Les technologies modernes rendent les systèmes informatiques de plus en plus «intelligents». En particulier, l'apprentissage automatique est utilisé par Facebook, Google, Amazon - par exemple, pour convertir la parole en texte, reconnaître les visages et donner de la publicité personnalisée. Les mêmes technologies aident les médecins de différentes spécialités. Aux États-Unis, l'apprentissage automatique et une forme faible d'IA devraient être utilisés pour combattre la dangereuse bactérie
Clostridium difficile . Wikipedia dit que la bactérie est l'agent causal de la colite pseudomembraneuse, une maladie intestinale infectieuse grave qui peut entraîner la mort d'une personne dont le corps est affaibli.
Les patients hospitalisés appartiennent simplement à la catégorie des personnes dont le corps est affaibli, qui est presque incapable de faire face aux virus et bactéries pathogènes. Aux États-Unis seulement, 453 000 cas de colite sont enregistrés par an, avec 29 000 cas entraînant la mort du patient. En tout état de cause, ces données figurent dans le
rapport 2015 . Les méthodes médicales habituelles ne permettent pas de stopper l'infection - se laver les mains, les sols, les antiseptiques, etc. pas trop efficace.
Pour cette raison, les médecins ont décidé d'utiliser d'autres méthodes directement liées aux technologies modernes, qui ont été discutées ci-dessus. L'équipe de l'Université du Michigan a développé une méthode pour prédire la probabilité de colite chez différents patients. Pour cela, les données médicales de la carte d'une personne sont utilisées. Jusqu'à présent, la technologie n'a été testée, mais elle a déjà montré d'excellents résultats.
Il y a quelques semaines, 374 000 admissions à l'hôpital d'un hôpital du Massachusetts
ont été analysées à l' aide d'une technique créée par des informaticiens. Les scientifiques veulent trouver un lien entre la survenue de la maladie et les facteurs qui ont conduit à la maladie.
Au cours de l'analyse, la machine vérifie environ 4000 facteurs différents, notamment le placement du lit du patient, ses visites chez le médecin, le placement des lits des autres patients et toutes les autres données. Habituellement, les patients hospitalisés ne sont pas au même endroit, mais sont déplacés dans l'hôpital. Et si quelque part il y a une source d'infection, cela fonctionne. L'essentiel est d'identifier cette source dans le temps.
Un autre exemple de l'utilisation d'algorithmes machine en médecine est l'analyse de la rétine pour la détection de la rétinopathie diabétique. La rétinopathie est une lésion des vaisseaux rétiniens, entraînant une violation de l'apport sanguin à la rétine, sa dégénérescence, une atrophie du nerf optique et la cécité. Il s'agit d'une maladie courante chez les diabétiques, qui doit être diagnostiquée à temps pour que les gens ne perdent pas leur vision à la suite d'une rétinopathie progressive. C'est assez courant - en 2011
, environ 126 millions de cas
ont été enregistrés , d'ici 2030 leur nombre pourrait augmenter de 51%.
Des spécialistes ont créé un réseau de neurones, formé sur l'exemple de 128 000 images des yeux de patients en Inde et aux États-Unis. Les mêmes images ont été montrées aux médecins qui ont diagnostiqué une rétinopathie à différents stades de développement avant de se familiariser avec l'ordinateur. Ensuite, toutes les données reçues ont été téléchargées sur l'ordinateur. Après la formation du réseau neuronal, il a été vérifié sur un ensemble de données différent et, dans ce cas, ses résultats étaient supérieurs à ceux des médecins.
Maintenant, l'équipe de spécialistes qui a développé cet outil prévoit de le présenter en Inde, où il y a un grand nombre de patients atteints de ce diagnostic. Et aux États-Unis ou dans d'autres pays, c'est aussi un problème. La technologie fait actuellement l'objet d'essais cliniques dans plusieurs hôpitaux en Inde.
L'année dernière, le régulateur américain a approuvé l'introduction d'un appareil spécial pour analyser les images de résonance magnétique dans les hôpitaux. L'appareil analyse l'image en seulement 30 secondes, tandis que le médecin passe environ 45 minutes sur le même travail. «Il s'agit d'une automatisation des processus de routine qui prend beaucoup de temps de spécialiste dans une situation normale», explique Karla Leibovitz, porte-parole d'Arterys qui a développé ce système.
En général, l'apprentissage automatique et l'IA sont de plus en plus répandus en médecine. Fondamentalement, nous parlons de l'automatisation de tous les processus de routine qui sont importants pour le diagnostic de la maladie, mais qui prennent beaucoup de temps pour le médecin. Et plus un médecin consacre de temps à un tel travail, plus il se fatigue. En conséquence, les mêmes images radiographiques sont analysées par une personne avec beaucoup moins d'attention après plusieurs heures de travail qu'au tout début du travail. En conséquence, la précision du diagnostic diminue également.