Tâches qui ne sont pas directement liées aux soins aux patients
Les systèmes d'intelligence artificielle modernes aident déjà les médecins à traiter les patients. Par exemple, la société HeartFlow, en utilisant des images CT, une simulation informatique de la circulation sanguine et des algorithmes d'apprentissage en profondeur,
peut construire une carte 3D du cœur. Cela permet aux médecins de diagnostiquer plus précisément et plus rapidement les maladies cardiaques, réduisant ainsi de 80% le nombre de procédures invasives nécessaires.
Cependant, l'IA est également utilisée dans des domaines qui ne sont pas directement liés au traitement du patient, mais qui affectent toujours la qualité des soins médicaux. Aujourd'hui, nous voulons parler de ces tâches, dans une certaine mesure auxiliaires, mais toujours importantes.
"Un médecin attentif viendra à votre convenance "Acheminement vers l'hôpital
Les systèmes d'intelligence artificielle et l'apprentissage automatique peuvent aider non seulement dans le diagnostic. Par exemple, fin mai, la Bloomsbury University College London Clinic (UCLH) a annoncé qu'elle
utiliserait des systèmes d'IA pour identifier les patients qui ont vraiment besoin de soins d'urgence.
Lorsqu'un patient se plaignant de douleur entre dans la salle d'urgence, le personnel médical effectuera des procédures standard - prélever du sang pour analyse, prélever une anamnèse et, si nécessaire, prendre une radiographie. Comme indiqué à la clinique, dans 80% des cas, les patients n'ont rien de grave - ils se font prescrire des médicaments et sont renvoyés chez eux.
Le système d'intelligence artificielle vous permettra d'identifier rapidement les 20% qui ont vraiment besoin de soins d'urgence. Le PDG de l'UCLH dans une interview avec Guardian a
déclaré que le logiciel définirait la priorité du patient, évaluant le danger des symptômes exprimés par lui. Par exemple, une douleur dans l'abdomen peut indiquer une appendicite ou une maladie rénale, de sorte qu'une telle personne «se déplacera» vers la tête de la ligne.
Les algorithmes d'apprentissage automatique peuvent également aider à l'acheminement des patients et des médecins. Par exemple, chercheur et neurologue au National Hospital of Neurology and Neurosurgery au Royaume-Uni, Parashkev Nachev a développé un algorithme d'apprentissage automatique qui analyse les informations sur les rendez-vous à la clinique et estime la probabilité que le patient rate une séance d'IRM pour une raison ou une autre. scan. Son système
prend en compte des paramètres tels que l’âge de la personne, son adresse et sa distance à la clinique, les conditions météorologiques. Jusqu'à présent, le scientifique a réussi à atteindre une précision de 85%. Cela permet de redistribuer rapidement la durée d'enregistrement.
Et dans le même UCLH, le système d'intelligence artificielle, qui est développé par des scientifiques de l'Institut. Alan Turing,
surveillera la façon dont les médecins et les patients «se déplacent» dans l'hôpital - quelles tâches ils effectuent, quelles procédures ils se rendent. Cela aidera à identifier les «goulots d'étranglement» potentiels dans l'organisation de la clinique - une situation ou un endroit où des files d'attente ou des pénuries d'équipement sont potentiellement possibles.
Recherche de nouvelles connaissances
Les pratiques de traitement suivies par les médecins ont tendance à devenir obsolètes. De nouvelles méthodologies, de nouvelles études et de nouveaux médicaments font leur apparition. En 2004, les chercheurs ont examiné le contenu de 341 revues médicales et ont constaté que le nombre total de publications mensuelles
dépassait les 7 000 .
Idéalement, le médecin doit constamment maintenir le niveau de connaissance du sujet, se tenir au courant des pratiques de traitement modernes - cependant, il est presque impossible d'étudier l'ensemble des publications régulièrement publiées dans les revues spécialisées - même s'il s'agit d'un spécialiste.
Les technologies d'intelligence artificielle associées aux moteurs de recherche
peuvent aider dans cette situation. Une solution similaire a été développée par des scientifiques du centre de recherche américain
RAND , engagés dans l'analyse de problèmes stratégiques. Ils ont appris au système à rechercher dans d'énormes volumes d'informations des mots-clés et des termes liés à l'objet de la demande.
Lors des tests, ce sujet portait sur les données sur la goutte, la faible densité osseuse et l'arthrose du genou. L'algorithme a permis de réduire le nombre d'articles pertinents pour les médecins de 67 à 83%. Selon les développeurs, le système n'a ignoré que deux articles qui seraient sélectionnés par des personnes, mais aucun d'entre eux ne contenait d'informations critiques. La précision de l'algorithme d'apprentissage automatique était de 96%.
Développement de médicaments
L'expérience des sociétés pharmaceutiques
montre que depuis le début des essais précliniques jusqu'à l'approbation du médicament et du traitement des patients, environ 12 ans s'écoulent. Dans le même temps, seulement 0,1% des «médicaments candidats» entrent dans les tests cliniques. L'approbation est reçue par 20% d'entre eux.
Les systèmes d'intelligence artificielle peuvent aider à résoudre cette situation et à accélérer la libération de nouveaux médicaments. L'apprentissage automatique et les systèmes d'IA sont
utilisés aux premiers stades du développement de médicaments.
Un exemple est la solution AtomWise San Francisco. Leur système s'appelle AtomNet. Elle utilise des méthodes d'apprentissage approfondi pour prédire le comportement des molécules et leur probabilité de former les connexions nécessaires.
Pendant la formation, les développeurs d'AtomNet ont alimenté les données du système d'intelligence artificielle sur les résultats de plusieurs millions d'interactions moléculaires déjà connues. Sur la base de ces interactions, le
système a appris à prédire les interactions qui ne se sont pas encore produites. Le logiciel a déjà aidé à
créer des médicaments pour traiter Ebola.
Les systèmes d'intelligence artificielle et l'apprentissage automatique aident les médecins et les scientifiques à travailler plus efficacement. Les médecins sont libérés des tâches de routine, il devient plus facile pour les scientifiques de mener des recherches et les patients reçoivent un traitement plus rapidement.
Aujourd'hui, les développements à l'intersection de l'IA et de la médecine deviennent de plus en plus populaires. Par exemple, Google a commencé à sélectionner des entreprises engagées dans la création de systèmes d'intelligence artificielle «médicale» pour participer au programme d'accélération de démarrage Launchpad Studio. À la fin de l'année dernière, quatre entreprises ont
rejoint le projet à la fois.
Chez DOC +, nous sommes également engagés dans des développements dans ce domaine: nous développons notre propre
système de PNL qui peut traiter des textes sur des sujets médicaux. Il est utilisé dans notre
chatbot - il aide à recueillir une anamnèse, sait isoler les symptômes des maladies des plaintes des patients et, sous une forme structurée, les transmet au médecin.
Soit dit en passant, en plus du blog sur Habré, nous avons un magazine thématique « Just Ask » - nous y parlons de médecine moderne et de santé: