d'une médecine exacte et précise.
02:34
So can we get there?
41
154442
1585
Alors, pouvons-nous y arriver ?
02:36
Well, this is a picture of the retina.
42
156486
2252
Voici la photo d'une rétine.
02:39
And this was the first major hint,
43
159072
2961
Et c'était le premier indice majeur :
02:42
training 100,000 images with supervised learning.
44
162075
4963
former 100 000 images grâce à un apprentissage supervisé.
02:47
Could the machine see things that people couldn't see?
45
167080
4880
La machine pouvait-elle voir des choses que les hommes ne pouvaient pas voir ?
02:52
And so the question was, to the retinal experts,
46
172919
2961
La question qui se posait aux spécialistes de la rétine
02:55
is this from a man or a woman?
47
175880
2002
était de déterminer s'il s'agit d'un homme ou d'une femme.
02:58
And the chance of getting it accurate was 50 percent.
48
178717
3420
Les chances d'avoir juste sont de 50 %.
03:02
(Laughter)
49
182137
1167
(Rires)
03:03
But the AI got it right, 97 percent.
50
183346
3754
Mais l'IA a bien travaillé : 97 %.
03:07
So that training,
51
187142
2043
Pour cette formation,
03:09
the features are not even fully defined of how that was possible.
52
189227
4171
les caractéristiques ne sont même pas complètement définies
quant à la manière dont cela fut possible.
03:14
Well that gets then to all of medical images.
53
194274
3086
Or cela s' applique à toutes les images médicales.
03:17
This is just representative, the chest X-ray.
54
197652
2628
Pour illustrer cela, voici une radiographie pulmonaire.
03:20
And in fact with the chest X-ray,
55
200822
2169
Et en fait, pour ces radiographies,
03:22
the ability here for the AI to pick up,
56
202991
3086
la capacité de l'IA à détecter
03:26
the radiologists, expert radiologists missing the nodule,
57
206077
4880
un nodule qui a échappé à la vigilance des radiologues,
03:30
which turned out to be picked up by the AI as cancerous,
58
210999
3128
mais qui s'est révélé cancéreux -
03:34
and this is, of course, representative of all of medical scans,
59
214127
4004
et ceci est, bien entendu, illustratif de tous les scans médicaux,
03:38
whether it’s CT scans, MRI, ultrasound.
60
218173
3837
la tomodensitométrie, l'IRM ou d'échographie -
03:42
That through supervised learning of large, labeled, annotated data sets,
61
222051
5881
grâce à l'apprentissage supervisé
de grands ensembles de données étiquetées et annotées,
03:47
we can see AI do at least as well, if not better,
62
227974
3921
est aussi bonne, voire meilleure que celle des médecins spécialistes.
03:51
than expert physicians.
63
231895
1960
03:55
And 21 randomized trials of picking up polyps --
64
235023
4755
Et 21 essais randomisés portant sur la détection de polypes -
03:59
machine vision during colonoscopy -- have all shown
65
239819
4171
une vision par ordinateur pendant une coloscopie - ont tous montré
04:03
that polyps are picked up better
66
243990
3003
que les polypes sont mieux détectés par la vision par ordinateur
04:06
with the aid of machine vision than by the gastroenterologist alone,
67
246993
3796
que par le gastro-entérologue seul,
04:10
especially as the day goes on, later in the day, interestingly.
68
250789
4337
particulièrement au fil de la journée, curieusement plus tard dans la journée.
04:15
We don't know whether picking up all these additional polyps
69
255168
3253
Nous ne savons pas si la détection de ces polypes supplémentaires
04:18
changes the natural history of cancers,
70
258463
2085
modifie l'histoire naturelle des cancers,
04:20
but it tells you about machine eyes,
71
260590
3086
mais cela nous renseigne sur la puissance de la vision par ordinateur.
04:23
the power of machine eyes.
72
263718
1376
04:25
Now that was interesting.
73
265470
2377
C'était très intéressant.
