Une frontière qui peut être vite franchie par l’utilisateur. Des informations qui permettent détablir des diagnostics plus précoces et plus précis. Néanmoins on doit s’assurer que ces données sont utilisées à bon escient et dans le respect des lois, en particulier du règlement général sur les données personnelles (RGPD) entrée en vigueur en mai 2018 et de la loi pour une république numérique de 2016. L’approche la plus ancienne s’appuie sur l’idée que nous raisonnons en appliquant des règles logiques (déduction, classification, hiérarchisation…). Par conséquent, ils passent moins de temps avec leurs patients. Concrètement, lintelligence artificielle aide les médecins à extraire, depuis les images médicales, des informations très utiles mais difficiles à repérer, voire indétectables à lœil nu. On relève, dans certains cas, 30% d’erreurs dans la description des pathologies associées aux malades. Par exemple, en 2010, les chercheurs du LIMICS ont participé à la conception d’un logiciel de traitement automatique des langues dans le cadre du projet Lerudi (pour Lecture rapide en urgence du dossier informatique du patient). Dans cet objectif la commission de réflexion sur l’éthique de la recherche en sciences et technologie du numérique d’Allistene (Cerna) souligne la nécessité de concevoir des systèmes dont le fonctionnement est transparent, explicité et traçable, et qui effectuent les tâches spécifiées en respectant des contraintes explicites. Comment, dès lors, endosser la responsabilité de la décision médicale ? L’ambition de créer des machines capables de mimer l’intelligence humaine est née dans les années 1950. L’intelligence artificielle a, à l’origine, voulu simuler l’activité du cerveau avec l’hypothèse que nous raisonnions avec des règles d’inférence (approche Martin Clavey. En allégeant la charge de travail des praticiens, l’intelligence artificielle dans le secteur médical leur permet de remettre le patient au premier plan. D’autre part, le traitement de ces données est conditionné au consentement éclairé de la personne concernée. Ce système permet au médecin de sélectionner un type de GEU et de se voir proposer les signes pertinents à rechercher et les images de référence associées. Ces logiciels peuvent mobiliser une approche symbolique ou des approches fondées sur les réseaux de neurones. : depuis une quinzaine d’années, l’application des sciences du numérique à des données médicales complexes révolutionne le traitement des données de santé, promettant des bénéfices multiples pour les patients. Un algorithme informatique au service des ophtalmologues, Elaboration et validation de l’iBox, le premier outil universel de prédiction du risque de perte de rein greffé basé sur l’intelligence artificielle, L’intelligence artificielle facilite l’évaluation de la toxicité des substances chimiques : le cas du bisphénol S, Une intelligence artificielle permet de prédire la réponse thérapeutique des patients atteints d’un cancer du rectum avancé traités par radiochimiothérapie préopératoire, Prédire la réponse à l’immunothérapie grâce à l’intelligence artificielle, Un programme informatique capable de détecter et d’identifier automatiquement des lésions cérébrales, L’Intelligence Artificielle au service de la recherche médicale : l’Inserm et Owkin s’associent, Dassault Systèmes et l’Inserm annoncent la signature d’un accord pour analyser la complexité des maladies et accélérer la recherche clinique, Un cerveau « simplifié » permet au robot iCub d’apprendre le langage, Big data en santé - dossier d’information, Chirurgie assistée par ordinateur - dossier d’information, L’intelligence artificielle progresse – à lire sur le site Histoire de l’Inserm, Intelligence artificielle et robotisation, – ressources proposées dans le cadre des Etats généraux de la bioéthique (2018), Donner un sens à l'intelligence artificielle (IA), – rapport de la mission Villani (mars 2018), Médecins et patients dans le monde des data, des algorithmes et de l’intelligence artificielle, – livre blanc du Conseil national de l’Ordre des médecins, Ethique de la recherche en apprentissage machine, - rapport de la Commission de réflexion sur l’éthique de la recherche en sciences et technologies du numérique d’Allistene (novembre 2014). Ils ne cherchent plus à remplacer le