Des générations d'IA se développent rapidement en médecine

Programmée par des ingénieurs informaticiens à la fin du XXe siècle, l’IA est née sur la base d’un ensemble d’instructions (règles) créées par les humains, permettant à la technologie de résoudre des problèmes de base.

Note de l'éditeur : De nombreux secteurs sont touchés par le flux de nouvelles technologies à l'ère de l'information. Avec l’impact de l’automatisation, de l’informatique, de l’intelligence artificielle (IA), des entités telles que les médecins, les hôpitaux, les compagnies d’assurance et les industries liées aux soins de santé ne font pas exception. Mais dans le seul secteur de la santé, l’IA a eu un impact plus positif que dans d’autres secteurs.

Première génération

Vous pouvez imaginer que la manière dont l’IA est formée à l’heure actuelle est similaire à l’approche des étudiants en médecine. Les systèmes d’IA apprennent également des centaines d’algorithmes pour traduire les symptômes des patients en diagnostics. Il s’agit de la première génération à intégrer les règles de santé dans les systèmes d’IA.

Les applications d'IA aident les médecins à mettre à jour les informations en temps réel

Les algorithmes de prise de décision sont comme la façon dont un arbre pousse, en partant du tronc (le problème du patient) et en se ramifiant à partir de là. Par exemple, si un patient se plaint d’une mauvaise toux, le médecin vérifiera d’abord s’il a de la fièvre. Il y aura 2 séries de questions selon le cas de fièvre/pas de fièvre. À partir de la réponse initiale, d’autres questions sur l’état de santé seront posées. Cela conduit à son tour à davantage de divisions. En fin de compte, chaque branche constitue un diagnostic, qui peut aller de la pneumonie bactérienne, fongique ou virale au cancer, à l’insuffisance cardiaque ou à des dizaines d’autres maladies pulmonaires.

En général, la première génération d’IA peut reconnaître les problèmes, mais ne peut pas analyser et classer les dossiers médicaux. En conséquence, les premières formes d’intelligence artificielle ne pouvaient pas être aussi précises que celles des médecins qui combinaient la science médicale avec leur intuition et leur expérience. Et en raison de ces limitations, l’IA basée sur des règles est rarement utilisée dans la pratique clinique à d’autres moments.

Automatisation complète

Au début du 21e siècle, la deuxième ère de l’IA a commencé avec l’intelligence artificielle étroite (ANI), qui est une intelligence artificielle qui résout des ensembles spécifiques de tâches. L’avènement des réseaux neuronaux qui imitent la structure du cerveau humain a ouvert la voie à la technologie d’apprentissage en profondeur. ANI fonctionne très différemment de son prédécesseur. Au lieu de fournir des règles prédéfinies par les chercheurs, les systèmes de deuxième génération utilisent d’énormes ensembles de données pour discerner des modèles qui prendraient beaucoup de temps aux humains.

Dans un exemple, les chercheurs ont introduit des milliers de mammographies dans un système ANI, dont la moitié ont montré des cancers malins et l’autre moitié des cancers bénins. Le modèle peut identifier instantanément des dizaines de différences de taille, de densité et d’ombrage d’une image radiographique, en attribuant à chaque différence un facteur d’impact qui reflète la probabilité de malignité. Il est important de noter que ce type d’IA ne s’appuie pas sur des heuristiques (des règles empiriques) comme le font les humains, mais s’appuie plutôt sur des variations subtiles entre les examens malins et normaux que ni le radiologue ni le concepteur du logiciel ne connaissent.

Contrairement à l’IA basée sur des règles, les outils d’IA de deuxième génération surpassent parfois l’intuition humaine en termes de précision diagnostique. Cependant, cette forme d’intelligence artificielle présente également de sérieuses limites. Tout d’abord, chaque application a une tâche spécifique. Autrement dit, un système formé pour lire des mammographies ne peut pas interpréter des scanners cérébraux ou des radiographies thoraciques. La plus grande limitation de l’ANI est que la qualité du système dépend uniquement des données sur lesquelles il a été formé. Un exemple clair de faiblesse est celui de UnitedHealthcare qui s’est appuyé sur une IA étroite pour identifier les patients les plus malades et leur proposer des services médicaux supplémentaires. En filtrant les données, les chercheurs ont découvert plus tard que l’IA avait fait une hypothèse désastreuse. Les patients diagnostiqués comme étant en bonne santé simplement en raison de leur dossier médical reçoivent peu de soins médicaux, tandis que les patients qui ont recours à beaucoup de soins médicaux sont considérés comme étant en mauvaise santé...

Les futures générations d’IA permettront également aux gens de diagnostiquer des maladies et de planifier des traitements comme n’importe quel médecin. Actuellement, un outil d'IA générative (MED-PALM2 de Google) a réussi l'examen d'autorisation d'exercer la médecine avec un score de niveau expert. De nombreux autres outils d’IA médicale peuvent désormais rédiger des diagnostics similaires à ceux des médecins. Cependant, ces modèles nécessitent toujours la supervision d’un médecin et ne sont pas en mesure de remplacer les médecins. Mais au rythme de croissance exponentiel actuel, ces applications devraient devenir au moins 30 fois plus puissantes dans les 5 prochaines années. On prédit que les futures générations d’outils comme ChatGPT mettront l’expertise médicale entre les mains de tous, changeant fondamentalement la relation médecin-patient.

Compilé par VIET LE

Source