04:27
But now still with deep learning models, not transformer models,
74
267889
5714
Mais toujours avec des modèles d'apprentissage profond,
et non des modèles transformateurs,
04:33
we've seen and learned that the ability
75
273645
3253
nous avons vu et appris que la capacité
04:36
for computer vision to pick up things that human eyes can't see
76
276898
5589
de la vision par ordinateur à détecter des choses invisible à l'œil humain
04:42
is quite remarkable.
77
282487
1460
est tout à fait remarquable.
04:43
Here's the retina.
78
283988
1418
Voici une rétine, l'IA y détecte :
04:46
Picking up the control of diabetes and blood pressure.
79
286074
3378
le contrôle du diabète et de la tension artérielle,
04:50
Kidney disease.
80
290495
1710
l'insuffisance rénale,
04:52
Liver and gallbladder disease.
81
292872
2586
les maladies du foie et de la vésicule biliaire,
04:56
The heart calcium score,
82
296084
2043
le taux de calcium cardiaque -
04:58
which you would normally get through a scan of the heart.
83
298127
4004
que l'on obtient normalement avec une scintigraphie cardiaque -
05:03
Alzheimer's disease before any clinical symptoms have been manifest.
84
303174
4129
la maladie d'Alzheimer avant l'apparition de tout symptôme clinique,
05:08
Predicting heart attacks and strokes.
85
308012
2586
la prédiction des crises cardiaques et des AVC,
05:11
Hyperlipidemia.
86
311599
1543
l'hyperlipidémie,
05:13
And seven years before any symptoms of Parkinson's disease,
87
313518
4546
et sept ans avant tout symptôme, la maladie de Parkinson.
05:18
to pick that up.
88
318064
1251
05:19
Now this is interesting because in the future,
89
319941
3587
C'est intéressant car à l'avenir,
05:23
we'll be taking pictures of our retina at checkups.
90
323570
3753
nous prendrons des photos de notre rétine lors des examens de santé.
05:27
This is the gateway to almost every system in the body.
91
327365
3462
C'est la porte d'entrée vers presque tous les systèmes du corps.
05:31
It's really striking.
92
331369
1168
C'est très impressionnant.
05:32
And we'll come back to this because each one of these studies
93
332579
4087
Et nous y reviendrons parce que chacune de ces études
05:36
was done with tens or hundreds [of] thousands of images
94
336666
4213
fut réalisée avec des dizaines ou des centaines de milliers d'images
05:40
with supervised learning,
95
340879
1251
en apprentissage supervisé,
05:42
and they’re all separate studies by different investigators.
96
342171
3921
et il s'agit toutes d'études distinctes menées par différents chercheurs.
05:46
Now, as a cardiologist, I love to read cardiograms.
97
346426
4045
En tant que cardiologue, j'adore lire des cardiogrammes.
05:50
I've been doing it for over 30 years.
98
350513
2169
Je fais cela depuis plus de 30 ans.
05:53
But I couldn't see these things.
99
353808
2086
Mais je ne pouvais pas voir certaines choses,
05:56
Like, the age and the sex of the patient,
100
356519
2920
comme par exemple, l'âge et le sexe du patient,
05:59
or the ejection fraction of the heart,
101
359439
3086
ou la fraction d'éjection du cœur,
06:02
making difficult diagnoses that are frequently missed.
102
362567
3503
ce qui compromet le diagnostic de facteurs complexes.
06:06
The anemia of the patient, that is, the hemoglobin to the decimal point.
103
366571
4212
L'anémie du patient, c'est-à-dire le taux d'hémoglobine à la virgule près.
06:11
Predicting whether a person,
104
371951
1460
Prédire si une personne,
06:13
who's never had atrial fibrillation or stroke
105
373453
2502
qui n'a jamais eu de fibrillation auriculaire ou d'AVC
06:15
from the ECG,
106
375955
1418
sur la base d'un électrocardiogramme, est susceptible de se produire.
06:17
whether that's going to likely occur.
107
377415
2169
06:20
Diabetes, a diagnosis of diabetes and prediabetes, from the cardiogram.
108
380418
4796
Prédire ou diagnostiquer le diabète, ou prédiabète à partir du cardiogramme.
06:25
The filling pressure of the heart.
109
385965
2044
La pression de remplissage du cœur.
06:28
Hypothyroidism
110
388509
2086
L'hypothyroïdie
06:30
and kidney disease.