médecin, mais à l’épauler dans un raisonnement fondé sur les connaissances médicales de sa spécialité. Intelligence Artificielle et Anapath Dr. Christine Devalland, Hôpital Nord Franche-Comté, Trévenans L’intelligence artificielle cherche à produire des machines dotées de capacités de compréhension, de perception et parfois de décision, à même de simplifier, voire de remplacer l’intervention humaine. Covid-19 : Comment l’intelligence artificielle peut aider à trier l’information médicale. Cette démarche permettra peut-être un jour de créer des robots imitant l’intelligence humaine. Les données d’apprentissage sont en particulier biaisées par les préjugés de l’époque et ceux des concepteurs. Il s’agit alors de mettre en œuvre des logiciels de traitement automatique des langues pour analyser ces textes et en extraire des informations sur le patient (fouille de données). L’intelligence artificielle est née dans les années 1950 avec l’objectif de faire produire des tâches humaines par des machines mimant l’activité du cerveau. L’information sur le covid-19 s’accroit de jour en jour au point de nous perdre dans un amas de connaissances scientifiques et de discussions sur les réseaux sociaux plus ou moins pertinentes. Il sera alors possible de personnaliser les soins et d’améliorer leur taux de réussite, notamment, dans un premier temps, pour les cancers, les maladies rares et le diabète. Ainsi, dans le projet Lerudi cité plus haut, la construction d’ontologies (IA symbolique) est faite à partir d’algorithmes numériques de fouille de texte. Seule une bonne compréhension des solutions proposées par l’application peut en effet permettre au médecin de discuter avec son patient et de lui exposer les alternatives possibles. L’IA est en plein essor et de nombreuses voies de recherche sont explorées pour améliorer les performances techniques de ces systèmes, mais aussi leur adéquation aux pratiques médicales visées. Pour répondre à la difficulté de ces tâches, il est important de combiner les informations numériques extraites des images, donc spécifiques au patient, à des modèles génériques, représentant les connaissances anatomiques sous la forme de bases de connaissances, d’ontologies, de graphiques…. Depuis le début de l’épidémie, les chercheurs en traitement automatique du langage (TAL), ce domaine de l’intelligence artificielle qui cherche à manipuler le langage humain avec des machines, ont réfléchi aux moyens automatiques qu’ils pouvaient mettre en place pour clarifier l’information sur la pandémie. L’intelligence artificielle faible va mettre en œuvre toutes les technologies à sa disposition pour essayer de rendre le service attendu par l’utilisateur. Ces maladies très complexes nécessitent en effet souvent des adaptations de protocoles classiques. Demain, un ordinateur inspiré de notre cerveau ? Certains voient dans les applications médicales de l’IA la possibilité de remplacer le médecin, que ce soit pour pallier les déserts médicaux ou bien pour filtrer les patients et les orienter. La plateforme d’intelligence artificielle iBiopsy aide déjà la Pitié-Salpêtrière à traiter les pathologies. ... Ils appartiennent globalement à ce qu’on appelle l’intelligence artificielle (IA), dont les applications dépassent bien entendu largement le cadre de la médecine. Pour des systèmes d’aide à la décision fondés sur des algorithmes d’apprentissage, le respect de cette conformité n’est pas évident. La robotique est un sous-domaine spécifique de l’IA. Les chercheurs développent pour cela des approches et techniques multiples, du traitement des langues et de la construction d’ontologies, à la fouille de données et à l’apprentissage automatique. Non … La plateforme Desiree intègre les recommandations de bonne pratique par la mise en œuvre d'un raisonnement fondé sur une ontologie. Pour être acceptables ou légitimes, voire pour être écartées car jugées non pertinentes, les décisions de l’algorithme doivent pouvoir être comprises, donc expliquées. L’intelligence artificielle, as du diagnostic médical Chronique. Il n’existe pas de modèle général de ce qu’est la langue. Elles posent donc de nombreux problèmes pour leur exploitation. Dès les années 1950, les chercheurs en informatique ont essayé d’étudier son fonctionnement mais le langage est un objet difficile