Blog HPE, France
Jerome

L’intelligence artificielle au chevet de la santé du 21 ème siècle

De tout temps la médecine s’est approprié les nouvelles technologies pour améliorer les diagnostics et les traitements. Résultat nous vivons mieux et plus longtemps. Revers de la médaille avec l’allongement de la vie et les conditions de la vie moderne les maladies sont plus nombreuses. On estime à 21.7 millions le nombre de cancers diagnostiqués en 2030 causant 13 millions de morts au niveau mondial. Une situation difficilement acceptable mais qui pourrait changer avec l’aide de l’intelligence artificielle. Les récents progrès dans ce domaine vont progressivement faire basculer la médecine curative actuelle vers une médecine préventive.

Healthcare ML.png

Un diagnostic plus rapide et plus précis

L’imagerie médicale est au centre du diagnostic et du suivi thérapeutique (radiographie, ostéodensitométrie, échographie, doppler, mammographie, angiographie, scanner, IRM). Avec les équipements modernes l’imagerie médicale opère en 2D, 3D et 4D. On ne se contente plus d’une image scannée fixe, avec l’imagerie en 4D on suit la vie d’un organe en temps réel comme le battement d’un cœur. En devenant numérique la médecine produit des quantités de données qu’il devient difficile de traiter sans l’aide d’une intelligence artificielle. En France il n’y a qu’une dizaine de radiologues pour 100.000 habitants alors que chaque examen génère des centaines, voire un millier d’images. Face à cette charge de travail le médecin devra collaborer avec l’intelligence artificielle pour analyser les images et identifier des informations qui pour certaines n’auraient pas pu être décelées à l’œil nu. Depuis 2012 les techniques de Machine Learning et de Deep Learning ne cessent de s’améliorer augmentant d’autant la précision des diagnostics.

  • En Chine une IA nommée BioMind diagnostique des troubles neurologiques après s’être entrainée sur des dizaines de milliers d’images archivées par l’hôpital de Tiantan pendant 10 ans. En 2108 confrontée à une équipe de 15 médecins BioMind a obtenu un taux de succès de 87% contre 66% pour les médecins.
  • En début d’année 2019 le service des urgences du CHU de Dijon s’est doté d’un scanner intégrant de l'intelligence artificielle. Quatre jours durant l’algorithme s’est entrainé en usine en analysant plus de 100.000 examens existants. Le diagnostic des médecins s’en trouve amélioré grâce à des images 50% plus nettes qu’auparavant.
  • Aux Etats Unis la Food and drug administration (FDA) a autorisé la mise sur le marché d’un algorithme d’intelligence artificielle qui permet de dépister la rétinopathie diabétique responsable de déficience visuelle. L’algorithme analyse les images de l’œil scanné par une caméra rétinienne. Les résultats peuvent ensuite être étudiés par un médecin généraliste.Healthcare DL.png

Une recherche pharmaceutique plus rapide

La recherche de nouveaux traitements demeure longue et couteuse. Cela prend en moyenne 12 à 15 ans pour produire de nouveaux médicaments pour un coût qui peut atteindre 2 milliards d’euros. Avant qu’un médicament ne soit commercialisé plusieurs milliers de molécules sont testées dont seulement une dizaine feront l’objet d’essais cliniques sur l’homme. Malgré ce long processus l’efficacité du traitement reste dépendante de chaque patient et de son historique médical. Cet état de fait pourrait bien changer si on était en mesure d’exploiter toutes les informations qui sont disponibles aujourd’hui grâce à la biologie cellulaire. C’est elle qui permet de séquencer le génome humain en quelques jours. Elle nous fournit une masse considérable de données qui pourrait révolutionner la production des médicaments si on était à même de les traiter efficacement. L’industrie pharmaceutique a pris du retard dans l’utilisation de l’IA mais devrait le combler sous la pression, ou avec l’aide, de startups spécialisées dans la recherche médicamenteuse utilisant l’IA. La société pharmaceutique Pfizer a par exemple conclu un accord en septembre 2018 avec Atomwise. Cette startup utilisera sa plateforme d’IA pour analyser des millions de petites molécules pour chacune des protéines identifiées par Pfizer.

 

Des traitements adaptés à chaque patient.

A chaque patient son traitement. C’est sans doute l’avenir de la médecine. L’IA ouvre la voie.

  • Soigner une maladie complexe nécessite souvent de prescrire plusieurs médicaments qui peuvent interagir entre eux et causer des effets secondaires. Inimaginable pour autant de tester toutes les combinaisons possibles mais le recours au deep learning permet d’en prédire les effets comme l’ont démontré trois chercheurs de Stanford en créant l’IA Decagon.
  • Dans le cas de pathologies comme le cancer on se tourne souvent vers l’immunothérapie pour éduquer le système immunitaire et le rendre plus efficace. Une tâche délicate qui se complique avec la variété des cancers mais qui pourra dorénavant être réalisée par un algorithme d’IA développé par des médecins de l’hôpital Gustave Roussy. Cet algorithme est à même de prédire l’efficacité d’un traitement par immunothérapie pour chaque type de cancer.
  • L’analyse d’images donne des indications précises sur les effets d’un médicament sur les cellules. Malheureusement aujourd’hui cela peut prendre des mois. Pour contourner le problème des chercheurs de l’université de Toronto utilisent un algorithme de deep learning qui trace les protéines pour identifier l’effet sur les cellules.

Comme dans de nombreux secteurs d’activité, l’Intelligence Artificielle va être omniprésente dans un monde médical qui a déjà largement recours à des technologies de pointe. Elle jouera un rôle clé pour être en mesure d’exploiter la quantité de données crées chaque jour dans le domaine médical et nous aider à vivre plus longtemps et en meilleure santé.

IA Business Development and NVIDIA Alliance manager
0 Compliments
À propos de l'auteur

Jerome

Artificial Intelligence, Deep Learning, Machine Learning, VDI, computing, datacenter