111
390637
1626
et les maladies rénales.
06:32
Imagine getting an electrocardiogram to tell you about all these other things,
112
392305
3920
Imaginez un électrocardiogramme qui renseigne sur toutes ces autres choses,
06:36
not really so much about the heart.
113
396267
2711
mais pas vraiment sur le cœur.
06:39
Then there's the chest X-ray.
114
399729
1543
Ensuite, il y a la radiographie pulmonaire.
06:41
Who would have guessed that we could accurately determine
115
401314
3920
Qui aurait deviné que nous pourrions déterminer avec précision
06:45
the race of the patient,
116
405234
1377
la race du patient,
06:46
no less the ethical implications of that,
117
406611
2794
sans parler des implications éthiques qui en découlent,
06:49
from a chest X-ray through machine eyes?
118
409405
3379
avec une radiographie pulmonaire épaulée par une vision par ordinateur ?
06:53
And interestingly, picking up the diagnosis of diabetes,
119
413201
4171
Et notons aussi que la radiographie pulmonaire permet de diagnostiquer
06:57
as well as how well the diabetes is controlled,
120
417372
4212
le diabète et de déterminer dans quelle mesure celui-ci est contrôlé.
07:01
through the chest X-ray.
121
421584
1668
07:04
And of course, so many different parameters about the heart,
122
424629
3795
Et bien sûr, tant de paramètres différents concernant le cœur,
07:08
which we could never,
123
428424
2169
que nous ne pourrions jamais,
07:10
radiologists or cardiologists, could never be able to come up
124
430593
3837
radiologues ou cardiologues, ne pourrions jamais trouver
07:14
with what machine vision can do.
125
434430
2878
mais que la vision par ordinateur est capable de faire.
07:17
Pathologists often argue about a slide,
126
437976
3169
Les pathologistes débattent souvent à propos d'une image
07:21
about what does it really show?
127
441187
1794
et de ce qu'elle montre réellement.
07:23
But with this ability of machine eyes,
128
443314
4338
Mais grâce à cette capacité de la vision par ordinateur,
07:27
the driver genomic mutations of the cancer can be defined,
129
447694
3878
on peut définir les mutations génomiques à l'origine d'un cancer,
07:31
no less the structural copy number variants
130
451614
2878
tout comme le nombre des variations structurelles
07:34
that are accounting or present in that tumor.
131
454534
2878
qui sont présentes dans cette tumeur.
07:37
Also, where is that tumor coming from?
132
457787
2336
Et puis, d'où vient cette tumeur ?
07:40
For many patients, we don’t know.
133
460164
2253
Pour de nombreux patients, nous l'ignorons.
07:42
But it can be determined through AI.
134
462458
4255
Mais cela peut être déterminé grâce à l'IA.
07:46
And also the prognosis of the patient,
135
466754
2836
Il y a aussi le pronostic du patient,
07:49
just from the slide,
136
469590
2169
juste à partir d'une image,
07:51
by all of the training.
137
471801
1627
grâce à l'entraînement machine.
07:53
Again, this is all just convolutional neural networks,
138
473469
4797
J'insiste, il ne s'agit de réseaux neuraux convolutifs,
07:58
not transformer models.
139
478307
1669
et non de modèles transformateurs.
08:00
So when we go from the deep neural networks to transformer models,
140
480852
5630
Quand on passe des réseaux neuronaux profonds aux modèles transformateurs,
08:06
this classic pre-print,
141
486524
2085
cette prépublication classique,
08:08
one of the most cited pre-prints ever,
142
488651
2586
une des prépublications les plus citées intitulée : « Attention is All You Need »,
08:11
"Attention is All You Need,"
143
491237
1418
08:12
the ability to now be able to look at many more items,
144
492697
4296
la capacité d'examiner de nombreux autres éléments,
08:17
whether it be language or images,
145
497035
3837
qu'il s'agisse de mots ou d'images,
08:20
and be able to put this in context,
146
500913
2962
et de les replacer dans leur contexte,
08:23
setting up a transformational progress in many fields.
147
503916
4588
marque une avancée transformationnelle dans de nombreux domaines.