à étudier et à modéliser. Or la plupart des données médicales n’ont pas été recueillies dans l’objectif que se fixe le concepteur de logiciel. D’autres chercheurs se sont attelé à traquer les cas positifs qui ne se trouvaient pas dans les bases de données informatique. Sujet d’actualité, l’intelligence artificielle excite les utilisateurs, intéresse les fabricants, donne espoir aux patients, mobilise des missions gouvernementales et fait vendre du papier. L’intelligence artificielle (IA) est un domaine de recherche en pleine expansion et promis à un grand avenir. L’idée est de créer, grâce au TAL, des résumés automatiques des articles qui soient réellement intéressants pour les médecins (résultats à retenir, niveau de preuve de l’article, méthodes utilisées…). min, Dossier réalisé en collaboration avec Jean Charlet, AP-HP et Laboratoire d'informatique médicale et ingénierie des connaissances pour la e-santé (LIMICS, unité 1142 Inserm/Sorbonne Université/Université Paris 13), Paris. L’intelligence artificielle a fait des progrès énormes dans l’interprétation de l’imagerie médicale.D’après Alastair Denniston (membre de l’Université Hospitals Birmingham et du NHS foundation trust) et son équipe, l’intelligence artificielle est désormais capable de réaliser un diagnostic médical avec autant, voire plus de précision qu’un humain. Cette approche - dont il sera question tout au long de ce dossier - génère tous les systèmes spécialisés et performants qui peuplent aujourd’hui notre environnement : créer des profils d'amis possibles sur les réseaux sociaux, identifier des dates dans les textes pour classer des dépêches d’agence, aider le médecin à prendre des décisions, etc. Les prothèses intelligentes visent quant à elles à réparer, voire augmenter le corps humain : membres ou organes artificiels (bras, cochlée, cœur, sphincter…), simulateur cardiaque, etc. Les populations sont de plus en plus enclines à intégrer l’Intelligence Artificielle (IA) dans leur quotidien. Ces systèmes, de complexité très variable, ont en commun d’être limités dans leurs capacités d’adaptation : ils doivent être manuellement adaptés pour accomplir d’autres tâches que celles pour lesquelles ils ont été initialement conçus. Cette double approche est aussi particulièrement pertinente pour exploiter les données "variées" des patients (génomiques, cliniques, d’imagerie et d’analyses biologiques) qui seront regroupées sur une même plateforme dans le cadre du Plan France médecine génomique 2025. Ce projet vise à construire une infrastructure informatique de classe mondiale, qui pourra être utilisée par la communauté scientifique pour simuler le fonctionnement cérébral dans des conditions expérimentales particulières. Les Français sont usufruitiers de leurs données : ils peuvent en disposer mais non les vendre. Par exemple un système conçu pour alerter sur de possibles contre-indications médicamenteuses ne doit pas saturer le praticien d’alertes "justes", mais non adaptées au contexte clinique du patient. Contrairement aux applications médicales basées sur des méthodes de programmat… Cette voie de recherche est toujours explorée aujourd’hui, même si de nombreux chercheurs en IA estiment qu’atteindre un tel objectif est impossible. Il est toutefois indispensable que le grand public comprenne comment fonctionnent ces systèmes pour savoir ce qu’ils font et surtout ce qu’ils ne font pas. La mécanique algorithmique est globalement la même, mais les langages de description sont plus efficaces et les machines plus puissantes. Mais l’utilisation par le public de ces logiciels sans supervision médicale soulève des questions éthiques importantes. n Dr Jean-Philippe MASSON, Président de la Fédération Nationale des Médecins Radiologues. Sociétés françaises et internationales actives dans le secteur de l’imagerie médicale ont choisi d’embarquer l’intelligence artificielle. On est encore très loin du compte. Les plus célèbres, Mycin (identification d’infections bactériennes) ou Sphinx (détection d’ictères), s’appuient sur l’ensemble des connaissances médicales dans un domaine donné et une formalisation des raisonnements des spécialistes qui lient ces connaissances entre elles pour aboutir à un diagnostic. La force de cette approche est que l’algorithme apprend la tâche qui lui a été