Des générations d’IA se développent rapidement en médecine

Programmée par des ingénieurs informatiques à la fin du XXe siècle, l'IA est née sur la base d'un ensemble d'instructions (règles) créées par des humains, permettant à la 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) ont un impact considérable sur des domaines tels que la médecine, l’hôpital, les compagnies d’assurance et les industries liées aux soins de santé. Mais dans le domaine de la santé en particulier, l’IA a un impact plus positif que dans d’autres secteurs.

Première génération

On peut comparer la méthode d'entraînement de l'IA à celle des étudiants en médecine : les systèmes d'IA apprennent également des centaines d'algorithmes pour traduire les symptômes des patients en diagnostics. Il s'agit de la première génération de règles de santé intégrées aux systèmes d'IA.

Les applications d'IA générative aident les médecins à mettre à jour les informations en temps réel.

Les algorithmes de décision se développent comme un arbre, partant du tronc (le problème du patient) et se ramifiant à partir de là. Par exemple, si un patient se plaint d'une forte toux, le médecin lui demandera d'abord s'il a de la fièvre. Deux séries de questions seront posées : fièvre ou absence de fièvre. Les réponses initiales susciteront d'autres questions sur l'état du patient, ce qui engendrera de nouvelles ramifications. Finalement, chaque ramification correspond à un diagnostic, qui peut aller d'une pneumonie bactérienne, fongique ou virale à un cancer, une insuffisance cardiaque ou des dizaines d'autres maladies pulmonaires.

En général, la première génération d'IA pouvait identifier les problèmes, mais était incapable d'analyser et de classer les dossiers médicaux. De ce fait, les premières formes d'intelligence artificielle ne pouvaient égaler la précision des médecins, qui alliaient 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), une intelligence artificielle capable de résoudre des ensembles 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 deuxième génération utilisent d'immenses ensembles de données pour discerner des schémas, une tâche qui prendrait beaucoup plus de temps à l'humain.

Dans un exemple, des chercheurs ont fourni à un système d'intelligence artificielle (IA) des milliers de mammographies, dont la moitié révélaient des cancers malins et l'autre moitié des cancers bénins. Le modèle a pu identifier instantanément des dizaines de différences de taille, de densité et de coloration sur les mammographies, en attribuant à chaque différence un coefficient de pondération reflétant la probabilité de malignité. Point crucial, ce type d'IA ne s'appuie pas sur des heuristiques (règles empiriques) comme le font les humains, mais plutôt sur des variations subtiles entre les examens normaux et malins, variations que ni les radiologues ni les concepteurs du logiciel ne connaissent.

Contrairement à l'IA basée sur des règles, les outils d'IA de deuxième génération surpassent parfois l'intuition humaine en matière de précision diagnostique. Cependant, cette forme d'intelligence artificielle présente également de sérieuses limitations. Premièrement, chaque application est spécifique à une tâche. Ainsi, un système entraîné à interpréter des mammographies ne peut pas interpréter des scanners cérébraux ou des radiographies pulmonaires. La principale limitation de l'IA est que la qualité du système dépend entièrement 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 gravement malades et leur proposer des services médicaux supplémentaires. Après avoir filtré les données, les chercheurs ont découvert que l'IA avait fait une erreur d'interprétation désastreuse. Des patients étaient considérés comme en bonne santé simplement parce que leurs dossiers médicaux indiquaient qu'ils avaient reçu peu de soins, tandis que des patients ayant eu recours à de nombreux services médicaux étaient classés comme malades.

Les futures générations d'IA permettront également de diagnostiquer des maladies et de planifier des traitements, à l'instar des médecins. Actuellement, un outil d'IA générative (MED-PALM2 de Google) a réussi l'examen d'agrément médical avec une note 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 peuvent pas le remplacer. Mais compte tenu du taux de croissance exponentiel actuel, ces applications devraient devenir au moins 30 fois plus performantes dans les 5 prochaines années. Les futures générations d'outils comme ChatGPT devraient mettre l'expertise médicale à la portée de tous, transformant en profondeur la relation médecin-patient.

Compilé par VIET LE

Source