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. 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. Vous êtes désormais inscrits. Les challenges comme Data 4 Development, Epidemium ou encore DREAM by Sage sont en plein essor. Pour comprendre les enjeux liés à l’IA, revenons rapidement sur sa définition. 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. 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. 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. 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. Publié le 14/01/2021 à 10h00. 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. En effet, à cause de la mauvaise interopérabilité des systèmes de stockage des données, certains cas positifs étaient difficilement intégrables dans les bases de données. 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). Dans le monde de la médecine, l’IA est cantonnée dans le diagnostic et les recommandations pour des raisons évidentes. Pour progresser dans cette voie les chercheurs essaient de comprendre le comportement des neurones et de leurs connexions, afin d’être en mesure de mimer le cerveau. En France, les données de santé sont anonymisées pour être accessibles par les chercheurs, uniquement sur des projets autorisés. Elles posent donc de nombreux problèmes pour leur exploitation. L’intelligence artificielle a besoin de l’intelligence collective. Ces modèles sont ensuite utilisés par des systèmes de raisonnement logique pour produire des faits nouveaux. La chirurgie assistée par ordinateur en est sans doute un des versants le plus connu. 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. On pourrait donc appliquer ce modèle de prédiction dans n’importe quel pays. C’est pourquoi on les a baptisés « systèmes experts ». 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. Leur coût doit également être justifié par une réelle plus-value pour le médecin ou le patient. La robotique est un sous-domaine spécifique de l’IA. ... Ils appartiennent globalement à ce qu’on appelle l’intelligence artificielle (IA), dont les applications dépassent bien entendu largement le cadre de la médecine. 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". Au cœur des évolutions technologiques, l’intelligence artificielle est devenue en quelques années un des enjeux scientifiques majeurs du secteur de la santé. Ainsi, une personne hospitalisée pour un problème respiratoire sera traitée pour ce problème sans nécessairement faire mention du cancer qui l’affecte par ailleurs. Une frontière qui peut être vite franchie par l’utilisateur. Olivier de Fresnoye et Mehdi Benchoufi préfèrent d’ailleurs parler de deux définitions. 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. 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…). 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. Dans les années 1980, cette approche, dite symbolique, a permis le développement d’outils capables de reproduire les mécanismes cognitifs d'un expert. 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. Et le travail de recherche sur le corpus d’articles scientifiques continue. 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 ? Demain, un ordinateur inspiré de notre cerveau ? Les mentalités évoluent. 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’intelligence artificielle va-t-elle bouleverser la profession médicale ? Par ailleurs, le risque que le médecin abdique devant la machine « qui sait mieux que lui » est réel. 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. C’est en particulier crucial avec les images pédiatriques qui doivent être acquises sur des durées aussi brèves que possible et qui montrent des structures souvent de petite taille et de grande variabilité d'un patient à l'autre. Aide au diagnostic, analyse d’examens, optimisation et personnalisation des traitements, criblage de molécules à activité biologique, etc. 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. Les voies de recherche portent en particulier sur le traitement des données, très hétérogènes, leur structuration et leur anonymisation, mais aussi sur la conception de systèmes transparents pour l’utilisateur et bien adaptés au contexte d’utilisation. Intelligence Artificielle en Imagerie Médicale – Enjeux et Adoption. 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. Elle permet aujourd’hui d’améliorer la précision des gestes ou d’opérer à distance. Congatec nous explique ce qu'on peut aujourd'hui attendre de l’informatique embarquée dans cette optique. 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. Que ce soit en oncologie ou en traumatologie, les technologies de l’IA apparaissent dans les portefeuilles de produits en développement. Ce champ de recherche mobilise de nombreuses disciplines, de l’informatique aux sciences cognitives en passant par les mathématiques, sans oublier les connaissances spécialisées des domaines auxquels on souhaite l’appliquer. : 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. Covid-19 : Comment l’intelligence artificielle peut aider à trier l’information médicale. Or la plupart des données médicales n’ont pas été recueillies dans l’objectif que se fixe le concepteur de logiciel. 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. 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. L'Intelligence Artificielle (IA) promet une métamorphose complète du secteur de la santé. L’enrichissement continu de la base de cas permet de faire évoluer les propositions du système pour l'aide à la prise en charge thérapeutique des patientes. 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. Les robots d’assistance aux personnes, âgées ou fragiles par exemple, représentent un troisième secteur très médiatisé et en fort développement. D’autre part, le traitement de ces données est conditionné au consentement éclairé de la personne concernée. Cette technique a vraiment eu des conséquences importantes puisqu’à l'aide d'approches similaires, une équipe de l’Hopital Necker a réussi à démontrer un lien entre la prise d’inhibiteurs calciques et la baisse de mortalité chez les patients atteints de la Covid. Ces logiciels peuvent mobiliser une approche symbolique ou des approches fondées sur les réseaux de neurones. Réflexion à partir de 3 Cas d’Usages Dr. Bruno Dallaporta, Clinique Médicale et Pédagogique Edouard Rist, Paris. 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. Pour éviter cet écueil, le médecin, seul habilité à porter un diagnostic, doit pouvoir garder son autonomie face à la machine. 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. Des informations qui permettent détablir des diagnostics plus précoces et plus précis. 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. 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. L’intelligence artificielle (IA) est un domaine de recherche en pleine expansion et promis à un grand avenir. Alors la technologie est-elle sur la voie de remplacer l’humain ? 