assignée par "essais et erreurs", avant de se débrouiller tout seul. L’imagerie médicale, augmentée du deep learning et du big data analytics, reconnaît mieux les bio-marqueurs de la progression de la maladie.L’amélioration du diagnostic et la prise en charge du patient sont au cœur du processus. Les approches numériques s’apparentent en revanche à une boîte noire, incapable de justifier ses décisions : nul ne sait ce que fait l’algorithme. Si l'Intelligence artificielle est très prometteuse dans le domaine de la santé, certains médecins voient d'un mauvais œil l'émergence de ces nouvelles technologies. Il doit être en mesure de comprendre le pourquoi et le comment des décisions affichées, et de les contourner si besoin. Les textes, qu’ils soient publiés sur les réseaux sociaux, dans les revues scientifiques ou dans les comptes-rendus de diagnostic peuvent être une mine d’or d’information mais leur abondance et la complexité de la langue rendent difficile leur analyse. 30-40 Depuis quelques années, des projets plus ciblés dans leurs objectifs se concrétisent. Le développement des algorithmes d'apprentissage automatique, la prolifération des données numériques et biométriques, l'accélération de la puissance de calcul et les progrès dans le domaine médical et biologique concourent d'ailleurs à cette révolution. Il est soutenu par une ontologie qui fournit un modèle centré sur les signes du domaine, avec les relations entre les signes des différents types de grossesse extra-utérine, les structures anatomiques et les éléments techniques. L'intelligence artificielle comme outil d'aide médicale. Autre exemple, l'interprétation d'images médicales pédiatrique est d'une importance majeure pour le diagnostic, le suivi des patients ou encore la préparation d'une intervention chirurgicale. Selon une analyse publiée dans The Lancet Digital Health, dans le domaine de la radiologie, il y a encore du chemin à parcourir, selon Xiaoxuan Liu et al. L’intelligence artificielle va-t-elle bouleverser la profession médicale ? Elle vise à augmenter l’autonomie des machines en les dotant de capacités perceptuelles, décisionnelles et d’action. Publié le 14/01/2021 à 10h00. Les algorithmes d’apprentissage non supervisé (sans apprentissage préalable sur des échantillons) suscitent des espoirs dans ce domaine : ils permettent en effet de recouper rapidement un très grand nombre de données afin d’établir des structures cachées et de déterminer des catégories d’intérêt pour la tâche visée. Les médecins consacrent de plus en plus de temps à la documentation médicale. Ils bénéficient de meilleurs modèles de raisonnement ainsi que de meilleures techniques de description des connaissances médicales, des patients et des actes médicaux. Une équipe de recherche du département des anciens combattants américains, une équipe de l’Hopital Necker a réussi à démontrer, « L’ère de la charge des batteries à courant constant est révolue », clame le chercheur Rachid Yazami, Baisser le seuil de détection des tests RT-PCR du Covid-19 pour mieux dépister les individus contagieux, Contagiosité, vaccination et détection, le variant anglais du Covid-19 en trois questions clés, Opération transparence : le détail des essais cliniques des vaccins de Pfizer-BioNTech et AstraZeneca publiés, Covid-19 : Trois résultats scientifiques clés pour repenser la doctrine de dépistage par RT-PCR. Le séminaire de Lyon n'est qu'une première étape. « Ce lien n’aurait pas pu être démontré si on n’avait pas utilisé le traitement du langage naturel parce qu’il n’y avait pas suffisamment de données structurées pour que le lien soit significatif statistiquement. | EpiRheum.com Si vous êtes, vous aussi, intéressés, intrigués ou même ennuyés par IA, n'hésitez pas à partager vos remarques et commentaires pour fructifier le débat. Benoît Favre explique que cette étude a permis d’établir que « la trace linguistique [de l’arrivée du virus], quelle que soit la langue, est similaire ». L’intelligence artificielle a besoin de l’intelligence collective. Cette base stocke toutes les prescriptions de médicaments, la description des maladies et les actes hospitaliers. La première caractérise l’IA comme la possibilité d’automatiser un certain nombre de processus : La seconde définition est liée quant à elle à la notion de