Et bien que l'IA ne fasse pas face à toutes les maladies jusqu'à présent, les résultats de son travail semblent déjà prometteurs
Un traitement efficace des patients nécessite une combinaison de formation et d'expérience. C'est l'une des raisons pour lesquelles les gens ont hâte d'utiliser l'IA en médecine avec intérêt: les algorithmes peuvent être formés pour utiliser l'expérience de milliers de médecins en leur donnant plus d'informations que quiconque ne pourrait digérer.
À la fin du mois d'octobre, il y avait des preuves que le logiciel aurait pu répondre à ces attentes. Deux articles ont été publiés décrivant les excellents résultats préliminaires de l'utilisation de l'IA pour le diagnostic et le traitement. Les articles indiquent des tâches et des approches complètement différentes, ce qui suggère que l'éventail des situations dans lesquelles l'IA peut être utile est très large.
Le choix des méthodes de traitement
Une étude s'est concentrée sur la
septicémie (empoisonnement du sang) qui survient lorsque le système immunitaire réagit excessivement à l'infection. La septicémie est la troisième cause de décès la plus courante dans le monde et demeure un problème même après l'hospitalisation. Il existe des méthodes de traitement des patients, mais à en juger par les statistiques, il existe d'importantes possibilités d'améliorer la situation. Par conséquent, une petite équipe de scientifiques britanniques et américains a décidé de vérifier si le logiciel pouvait apporter cette amélioration.
Ils ont utilisé un algorithme d'
apprentissage par renforcement qui était considéré comme efficace dans les situations avec des «signaux de récompense rares». En d'autres termes, avec un échantillon aussi important de la population, le corps aura beaucoup d'autres choses, sauf la septicémie, qui affectera les résultats de tout traitement, et donc les signaux pour un traitement efficace seront faibles et difficiles à distinguer. Cette approche a été développée pour augmenter les chances de leur reconnaissance.
Une large base a été utilisée pour former le logiciel: plus de 17 000 patients en réanimation et 79 000 patients hospitalisés dans plus de 125 cliniques. Les données des patients contenaient 48 paramètres d'information, des indicateurs vitaux et des tests de laboratoire à la démographie. L'algorithme a utilisé des données pour déterminer le traitement qui maximise les chances de survie du patient pendant 90 jours. Les chercheurs ont appelé le logiciel résultant «AI Clinician».
Pour évaluer la qualité du travail d'un clinicien en IA, un ensemble distinct d'antécédents médicaux des patients a été utilisé. L'algorithme a été utilisé pour sélectionner une méthode de traitement, après quoi le traitement réel des patients a été comparé à l'algorithme proposé. En général, le logiciel a recommandé des doses d'injections plus faibles et des doses plus élevées de médicaments vasoconstricteurs. Les personnes dont le traitement coïncidait avec de telles recommandations ont survécu plus souvent que les autres groupes de patients.
Diagnostics
Le deuxième article a évalué la capacité de détecter les problèmes nécessitant un traitement, en particulier les fractures osseuses. Souvent, ces problèmes sont faciles à voir, mais une petite puce ou une petite fissure est difficile à remarquer même pour un spécialiste. Dans la plupart des cas, le diagnostic ne repose pas sur les épaules d'un spécialiste, mais d'un médecin travaillant dans une ambulance. La nouvelle étude ne cherche pas à créer une IA pour remplacer les médecins, elle veut seulement les aider.
L'équipe a demandé à 18 chirurgiens orthopédistes de diagnostiquer 135 000 images de fractures potentielles des poignets, puis a utilisé ces données pour former l'algorithme, un
réseau neuronal convolutif avec
une formation approfondie . L'algorithme a été utilisé pour marquer les domaines auxquels les médecins non spécialistes en orthopédie doivent prêter attention. En fait, il les a aidés à se concentrer sur les zones où une fracture était la plus probable.
Dans le passé, trop de diagnostics ont été soumis à de tels tests, et les médecins ont recommandé des tests supplémentaires dans des cas inoffensifs. Mais dans ce cas, la précision du diagnostic a augmenté et les faux positifs ont diminué. La sensibilité (ou la capacité) à déterminer les fractures est passée de 81% à 92%, et la précision (la capacité à poser un diagnostic correct) est passée de 88% à 94%. En somme, cela signifie que les médecins ambulanciers auraient presque réduit de moitié le nombre de diagnostics incorrects.
Dans les deux études, le logiciel n'a pas été utilisé dans un contexte reflétant pleinement les circonstances médicales. Les médecins urgentistes et les sepsis (qui peuvent être les mêmes personnes) auront généralement de nombreuses raisons supplémentaires d'excitation et de distraction, il sera donc difficile d'intégrer l'IA dans leur travail. Mais le succès de ces tentatives suggère que les essais cliniques de l'IA peuvent commencer plus tôt qu'on ne le pensait, et après cela, nous allons vraiment apprendre comment l'IA peut aider à poser de vrais diagnostics et à prescrire un traitement.