Interview avec Imed Hanana, Conférencier en transformation digitale et I.A, Ex Président de l’Association Tunisienne pour l’I.A
- L’Intelligence artificielle pour l’aide à la décision :
Le but est de fournir aux cliniciens en temps et lieux utiles les informations décrivant la situation clinique d’un patient ainsi que les connaissances appropriées à cette situation, correctement filtrées et présentées afin d’améliorer la qualité des soins et la santé des patients.
Un cas d’usage : « En neurochirurgie et dans beaucoup d’autres domaines de la chirurgie des cancers, la détection et le diagnostic des tumeurs pendant l’opération sont essentiels pour effectuer le geste chirurgical le plus approprié », souligne un neurochirurgien.
Exemple : Une équipe de chercheurs américains ont développé une application IA qui permet une analyse « presque en temps réel » d’une tumeur au cerveau lors de l’opération d’un patient et qui est capable de dire en moins de 2 minutes 30 si les cellules prélevées sont cancéreuses ou non, contre 20 à 30 minutes en moyenne pour une analyse classique.
Pour leurs travaux, ces chercheurs ont entrainé leur algorithme par l’analyse de plus de 2,5 millions d’images de biopsies. Les résultats de cette IA sont stupéfiants. Au cours d’un essai clinique incluant 278 patients atteints d’une tumeur au cerveau, l’intelligence artificielle a établi un diagnostic correct dans 94,6 % des cas, contre 93,9 % pour l’analyse humaine.
- L’Intelligence artificielle pour accélérer et améliorer le diagnostic de la pathologie :
Pour gagner du temps et optimiser la prise en charge d’un patient, le diagnostic de la pathologie est un élément crucial. En effet, une maladie ne saurait correctement traitée si cette dernière n’est pas correctement identifiée. Grâce à l’intelligence artificielle, on peut lire et corréler un grand volume de données cliniques d’un patient permettant d’accélérer le diagnostic de la pathologie.
Un cas d’usage :
Il y a 25 ans, un examen d’imagerie cérébrale générait 10 images. Un radiologue les examine une à une. Aujourd’hui, un tel examen génère jusqu’à 300 images. Grâce à l’intelligence artificielle et du machine learning, Il peut regarder 30 000 à 40 000 images dans une journée, chaque image comportant des informations très complexes et, souvent, une information vitale pour un patient.
Exemple :
Le grand géant du numérique IBM a lancé IBM Watson Health, un projet dans le domaine de la santé basé sur l’intelligence artificielle, respectivement Google avec son projet Google Deepmind Health. Amazon a lui aussi lancé fin 2018 Amazon Comprehend Medical, nouveau service dédié aux professionnels de santé qui utilise le machine learning pour analyser les dossiers médicaux des patients et ainsi leur faire gagner du temps dans le diagnostic de la pathologie et dans la prise de décision.
Figure 3 : L’IA constitue une réponse au problème de la désertification médicale.
Selon un sondage d’OpinionWay[1] portant sur la prévention augmentée, 67% des Français déclarent que l’IA constitue une réponse au problème de la multiplication des déserts médicaux.
L’Intelligence artificielle au service de la médecine de précision :
Les milieux cliniques génèrent aujourd’hui de grand volume de données (appelé BigData)que les professionnels de la santé ne sont pas en mesure d’analyser et d’exploiter de façon automatqiue. L’intelligence artificielle utilisée pour la médecine de précision dans ces milieux permet l’analyse de ce grand volume de données cliniques et biologiques/physiologiques afin de mieux comprendre les maladies, d’améliorer les diagnostics et les traitements et même de guider les laboratoires pharmaceutiques dans le développement de nouveaux médicaments. En d’autres termes, elle aide le médecin à prendre des décisions en toute confiance.
Figure 4 : la médecine de précision rend la prévention et la thérapie plus efficaces ou mieux adaptées à chaque personne en tenant compte des différences individuelles.
Un cas d’usage :La médecine de précision est devenue incontournable en cancérologie. Au lieu de prescrire le même traitement à tous les patients atteints de la même pathologie, la médecine de précision (ou personnalisée) repose sur la prescription du traitement le plus adapté à chaque patient. Des biomarqueurs pharmacogénomiques permettent notamment de cibler le traitement optimal pour chacun.
Exemple : A titre d’exemple, l’utilisation d’un dispositif d’intelligence artificielle appelé IDx-DR pour le diagnostic d’une rétinopathie diabétique. Ce dispositif, capable de détecter une complication du diabète du fond de l’œil et d’établir un diagnostic sans l’intervention d’un médecin, a eu l’autorisation de mise sur le marché en avril 2018 par l’agence de santé américaine « FDA » (Food & Drog Administration). Pour délivrer l’autorisation de mise sur le marché, la FDA s’est basée sur une étude clinique portant les images rétiniennes de 900 patients diabétiques. Dans près de 90% des cas, le IDx-DR a réalisé le bon diagnostic, que le patient soit ou non atteint d’une rétinopathie diabétique.
[1] OpinionWay : est un institut Français pionnier en innovation qui mène des études marketing-communication, et des sondages d’opinion en France.
No votes yet.
Please wait…