machine learning: Illustrons ce basculement : dans les années 1990, IBM crée Deep Blue, qui bat aux échecs le champion Kasparov, assez sévèrement. Si « la plateforme est en pause car les médecins impliqués ont repris leur activité, l'idée du projet est surtout de voir comment on pourrait faciliter la veille scientifique dans le cas d'un nouvel événement majeur », explique le chercheur. La chirurgie assistée par ordinateur en est sans doute un des versants le plus connu. Elle permet aujourd’hui d’améliorer la précision des gestes ou d’opérer à distance. Cette technique permet d’éviter la compréhension du fonctionnement de ce qu’on veut modéliser au prix d’un nombre très élevé de données d’entraînement. Cette robotique de service vise à imiter le vivant et à interagir avec les humains. Ainsi, une personne hospitalisée pour un problème respiratoire sera traitée pour ce problème sans nécessairement faire mention du cancer qui l’affecte par ailleurs. En attendant elle contribuera à mieux comprendre le fonctionnement de cet organe et à mieux appréhender les causes de certaines maladies d’origine cérébrale comme Alzheimer, Parkinson ou la maladie de Charcot. Aide au diagnostic, choix du traitement le plus adapté et autres prouesses, l’intelligence artificielle s’impose depuis plusieurs années dans le domaine médicale et n’a de cesse d’étonner. Congatec nous explique ce qu'on peut aujourd'hui attendre de l’informatique embarquée dans cette optique. Réflexion à partir de 3 Cas d’Usages Dr. Bruno Dallaporta, Clinique Médicale et Pédagogique Edouard Rist, Paris. Dans ce cadre, les données personnelles ne sont pas la propriété du patient, ni celle de l’organisme qui les collecte. July 1, 2020 1.52pm EDT Matthias Brunn , Université de Montpellier , William Genieys , Sciences Po – article de Kim Boyer, The Conversation (février 2017), S'inscrire à la lettre d'information Inserm, La valorisation et le transfert des découvertes, Laboratoire d'informatique médicale et ingénierie des connaissances pour la e-santé, un système d’aide à la décision en analyse d’échographies pour les grossesses extra-utérines (GEU), commission de réflexion sur l’éthique de la recherche en sciences et technologie du numérique d’Allistene (Cerna). A la fin de l’apprentissage, l’algorithme arrive à reconnaître avec une excellente performance de nouvelles images présentant une anomalie. Grâce à l’ajout des données qui proviennent du langage naturel, on a eu suffisamment de données pour montrer que ce lien était statistiquement significatif » affirme Benoît Favre. Une plateforme nationale de santé regroupant toutes les données santé de la population est une ressource inestimable pour les praticiens, mais aussi pour la recherche médicale et pharmaceutique. Assistance médicale virtuelle. Intelligence artificielle et pratique médicale. Depuis 5 à 6 ans, pour éviter cette difficulté de modélisation, les chercheurs en TAL utilisent de plus en plus le Deep learning. La question se pose avec acuité devant les progrès constants de l’imagerie médicale, capable de dénicher une aiguille dans une botte de foin, et avec l’arrivée d’algorithmes d’in telligence artificielle (IA) d’une productivité stupéfiante. Les challenges comme Data 4 Development, Epidemium ou encore DREAM by Sage sont en plein essor. Cette méthode, née avec le connexionnisme et les réseaux de neurones artificiels dans les années 1980, se développe aujourd’hui grâce à l’augmentation de puissance des ordinateurs et à l’accumulation des gigantesques quantités de données, le fameux big data. Les premiers modules d'intelligence artificielle sont maintenant proposés par les constructeurs. Malgré les énormes capacités de calcul offertes par les ordinateurs actuels, aucune application existante ne peut s’afficher comme réellement intelligente : elle devrait pour cela être multitâches et capable de réagir correctement dans des situations non prévisibles et non préprogrammées. Ainsi, au lieu de donner une alerte chaque fois qu’une contre-indication se présente, les nouvelles interfaces posent en amont des questions sur le patient, afin de réduire le nombre d’alertes et, ainsi, la tendance du médecin à débrancher une machine "importune". Face aux déboires des premières heures, deux courants se sont constitués. Intelligence Artificielle