Actualités

L’intelligence artificielle, un bel atout pour l’émergence d’une médecine de précision

AI-Intel
AI-Intel

A l’occasion de la conférence HIMSS qui s’est tenue à Orlando, en Floride, et en collaboration avec de nombreux professionnels du secteur de la santé, Intel vient une nouvelle fois de présenter ses engagements répétés en vue de développer plus avant l’utilisation et l’adoption de technologies de l’information sanitaire.

intelligence artificielle
intelligence artificielle

Parmi celles-ci, l’intelligence artificielle a incontestablement une grande part à jouer, en particulier dans l’émergence d’une médecine de précision qui offrirait des thérapies plus ciblées c’est-à-dire calquées davantage sur le capital génétique héréditaire des patients. Avec elle, en d’autres mots, les soins médicaux pourraient devenir plus personnalisés et optimisés selon chaque patient, avec une réponse toujours adaptée au type d’infection endurée ou au risque potentiel d’apparition d’une future maladie ; et tout cela bien sûr sans que le médecin soit pour autant remplacé par une machine !

Pour que la médecine de précision voie le jour, beaucoup de chemin reste encore à faire. Les institutions sanitaires doivent d’abord préparer le terrain à travers quatre axes principaux. Soit en résumé établir un système interopérable de partage des données, aussi bien entre leurs processus de travail internes qu’entre les appareils de suivi wearables des patients. Mais aussi développer des outils avancés d’analyses de données permettant d’éviter les fausses alertes ou les informations non pertinentes au regard du profil des patients. Garantir encore une sécurité et une confidentialité sans faille dans les systèmes employés. Conduire enfin toutes les formations nécessaires pour apprendre aux personnels soignants à traiter les données transmises avec toujours une bonne connaissance de l’outil mais aussi la distance critique nécessaire.

Qu’ils soient basés sur un apprentissage automatique (machine learning) permettant d’identifier ou de prédire des tendances à grande échelle, ou sur un apprentissage en profondeur (deep learning) offrant des modèles d’action grâce à une perception automatique des choses, des systèmes d’intelligence artificielle pourraient, à ces conditions, pleinement opérer (eux aussi !) et contribuer à mettre en place de réelles améliorations dans le secteur médical. Pour citer quelques exemples :

Des modèles cliniques prédictifs face aux crises sanitaires en devenir

Attente prolongée ou retard accumulé dans la prise en charge des patients, hospitalisation rendue parfois difficile faute de places disponibles ou en raison d’un manque de personnel, le problème de la surpopulation hospitalière ne cesse de prendre de l’ampleur partout dans le monde. Pour remédier à ces difficultés, Intel et l’AP-HP (Assistance Publique Hôpitaux de Paris) mènent actuellement, autour du logiciel open source TAP, un programme pilote basé sur une solution de traitement analytique permettant de mieux prévoir et d’anticiper les taux de visites aux urgences et les admissions en chambre pouvant potentiellement en découler.

Grâce à un système d’analyses de données, combinant d’un côté l’historique des visites et admissions des hôpitaux témoins et de l’autre les informations météorologiques ou sanitaires externes d’un instant donné (risques de canicule ou de vague de froid intense, taux de grippe hebdomadaire relevé sur le territoire…), l’objectif poursuivi par le programme est de fournir aux administrateurs des hôpitaux un nouvel outil de gestion pour une meilleure affectation de leurs ressources. Et donc par là même d’engendrer une attente moindre et une qualité des soins améliorée dans la prise en charge des patients. Imaginez par exemple un tel outil appliqué lors de la canicule de l’été 2003 qui avait durement touché l’Europe, dont la France notamment, les victimes en auraient été certainement moindres !

Une plus grande personnalisation dans le traitement des cancers

Malgré de forts investissements et une politique de recherche soutenue et appuyée à travers de nombreux pays, certaines causes spécifiques de cancer restent encore méconnues. Parce que chaque personne est unique, un même type de cancer peut en effet varier considérablement d’un patient à l’autre, au point que l’on pourrait parler à son propos non pas d’une maladie mais bien d’un ensemble de maladies orphelines. Face à un tel éventail de cas et au vaste nombre de données associées, l’intelligence artificielle représente l’une des meilleures solutions pour mieux les comprendre et les traiter.

