Renforcer la confiance clinique, l’efficacité des prises en charge et la qualité des soins grâce à l’aide à la décision fondée sur l’IA

Retours d’expérience sur le déploiement de ClinicalKey AI à l’Azienda Sanitaria Locale di Bari (ASL Bari), Italie

Les systèmes de santé à travers le monde évoluent dans un contexte de complexité sans précédent. L’augmentation du nombre de patients, la prise en charge de situations cliniques de plus en plus complexes et les pénuries persistantes de professionnels de santé exercent une pression considérable sur les cliniciens et les établissements.¹ Ces défis sont aggravés par l’épuisement professionnel des soignants, susceptible d’affecter à la fois la qualité des soins et la pérennité des systèmes de santé.² Par ailleurs, les cliniciens doivent faire face à un volume de données cliniques toujours plus important et en constante évolution, rendant difficile le maintien à jour des connaissances et la prise de décisions rapides et éclairées.

Pour répondre à ces enjeux, il devient urgent de disposer de solutions permettant aux professionnels de santé de rester informés des dernières avancées scientifiques, tout en renforçant la confiance clinique, optimisant les workflows et améliorant la prise en charge des patients.

Ces problématiques étaient particulièrement marquées au sein de l’une des organisations de santé les plus vastes et complexes d’Italie, l’Azienda Sanitaria Locale di Bari (ASL Bari). Afin d’y répondre, ASL Bari a collaboré avec Elsevier pour déployer ClinicalKey AI, un outil d’aide à la décision clinique fondé sur l’IA, conçu pour fournir des informations cliniques fondées sur des données probantes directement au point de soins.³

L’accès rapide à des informations cliniques fiables et fondées sur des preuves n’a jamais été aussi crucial pour les cliniciens. En facilitant l’accès à des connaissances cliniques validées, l’IA a le potentiel de renforcer la prise de décision clinique, de fluidifier les parcours de travail et de réduire la charge cognitive des professionnels de santé, contribuant ainsi à l’amélioration des résultats pour les patients.⁴ Toutefois, cette promesse doit s’accompagner d’une approche responsable. Des outils d’IA non validés ou inadaptés à un usage médical peuvent générer de nouvelles inefficiences, fragiliser la confiance et compromettre la sécurité des patients. Pour réussir en santé, l’IA doit être transparente, éthique et rigoureusement évaluée.

Ce livre blanc analyse le déploiement de ClinicalKey AI au sein d’ASL Bari. Il examine les motivations et les modalités de son implémentation pour répondre aux défis locaux, évalue son impact sur la confiance clinique, l’efficacité des prises en charge et la qualité des soins délivrés, et propose des enseignements concrets à destination des dirigeants et décideurs de santé souhaitant adopter une IA responsable.

Références 1. Kumar, P., Holt, T., Wong, Y., & Kimeu, M. (2025, May 14). Heartbeat of health: Reimagining the healthcare workforce of the future. McKinsey & Company. https://www.mckinsey.com/mhi/our-insights/heartbeat-of-health-reimagining-the-healthcare-workforce-of-the-future 2. Shanafelt, T. D., West, C. P., Dyrbye, L. N., Trockel, M., Tutty, M., Wang, H., ... & Sinsky, C. (2022, December). Changes in burnout and satisfaction with work-life integration in physicians during the first 2 years of the COVID-19 pandemic. In Mayo Clinic Proceedings (Vol. 97, No. 12, pp. 2248-2258). Elsevier. 3. Defilippis, V. (2025, November 10). Enhancing medical decision making with responsible AI: a case study from Italy [Conference presentation]. AI and Medicine The Challenge of Human Dignity International Congress, Rome, Italy. https://www.aimedicine.va/content/dam/aimedicine/documenti/PROGRAM.pdf 4. Khosravi, M., Zare, Z., Mojtabaeian, S. M., & Izadi, R. (2024). Artificial Intelligence and Decision-Making in Healthcare: A Thematic Analysis of a Systematic Review of Reviews. Health services research and managerial epidemiology, 11, 23333928241234863. https://doi-org.ucc.idm.oclc.org/10.1177/23333928241234863