en Imagerie Médicale – Enjeux et Adoption. Pour comprendre les enjeux liés à l’IA, revenons rapidement sur sa définition. Pour éviter cet écueil, le médecin, seul habilité à porter un diagnostic, doit pouvoir garder son autonomie face à la machine. Thérapie génique : la nouvelle frontière dans l'innovation médicale... La thérapie génique pourrait atteindre son plein potentiel dans les 5 à 10 prochaines années, mais il y a d’abord des défis technologiques et opérationnels à relever. L'imagerie médicale à l'heure de l'intelligence artificielle. Et le travail de recherche sur le corpus d’articles scientifiques continue. https://www.inserm.fr/.../dossiers-information/intelligence-artificielle-et-sante L’IA permettra de gérer ce nombre considérable de données en fournissant des classifications ou des ontologies de description des éléments cliniques des patients. On pourrait donc appliquer ce modèle de prédiction dans n’importe quel pays. L'intelligence artificielle est « l'ensemble des théories et #EpiR_IA: Intelligence Artificielle et Formation Médicale en 3 questions. La France dispose en particulier d’une des plus grandes bases en santé du monde : son système national de données médico-administratives, le SNIIRAM (pour Système national d’information interrégimes de l’Assurance Maladie). La plupart des systèmes actuels procèdent par apprentissage automatique, une méthode fondée sur la représentation mathématique et informatique de neurones biologiques, selon des modalités plus ou moins complexes. Dans le domaine médical, les biais principaux sont dus à la surreprésentation d’une catégorie de personnes, comme les personnes âgées ou des patients d’origine géographique particulière. L’Intelligence Artificielle permet d'améliorer l'imagerie médicale, toujours à la recherche de rendus visuels de meilleure qualité. Vous êtes désormais inscrits. Pour chacune de ces images on lui indique si elle présente ou non des signes pathologiques. Elle est toutefois délicate à exploiter, car la base a été créée pour l’analyse économique des prestations de santé et non pour une analyse médicale. La principale difficulté de l’approche symbolique est la modélisation des connaissances (description du domaine et du raisonnement) qui s’appuie sur un travail approfondi avec des spécialistes du domaine concerné. Corriger ces erreurs passe par le croisement des données avec d’autres sources, comme celles correspondant aux médicaments administrés. Intervenant dans la journée « Intelligence artificielle : l’ordinateur passe la barrière de la langue » organisée par le CNRS le 12 janvier, Benoit Favre, chercheur au Laboratoire d'Informatique et Systèmes (LIS) d’Aix-Marseille Université explique qu’en contribuant comme d’autres à l’impression 3D de visières protectrices lors du premier confinement, il est entré en contact avec le médecin Stéphane Delliaux, qui lui a fait part de l’embarras dans lequel il se trouvait face à l’amoncellement de publications sur la pandémie : 2000 à 3000 articles scientifiques par semaine étaient mis en ligne, il était impossible de toutes les connaître et encore moins d’avoir un avis sur leur pertinence. L’intelligence artificielle (IA) appliquée à la médecine connaît depuis quelques années une progression exponentielle si l’on en croit la courbe des publications scientifiques dans le domaine. Qui est le propriétaire des données de ma santé ? Les mentalités évoluent. L’intelligence artificielle (IA), celle-là même qui a permis à Watson, le superordinateur d’IBM, de gagner contre des joueurs humains à Jeopardy!, saura-t-elle aider les médecins, les laboratoires pharmaceutiques et les chercheurs à vaincre le Covid-19 ? Olivier de Fresnoye et Mehdi Benchoufi préfèrent d’ailleurs parler de deux définitions. Dans le monde de la médecine, l’IA est cantonnée dans le diagnostic et les recommandations pour des raisons évidentes. Les systèmes conçus sur ce principe appliquent différentes méthodes, fondées sur l’élaboration de modèles d’interaction entre automates ou logiciels autonomes (systèmes multi-agents), de modèles syntaxiques et linguistiques (traitement automatique des langues) ou d’élaboration d’ontologies (représentation des connaissances). Contrairement à l’approche symbolique, l’approche dite numérique raisonne sur les données. Leur coût