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. Auteur : Zeljko Loncaric, ingénieur marketing chez Congatec L’imagerie médicale a fait d’immenses progrès ces dernières années. Des applications de deep learning existent en traitement d’images, par exemple pour repérer de possibles mélanomes sur les photos de peau, ou bien pour dépister des rétinopathies diabétiques sur des images de rétines. Les premiers modules d'intelligence artificielle sont maintenant proposés par les constructeurs. Ils sont même 80% à penser que … 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), . En effet, « l’analyse d’images médicales » apparaît en 10e position. 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). 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. D’autres chercheurs se sont attelé à traquer les cas positifs qui ne se trouvaient pas dans les bases de données informatique. 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. Sociétés françaises et internationales actives dans le secteur de l’imagerie médicale ont choisi d’embarquer l’intelligence artificielle. 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. Cette voie de recherche est toujours explorée aujourd’hui, même si de nombreux chercheurs en IA estiment qu’atteindre un tel objectif est impossible. Depuis 5 à 6 ans, pour éviter cette difficulté de modélisation, les chercheurs en TAL utilisent de plus en plus le Deep learning. Alors la technologie est-elle sur la voie de remplacer l’humain ? La plateforme d’intelligence artificielle iBiopsy aide déjà la Pitié-Salpêtrière à traiter les pathologies. Il doit être en mesure de comprendre le pourquoi et le comment des décisions affichées, et de les contourner si besoin. Martin Clavey. L'intelligence artificielle comme outil d'aide médicale. 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. En revanche, fait plus étonnant, l’imagerie médicale est présente dans ce tableau. 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. L’IA permettra de gérer ce nombre considérable de données en fournissant des classifications ou des ontologies de description des éléments cliniques des patients. Le robot omniscient, qui pour beaucoup symbolise l’IA, n’est pas pour demain ! Si certains projets demandent du temps pour être opérationnels d’autres ont déjà permis aux biologistes et autres médecins d’y voir un peu plus clair dans ce flux continu d’information et de réaction difficile à suivre. L’intelligence artificielle au service d’une imagerie médicale plus performante L’IA est aujourd’hui omniprésente dans la littérature scientifique de l’imagerie médicale, d’autant plus depuis le développement de nouveaux algorithmes appelés réseaux de neurones convolutifs [1] . L'imagerie médicale à l'heure de l'intelligence artificielle. 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. 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. 30-40 On relève, dans certains cas, 30% d’erreurs dans la description des pathologies associées aux malades. L'intelligence artificielle est un nouveau défit pour les radiologues. C’est un moment fort, mais néanmoins, ce n’est au fo… Corriger ces erreurs passe par le croisement des données avec d’autres sources, comme celles correspondant aux médicaments administrés. Si l’intelligence artificielle ne peut pas encore remplacer les médecins, elle les aide aujourd'hui, à l’image des professionnels de l’imagerie médicale qui sont 82% à affirmer que l’IA peut améliorer la pertinence de leurs décisions cliniques. Depuis quelques années, des projets plus ciblés dans leurs objectifs se concrétisent. L’approche la plus ancienne s’appuie sur l’idée que nous raisonnons en appliquant des règles logiques (déduction, classification, hiérarchisation…). Destiné aux urgentistes, l’outil doit répondre à leurs besoins, en l’occurrence, porter à leur connaissance des informations essentielles (comme les prescriptions médicamenteuses qui permettent d’identifier des pathologies préexistantes) dans les quelques minutes dont ils disposent pour prendre une décision. Intelligence Artificielle et Nutrition Dr. Georges Brillet, Centre de néphrologie de Châteauroux, Châteauroux. Leur mise au point nécessite de grands échantillons d’apprentissage : 50 000 images dans le cas des mélanomes, et 128 000 dans celui des rétinopathies, ont été nécessaires pour entraîner l’algorithme à identifier les signes de pathologies. Il n’existe pas de modèle général de ce qu’est la langue. 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. Pour des systèmes d’aide à la décision fondés sur des algorithmes d’apprentissage, le respect de cette conformité n’est pas évident. 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. 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. La plateforme Desiree intègre les recommandations de bonne pratique par la mise en œuvre d'un raisonnement fondé sur une ontologie. L’Intelligence Artificielle permet d'améliorer l'imagerie médicale, toujours à la recherche de rendus visuels de meilleure qualité. On espère de cette façon pouvoir mieux identifier des facteurs de risques, personnaliser les traitements et en vérifier l’efficacité, prédire les épidémies ou améliorer la pharmacovigilance. Marie-Laure Théodule. 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. 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. 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). Non … Le séminaire de Lyon n'est qu'une première étape. Contrairement à l’approche symbolique, l’approche dite numérique raisonne sur les données. Ce n’est pas comme un phénomène physique dont on connaîtrait le fonctionnement général. 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. Les systèmes actuels, qualifiés d’aide à la décision, de gestion des connaissances ou d’e-santé, sont plus sophistiqués. 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. Les données d’apprentissage sont en particulier biaisées par les préjugés de l’époque et ceux des concepteurs. Ses applications, qui concernent toutes les activités humaines, permettent notamment d’améliorer la qualité des soins. Intelligence artificielle : faut-il en avoir peur ? 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. Sophie Lanone : Influencer le cours des maladies respiratoires, L’intelligence artificielle au bénéfice de l’analyse des grandes cohortes. « 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. Ils bénéficient de meilleurs modèles de raisonnement ainsi que de meilleures techniques de description des connaissances médicales, des patients et des actes médicaux. Comment, dès lors, endosser la responsabilité de la décision médicale ? C’est l’objectif qui motive la participation de l’Union européenne, dans le cadre de son initiative phare Technologies futures et émergentes, au Human brain project. 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. 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. 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. 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. Des équipes du Laboratoire d'informatique médicale et d'ingénierie des connaissances en e-santé (LIMICS, unité Inserm 1142) et de l'Assistance Publique - Hôpitaux de Paris, participent à un projet européen, Desiree, qui s’appuie sur l’approche symbolique pour aider les cliniciens dans le traitement et le suivi des patientes atteintes de cancers du sein.