Rien qu’en données chiffrées, la tâche est bien sûr d’emblée colossale mais la première difficulté ne vient pas tant de la quantité impressionnante d’informations à analyser que de leur nature trop souvent fragmentée ou isolée qui rend vite difficile une vue rapide et exhaustive du corpus documentaire d’un patient. Dans le secteur hospitalier, les abréviations ou vocabulaires employés dans les dossiers médicaux varient en effet souvent d’un institut à un autre, les informations sont verrouillées dans des systèmes logiciels divers et l’interopérabilité dans le suivi du patient peut vite être complexe. D’autant plus difficile même qu’environ 80% des données cliniques et des informations relatives aux traitements des patients restent aujourd’hui dispersées dans des notes papier ou d’autres sources de données non structurées au spectre large (informations démographiques ou pharmaceutiques, caractéristiques tumorales…).

En s’appuyant sur les technologies Intel en matière d’apprentissage de la machine, et sur l’expertise dans la programmation en langage naturel de Sword*, le groupe hospitalier UNICANCER poursuit aujourd’hui cet incroyable défi d’interpréter et de standardiser toutes ces sources d’informations en leur offrant un thésaurus unique, via un logiciel d’analyse sémantique baptisé ConSoRe* (pour Continuum Soins Recherche). En réussissant à donner ainsi plus de valeur aux données collectées et en mettant en évidence les liens cachés existant parfois entre elles, les traitements médicamenteux contre le cancer pourraient se montrer non seulement plus efficaces mais aussi moins toxiques en termes d’effets secondaires.

Une meilleure optimisation dans les méthodes de soins employées

Au sein de cette idée toujours d’une meilleure analyse et exploitation des données médicales collectées, la démocratisation de systèmes d’intelligence artificielle peut permettre aussi d’améliorer de nombreux processus de travail sanitaire. Dans la bio surveillance tout d’abord qui a bien des égards reste une tâche ardue. Nombre d’épidémies commencent en effet par des symptômes grippaux « classiques » et, face à des virus particulièrement agressifs et mortels (de type Ebola, Zika…), le bon diagnostic peut se voir du coup parfois retardé de plusieurs jours ou semaines. La mise en place généralisée et l’analyse rapide de tests ADN à très bas coût – dans la veine de la solution technologique de référence développée par Intel et Qiagen* pour accélérer la recherche sur les génomes humains – pourraient aider à établir des correspondances plus rapides avec des souches de virus connus. Plus besoin alors d’une logistique lourde d’analyse de sang, un simple test salivaire par exemple, relevé sur le terrain et télétransmis, suffirait aux autorités sanitaires régionales ou nationales pour agir au plus vite face à la propagation de l’épidémie.

Façonnée par un apprentissage en profondeur, l’intelligence artificielle peut également apporter une aide certaine en matière de reconnaissance d’images à grande échelle. Le projet mené actuellement par des chercheurs de l’Université Stanford, aux Etats-Unis, autour d’un dépistage facilité des cancers cutanés, en est un bon exemple. A partir d’une base algorithme développée par Google*, l’équipe universitaire a aujourd’hui mis en place un champ de recherche exploratoire de 130 000 images d’affections de la peau représentant plus de 2000 maladies différentes. Avec l’idée à terme d’une large accessibilité offerte aux médecins ou aux patients, directement depuis leur smartphone, la rapidité d’action face aux premiers signes d’un mélanome pourrait se voir grandement facilitée avec un tel système. Toujours dans l’idée d’analyse d’images, mais selon des techniques à ultrasons cette fois, la généralisation de l’intelligence artificielle peut aussi seconder le praticien dans les actes d’échographie en le guidant pour capturer la meilleure image. Une aide bien utile en situation de terrain par exemple pour des ambulanciers urgentistes.

Un meilleur confort dans le parcours de soins après une hospitalisation

En relation avec le corps médical, l’intelligence artificielle peut enfin faire figure de « coach » pour des patients sortant de l’hôpital, pas en appliquant simplement des messages types mais en se montrant réellement personnalisée à son utilisateur. En fonction des stratégies qui marchent le mieux pour le patient, au contact des expériences et interactions partagées avec lui, et tout en sachant encore lui faire passer des instructions fermes sur la façon exacte de procéder dans son traitement, la machine s’adapterait ici en permanence pour obtenir le meilleur résultat.

Selon la pathologie, un tel système pourrait s’utiliser seul ou en collaboration avec des membres de la famille du patient. De la même façon, toujours selon la nature des soins, ce suivi pourrait se faire ou non sous la forme d’un avatar humoristique qui indiquerait de façon plus légère au patient les étapes à suivre pour bien guérir… L’humour, certainement une bonne piste pour mieux apprivoiser ce vaste domaine parfois intimidant de l’intelligence artificielle.

Source : Intel

#nowebagency

Bienvenue sur No Web Agency

Publications

septembre 2017
L M M J V S D
« Août    
 123
45678910
11121314151617
18192021222324
252627282930