08:29
The prototype is, the outgrowth of this is GPT-4.
148
509172
4504
Le prototype, l'émanation de cela est GPT-4,
08:34
With over a trillion connections.
149
514510
2628
avec plus d'un billion de connexions.
08:37
Our human brain has 100 trillion connections or parameters.
150
517138
4713
Notre cerveau humain possède 100 billions de connexions ou de paramètres.
08:42
But one trillion,
151
522185
1167
Un billion : imaginez un instant les informations, toutes les connaissances
08:43
just think of all the information, knowledge,
152
523352
2128
08:45
that's packed into those one trillion.
153
525480
1876
concentrées dans ce billion.
08:47
And interestingly, this is now multimodal with language, with images,
154
527398
4880
Et il est intéressant de noter que cela est désormais multimodal
avec le texte, les images et l'audio.
08:52
with speech.
155
532320
1376
08:53
And it involves a massive amount of graphic processing units.
156
533696
3921
Cela implique en outre une quantité énorme d'unités de traitement graphique.
08:58
And it's with self-supervised learning,
157
538076
2293
Et c'est de l'apprentissage auto-supervisé,
09:00
which is a big bottleneck in medicine
158
540369
2128
ce qui enlève un obstacle majeur en médecine,
09:02
because we can't get experts to label images.
159
542497
3169
car nous ne pouvons pas faire appel aux spécialistes pour étiqueter les images.
09:05
This can be done with self-supervised learning.
160
545708
2795
Cela peut se faire grâce à un apprentissage auto-supervisé.
09:08
So what does this set up in medicine?
161
548961
2837
Alors, qu'est-ce que cela implique en médecine ?
09:11
It sets up, for example, keyboard liberation.
162
551839
4421
Cela permet de s'émanciper du clavier, par exemple.
09:16
The one thing that both doctors, clinicians
163
556803
3920
La chose que les médecins, les cliniciens et les patients espèrent tous.
09:20
and patients would like to see.
164
560765
2377
09:23
Everyone hates being data clerks as clinicians,
165
563851
3921
Personne n'aime se transformer en préposé aux données en tant que médecin,
09:27
and patients would like to see their doctor
166
567814
2836
et les patients aiment voir leur médecin
09:30
when they finally have the visit they've waited for a long time.
167
570650
3753
lorsqu'ils ont enfin obtenu la visite qu'ils attendent depuis si longtemps.
09:34
So the ability to change the face-to-face contact
168
574445
4713
Donc, la possibilité de modifier la relation entre le médecin et le patient
09:39
is just one step along the way.
169
579200
2502
est la première étape.
09:41
By having the liberation from keyboards with synthetic notes
170
581744
5005
On s'émancipe du clavier et des notes synthétiques
09:46
that are driven, derived from the conversation,
171
586791
2753
qui sont dérivées des échanges pendant la visite,
09:49
and then all the downstream normal data clerk functions that are done,
172
589585
4880
puis de toutes les fonctions normales de saisie de données effectuées en aval,
09:54
often off-hours.
173
594507
1668
souvent en dehors des heures de travail.
09:56
Now we're seeing in health systems across the United States
174
596217
3587
Aujourd'hui, dans les systèmes de santé des États-Unis,
09:59
where people, physicians are saving many hours of time
175
599846
3920
les médecins gagnent de nombreuses heures
10:03
and heading towards ultimately keyboard liberation.
176
603808
3587
alors qu'ils s'émancipent de l'usage du clavier.
10:08
We recently published, with the group at Moorfields Eye Institute,
177
608396
3587
Nous avons récemment publié, avec le groupe du Moorfields Eye Institute
10:12
led by Pearse Keane,
178
612024
1335
dirigé par Pearse Keane,
10:13
the first foundation model in medicine from the retina.
179
613401
3295
le premier modèle fondamental en médecine à partir de la rétine.
10:16
And remember those eight different things that were all done by separate studies?
180
616737
4380
Souvenez-vous de ces huit choses réalisées dans le cadre d'études distinctes ?
10:21
This was all done with one model.
181
621159
2335
Toutes furent accomplies avec un seul modèle.
