Key points are not available for this paper at this time.
L'intelligence artificielle (IA) est de plus en plus considérée comme une force transformative dans le domaine de la santé. La traduction de l'IA de la validation technique à l'impact clinique dans le monde réel reste un défi critique. Cette revue systématique vise à synthétiser les preuves concernant le parcours de translation de l'IA dans le secteur de la santé, en se concentrant sur les barrières et les facilitateurs systémiques à l'intégration. Conformément aux directives PRISMA 2020, nous avons recherché dans PubMed, Scopus, Web of Science et IEEE Xplore des études publiées entre 2000 et 2025. Nous avons inclus des recherches originales évaluées par des pairs, des essais cliniques, des études d'observation et des revues rapportant sur la validation technique de l'IA, le déploiement clinique, les résultats de mise en œuvre ou la gouvernance éthique. Bien que les modèles d'IA démontrent de manière cohérente une précision diagnostique élevée (92–98% en radiologie) et une performance prédictive robuste (AUC 0,76–0,82 dans la prévision des réadmissions), l'adoption clinique reste limitée, avec seulement 15–25% des départements intégrant des outils d'IA et environ 60% des projets échouant au-delà des tests pilotes. Les principales barrières incluent des limitations d'interopérabilité affectant plus de la moitié des mises en œuvre, un manque de confiance des cliniciens dans les systèmes non supervisés (35%), et une immaturité réglementaire, avec seulement 27% des pays établissant des cadres de gouvernance pour l'IA. De plus, des disparités de performance dépassant 10% ont été identifiées dans 28% des modèles, aux côtés d'une division mondiale marquée, car 73% des systèmes de santé à faibles ressources manquent d'infrastructures permettant leur mise en œuvre. Ces résultats soulignent la nécessité de stratégies d'intégration de l'IA systémiques, dignes de confiance et orientées vers l'équité.
Medani et al. (Sat,) ont étudié cette question.