ทันเอไอ

FLARE : un framework pour évaluer la viabilité économique de l'IA médicale au-delà de la précision

Des chercheurs présentent FLARE, un cadre méthodologique pour mesurer l'impact financier et opérationnel de l'IA avant son déploiement dans le système de santé.

Alors que l'adoption de l'intelligence artificielle (IA) en santé s'accélère, la majorité des évaluations se concentrent sur la précision des modèles plutôt que sur leur rentabilité économique et leur intégration clinique réelle. Une étude publiée sur arXiv présente FLARE, un framework systématique prenant en compte les incertitudes (Uncertainty-Aware Framework) pour analyser l'impact financier et opérationnel de l'IA médicale.

Le cœur de FLARE repose sur la combinaison de trois outils : la logique floue (Fuzzy logic), l'évaluation des coûts par activité selon le temps (Time-driven activity-based costing ou TDABC) et l'analyse du retour sur investissement (ROI). Cette méthodologie permet d'estimer les coûts des soins, les frais de développement et d'exploitation de l'IA, ainsi que les retombées économiques lors de son intégration dans les flux de travail réels.

Pour démontrer sa faisabilité, l'équipe de recherche a appliqué FLARE à un cas d'évaluation précoce des technologies de santé : l'utilisation de l'IA pour détecter les occlusions de gros vaisseaux (Large Vessel Occlusion) dans le parcours de soins de l'AVC ischémique aigu, offrant ainsi une vision claire de sa rentabilité.