doit également être justifié par une réelle plus-value pour le médecin ou le patient. Dans les années 1980, cette approche, dite symbolique, a permis le développement d’outils capables de reproduire les mécanismes cognitifs d'un expert. Le robot omniscient, qui pour beaucoup symbolise l’IA, n’est pas pour demain ! Le plateau d’imagerie médicale de l’Hôpital du Creusot se modernise et s’est équipé depuis le 1er octobre 2020, d’un dispositif d’Intelligence Artificielle en imagerie ostéo-articulaire. Vous recevrez prochainement notre newsletter hebdomadaire Industrie & Technologies, Cartesiam, la startup toulonnaise qui propose d’équiper les microcontrôleurs d’algorithmes capables de détecter les[…], newsletter hebdomadaire Industrie & Technologies, Comment le Danemark, l’autre pays du séquençage, a décidé de réagir face au variant anglais, ont analysé des corpus importants de tweets publiés dans différents pays pendant la pandémie (Italie, Japon, Thailande, Turquie et Indonésie), . Par ailleurs, un système d’aide à la décision en analyse d’échographies pour les grossesses extra-utérines (GEU) développé par le LIMICS et l’hôpital Trousseau, OPPIO, entre en phase de tests en 2019. Le système cherche des régularités dans les données disponibles pour extraire des connaissances, sans modèle préétabli. L’approche numérique peut se prévaloir de grandes performances en médecine, mais elle nécessite des données parfaitement propres et bien annotées, comme celles utilisées pour la reconnaissance de mélanomes. Pour qu’une application soit utilisée par le médecin dans sa pratique quotidienne, il ne suffit pas qu’elle rende le service qu’on lui demande, il faut également que le système soit commode ! Le système réduit la relation au médecin à un acte technique. Ses applications, qui concernent toutes les activités humaines, permettent notamment d’améliorer la qualité des soins. L’IA est en effet au cœur de la médecine du futur, avec les opérations assistées, le suivi des patients à distance, les prothèses intelligentes, les traitements personnalisés grâce au recoupement d’un nombre croissant de données (big data), etc. D’un autre côté, les tenants de l’intelligence artificielle dite faible mettent en œuvre toutes les technologies disponibles pour concevoir des machines capables d’aider les humains dans leurs tâches. Des chercheurs en traitement automatique du langage de l’Université de Californie ont analysé des corpus importants de tweets publiés dans différents pays pendant la pandémie (Italie, Japon, Thailande, Turquie et Indonésie) et en ont ressorti un modèle capable de prédire une épidémie. Les systèmes actuels, qualifiés d’aide à la décision, de gestion des connaissances ou d’e-santé, sont plus sophistiqués. L’imagerie médicale via l’intelligence artificielle. L’intelligence artificielle est partout, mais elle trouve plus particulièrement des applications intéressantes dans le domaine de la santé. L'intelligence artificielle est un nouveau défit pour les radiologues. Non … La médecine prédictive. Cette discussion a permis de mettre en place un premier prototype de travail sur les articles scientifiques, puis un soutien à la plateforme Bibliovid de veille scientifique sur la COVID, en collaboration avec les chercheurs de Naver Labs Europe de Grenoble. Et c’est vrai, l’IA commence à arriver dans le médical : des startup sont prêtes à disrupter tous azimuts et les gros fabricants de dispositifs médicaux s’associent avec les gros spécialistes de l’intelligence artificielle. Les algorithmes d’apprentissage profond (deep learning) par exemple, dont l’usage explose depuis une dizaine d’années, s’inspirent du fonctionnement cérébral : ils simulent un réseau de neurones organisés en différentes couches, échangeant les uns avec les autres. Auteur : Zeljko Loncaric, ingénieur marketing chez Congatec L’imagerie médicale a fait d’immenses progrès ces dernières années. Autre problème soulevé par l’exploitation des données médicales, 80% des informations sur les patients sont textuelles (comptes rendus d’hospitalisation ou rapports d’imagerie par exemple).
Doctolib Nantes Laboratoire,
Vaccin Contre La Rage Prix,
Bertrand Gille Compagne,
Santé Public France Geode,
Dissolution Sucre Eau Froide,
Vaccin Covid Obligatoire Pour Voyager,
Jérémy Chapron Wikipédia,