10:23
This is with 1.6 million retinal images
182
623494
3879
Cela représente 1,6 million d'images rétiniennes
10:27
predicting all these different outcome likelihoods.
183
627415
4546
prédisant les probabilités de tous ces résultats différents.
10:32
And this is all open-source,
184
632003
1710
Tout cela est open source,
10:33
which is of course really important that others can build on these models.
185
633754
4380
ce qui est bien sûr crucial
pour que d'autres puissent continuer de développer ces modèles.
10:38
Now I just want to review a couple of really interesting patients.
186
638134
5547
Permettez-moi de passer en revue quelques patients vraiment intéressants.
10:44
Andrew, who is now six years old.
187
644098
3003
Voici Andrew, qui a maintenant six ans.
10:47
He had three years of relentlessly increasing pain, arrested growth.
188
647810
7007
Pendant trois ans, il a souffert sans arrêt, sa croissance s'est interrompue.
10:55
His gait suffered with a dragging of his left foot,
189
655318
2544
Il boitait du pied gauche et il avait de graves maux de tête.
10:57
he had severe headaches.
190
657862
1918
10:59
He went to 17 doctors over three years.
191
659780
3337
Il a consulté 17 médecins en trois ans.
11:03
His mother then entered all his symptoms into ChatGPT.
192
663743
4254
Sa mère a saisi tous ses symptômes dans ChatGPT.
11:08
It made the diagnosis of occulta spina bifida,
193
668706
4254
Cela a permis de diagnostiquer un spina bifida occulte,
11:12
which meant he had a tethered spinal cord that was missed by all 17 doctors
194
672960
5297
ce qui signifie que pendant ces trois ans,
17 médecins n'ont pas détecté une fermeture de sa colonne vertébrale.
11:18
over three years.
195
678257
1168
11:19
He had surgery to release the cord.
196
679467
2002
Il a subi une intervention chirurgicale pour réparer la région spinale
11:21
He's now perfectly healthy.
197
681469
1793
et il est maintenant en parfaite santé.
11:24
(Applause)
198
684889
5630
(Applaudissements)
11:30
This is a patient that was sent to me,
199
690561
2920
Voici une patiente qui m'a été envoyée
11:33
who was suffering with, she was told, long COVID.
200
693481
4671
et qui souffrait, lui a-t-on dit, d'un COVID long.
11:38
She saw many different physicians, neurologists,
201
698694
3379
Elle avait consulté de nombreux médecins et neurologues,
11:42
and her sister entered all her symptoms after getting nowhere,
202
702073
4546
Faute d'amélioration, sa sœur a saisi tous les symptômes -
11:46
no treatment for long COVID,
203
706619
1418
ni aucun traitement pour un COVID long, aucun traitement n'est validé -
11:48
there is no treatment validated,
204
708079
1710
11:49
and her sister put all her symptoms into ChatGPT.
205
709789
4421
alors sa sœur a saisi tous ses symptômes dans ChatGPT.
11:54
It found out it actually was not long COVID,
206
714252
2293
Elle a découvert que ce n'était pas un COVID long,
11:56
she had limbic encephalitis, which is treatable.
207
716587
3462
mais qu'elle souffrait d'une encéphalite limbique, ce qui se soigne.
12:00
She was treated, and now she's doing extremely well.
208
720091
3128
Elle a été soignée et maintenant elle se porte très bien.
12:03
But these are not just anecdotes anymore.
209
723594
2753
Ces récits ne sont plus de simples anecdotes.
12:06
70 very difficult cases
210
726389
3461
On a comparé 70 cas très difficiles,
12:09
that are the clinical pathologic conferences
211
729850
2461
objets de conférences en pathologie clinique
12:12
at the New England Journal of Medicine
212
732353
1877
dans le New England Journal of Medicine
12:14
were compared to GPT-4,
213
734272
2836
avec GPT-4,
12:17
and the chatbot did as well
214
737149
3295
et le chatbot a obtenu des résultats aussi bons,
12:20
or better than the expert master clinicians
215
740486
3295
voire meilleurs, que les médecins spécialisés réputés,
12:23
in making the diagnosis.
216
743781
1960
en matière de diagnostic.
