La prochaine génération d'IA se développe rapidement en médecine.

À la fin du XXe siècle, l'IA a émergé, programmée par des ingénieurs informatiques sur la base d'une série d'instructions (règles) créées par l'homme, permettant à cette technologie de résoudre des problèmes fondamentaux.

Note de la rédaction : De nombreux secteurs sont touchés par les nouvelles technologies à l’ère de l’information. L’automatisation, l’informatique et l’intelligence artificielle (IA) n’échappent pas à cette tendance, notamment pour les médecins, les hôpitaux, les compagnies d’assurance et les acteurs du secteur de la santé. Toutefois, dans le domaine de la santé en particulier, l’IA a eu un impact plus positif que dans d’autres secteurs.

Première génération

On peut imaginer que la formation des IA à ce stade est similaire à celle des étudiants en médecine : les systèmes d’IA apprennent des centaines d’algorithmes à traduire les symptômes des patients en diagnostics. Il s’agit de la première génération intégrant les principes de la santé dans les systèmes d’IA.

Les applications basées sur l'intelligence artificielle permettent aux médecins de recevoir des mises à jour en temps réel sur les informations médicales.

Les algorithmes de décision fonctionnent comme un arbre qui se développe à partir du tronc (le problème du patient) et se ramifie. Par exemple, si un patient se plaint d'une toux sévère, le médecin commencera par vérifier s'il a de la fièvre. Deux séries de questions lui seront posées selon la présence ou l'absence de fièvre. La réponse initiale suscitera d'autres questions sur l'état du patient, ce qui engendrera de nouvelles ramifications. Finalement, chaque ramification aboutit à un diagnostic, allant d'une pneumonie bactérienne, fongique ou virale à un cancer, une insuffisance cardiaque ou encore de nombreuses autres maladies pulmonaires.

Globalement, la première génération d'IA pouvait identifier les problèmes, mais ne pouvait pas encore analyser ni classer les dossiers médicaux. De ce fait, cette forme primitive d'intelligence artificielle ne pouvait égaler la précision des médecins, qui allient sciences médicales, intuition et expérience. C'est pourquoi l'IA basée sur des règles a été rarement utilisée en pratique clinique.

Automatisation complète

Au début du XXIe siècle, la seconde ère de l'IA a débuté avec l'Intelligence Artificielle Spécialisée (IAS), ou intelligence artificielle dédiée à la résolution de tâches spécifiques. L'avènement des réseaux neuronaux, qui imitent la structure du cerveau humain, a ouvert la voie à l'apprentissage profond. L'IAS fonctionne de manière très différente de ses prédécesseurs. Au lieu de fournir des règles prédéfinies par les chercheurs, les systèmes de seconde génération utilisent d'immenses ensembles de données pour distinguer des schémas qu'il faudrait beaucoup de temps à l'humain pour identifier.

Dans un exemple, des chercheurs ont analysé des milliers de mammographies dans un système d'intelligence artificielle (IA), dont la moitié révélait un cancer malin et l'autre moitié un cancer bénin. Le modèle a pu identifier instantanément des dizaines de différences de taille, de densité et de nuance sur les images radiographiques, attribuant à chaque différence un facteur d'impact reflétant la probabilité de malignité. Point important, ce type d'IA ne se base pas sur des suppositions (ou des règles empiriques) comme le font les humains, mais plutôt sur des variations subtiles entre les résultats malins et normaux, variations dont ni le radiologue ni le concepteur du logiciel n'ont conscience.

Contrairement à l'IA basée sur des règles, les outils d'IA de deuxième génération surpassent parfois l'intuition médicale en matière de précision diagnostique. Cependant, cette forme d'intelligence artificielle présente également de sérieuses limites. Premièrement, chaque application a une tâche spécifique. Ainsi, un système entraîné à interpréter des mammographies ne peut pas interpréter des scanners cérébraux ou des radiographies pulmonaires. La principale limite de l'IA est que le système ne fonctionne correctement que lorsqu'il dispose des données sur lesquelles il a été entraîné. Un exemple flagrant de cette faiblesse est celui d'UnitedHealthcare, qui s'est appuyé sur une IA spécialisée pour identifier les patients les plus fragiles et leur fournir des soins médicaux supplémentaires. En filtrant les données, les chercheurs ont découvert par la suite que l'IA avait formulé une hypothèse préjudiciable. Des patients étaient considérés comme en bonne santé simplement parce que leurs dossiers médicaux indiquaient qu'ils avaient reçu peu de soins, tandis que l'état de santé de patients ayant reçu davantage de soins était sous-estimé.

La prochaine génération d'IA permettra également de diagnostiquer des maladies et de planifier des traitements, à l'instar des médecins. Actuellement, l'outil d'IA de Google (MED-PALM2) a réussi l'examen d'agrément médical avec un score d'expert. De nombreux autres outils d'IA médicale peuvent désormais établir des diagnostics similaires à ceux des médecins. Cependant, ces modèles nécessitent encore la supervision d'un médecin et ne sont pas encore en mesure de le remplacer. Mais compte tenu du taux de croissance exponentiel actuel, ces applications devraient devenir au moins 30 fois plus performantes dans les cinq prochaines années. On prévoit que les futures générations d'outils comme ChatGPT mettront l'expertise médicale à la portée de tous, transformant en profondeur la relation médecin-patient.

Première génération

Automatisation complète

Comment (0)