12:26
So I just want to close with a recent conversation with my fellow.
217
746492
4713
Permettez-moi donc conclure par une récente conversation avec un collègue.
12:31
Medicine is still an apprenticeship,
218
751706
2085
La médecine reste un apprentissage
12:33
and Andrew Cho is 30 years old,
219
753833
3837
et Andrew Cho a 30 ans,
12:37
in his second year of cardiology fellowship.
220
757670
2085
c'est sa deuxième année d'internat en cardiologie.
12:39
We see all patients together in the clinic.
221
759797
2669
Nous voyons tous les patients ensemble à la clinique.
12:42
And at the end of clinic the other day,
222
762967
2252
Et à la fin des visites, l'autre jour,
12:45
I sat down and said to him,
223
765261
1918
je me suis assis et je lui ai dit :
12:47
"Andrew, you are so lucky.
224
767179
2795
« Andrew, tu as beaucoup de chance.
12:50
You're going to be practicing medicine in an era of keyboard liberation.
225
770516
4838
Tu pratiqueras la médecine à une époque où le clavier sera une relique du passé.
12:55
You're going to be connecting with patients
226
775813
2044
tu pourras avec une relation avec les patients
12:57
the way we haven't done for decades."
227
777857
2502
comme nous n'en avons plus eue depuis des décennies. »
13:00
That is the ability to have the note
228
780735
3086
Tes rapports écrits et la discussion durant la consultation
13:03
and the work from the conversation
229
783863
2502
généreront automatiquement des éléments tels que les autorisations préalables,
13:06
to derive things like pre-authorization,
230
786407
3795
13:10
billing, prescriptions, future appointments --
231
790202
4755
la facturation, les ordonnances, les prochains rendez-vous -
13:14
all the things that we do,
232
794999
1293
tout ce que nous faisons, y compris les questions au patient,
13:16
including nudges to the patient.
233
796334
1584
13:17
For example, did you get your blood pressure checks
234
797918
2461
par exemple : « Avez-vous passé vos tests de tension artérielle,
13:20
and what did they show
235
800421
1168
qu'ont-ils révélé ? », et la réception des résultats.
13:21
and all that coming back to you.
236
801630
1544
13:23
But much more than that,
237
803215
1710
Mais bien plus que cela,
13:24
to help with making diagnoses.
238
804925
2086
cela aidera à poser les diagnostics.
13:27
And the gift of time
239
807928
2002
C'est aussi un gain de temps
13:29
that having all the data of a patient
240
809972
2169
que de disposer de toutes les données d'un patient
13:32
that's all teed up before even seeing the patient.
241
812183
2961
avant même de le voir.
13:35
And all this support changes the future of the patient-doctor relationship,
242
815144
6632
Tout ce soutien change l'avenir de la relation patient-médecin
13:41
bringing in the gift of time.
243
821776
2460
en offrant un gain de temps.
13:44
So this is really exciting.
244
824612
1710
C'est donc vraiment excitant.
13:46
I said to Andrew, everything has to be validated, of course,
245
826364
4295
J'ai dit à Andrew que tout devait être validé, bien entendu,
13:50
that the benefit greatly outweighs any risk.
246
830701
3796
que les avantages l'emportent largement sur les risques.
13:54
But it is really a remarkable time for the future of health care,
247
834538
4505
Mais on vit vraiment une période remarquable
pour l'avenir des soins de santé,
13:59
it's so damn exciting.
248
839085
2544
c'est vraiment passionnant.
14:01
Thank you.
249
841962
1168
Merci.
14:03
(Applause)
250
843172
2753
(Applaudissements)
À propos de ce site Web

Ce site vous présentera des vidéos YouTube utiles pour apprendre l'anglais. Vous verrez des leçons d'anglais dispensées par des professeurs de premier ordre du monde entier. Double-cliquez sur les sous-titres anglais affichés sur chaque page de vidéo pour lire la vidéo à partir de là. Les sous-titres défilent en synchronisation avec la lecture de la vidéo. Si vous avez des commentaires ou des demandes, veuillez nous contacter en utilisant ce formulaire de contact.

https://forms.gle/WvT1wiN1qDtmnspy7