À la fin du XXe siècle, programmée par des ingénieurs informaticiens, l’IA est née sur la base d’une série d’instructions (règles) créées par les humains, permettant à la technologie de résoudre des problèmes fondamentaux.
LTS : De nombreux secteurs sont touchés par l’afflux de nouvelles technologies à l’ère de l’information. Avec l’impact de l’automatisation, de l’informatique et de l’intelligence artificielle (IA), des entités telles que les médecins, les hôpitaux, les compagnies d’assurance et les industries liées aux soins de santé ne sont pas exclues des règles. Mais dans le domaine de la santé, l’IA a un impact plus positif que dans d’autres secteurs.
Première génération
On peut imaginer que la façon dont la formation en IA est désormais similaire à l'approche des étudiants en médecine, le système d'IA apprend également des centaines d'algorithmes pour convertir les symptômes des patients en diagnostics. Il s’agit de la première génération à intégrer des règles de soins de santé dans les systèmes d’IA.
Les algorithmes de décision sont similaires à la façon dont un arbre grandit, en commençant par le tronc (le problème du patient) et en se ramifiant à partir de là. Par exemple, si un patient se plaint d’une toux sévère, le médecin verra d’abord s’il a de la fièvre. Il y aura 2 séries de questions selon le cas de fièvre/pas de fièvre. De la réponse initiale, cela mènera à d’autres questions sur la maladie. Cela conduit à son tour à de nouvelles divisions. En fin de compte, chaque branche correspond à un diagnostic, qui peut aller de la pneumonie bactérienne, fongique ou virale au cancer, à l'insuffisance cardiaque ou à des dizaines d'autres maladies pulmonaires.
En général, la première génération d’IA peut reconnaître les problèmes mais ne peut pas analyser et classer les dossiers médicaux. En conséquence, les premières formes d’intelligence artificielle ne peuvent pas être aussi précises que les médecins qui combinent la science médicale avec leur intuition et leur expérience. Et en raison de ces limites, l’IA basée sur des règles est rarement utilisée dans la pratique clinique à d’autres moments.
Automatisation complète
Au début du 21e siècle, la deuxième ère de l’IA a commencé avec l’intelligence artificielle étroite (ANI), c’est-à-dire l’intelligence artificielle qui résout des groupes spécifiques de tâches. L’avènement des réseaux neuronaux qui imitent la structure du cerveau humain a ouvert la voie à la technologie du deep learning. ANI fonctionne très différemment de son prédécesseur. Au lieu de fournir des règles prédéterminées par les chercheurs, les systèmes de deuxième génération utilisent d’énormes ensembles de données pour distinguer des modèles qui prendraient beaucoup de temps aux humains.
Dans un exemple, des chercheurs ont introduit des milliers de mammographies dans un système ANI, dont la moitié montrait des cancers malins et l’autre moitié des cancers bénins. Le modèle peut identifier instantanément des dizaines de différences dans la taille, la densité et l'ombrage des images radiographiques, attribuant à chaque différence un facteur d'impact qui reflète la probabilité de malignité. Il est important de noter que ce type d’IA ne s’appuie pas sur des heuristiques (une règle empirique) comme les humains, mais s’appuie plutôt sur des variations subtiles entre les tests malins et normaux que ni le radiologue ni le concepteur du logiciel ne connaissaient.
Contrairement à l'IA basée sur des règles, les outils d'IA de 2e génération surpassent parfois l'intuition des médecins en termes de précision du diagnostic. Cependant, cette forme d’intelligence artificielle présente également de sérieuses limites. Premièrement, chaque application a une tâche spécifique. Autrement dit, un système entraîné à lire des mammographies ne peut pas interpréter les scintigraphies cérébrales ou les radiographies pulmonaires. La plus grande limite de l’ANI est que la qualité du système dépend des données sur lesquelles il a été formé. Un exemple clair de faiblesse est celui où UnitedHealthcare s’est appuyé sur une IA étroite pour identifier ses patients les plus faibles et leur fournir des services médicaux supplémentaires. En examinant les données, les chercheurs ont découvert plus tard que l’IA avait fait une hypothèse désastreuse. Les patients sont diagnostiqués comme étant en bonne santé uniquement parce que leurs dossiers médicaux reçoivent peu de soins médicaux, tandis que les patients qui utilisent beaucoup de services de soins médicaux ont un mauvais état de santé...
Les futures générations d’IA permettront également aux gens de diagnostiquer des maladies et de planifier des traitements comme n’importe quel médecin. Actuellement, l'outil d'IA générative (MED-PALM2 de Google) a réussi l'examen d'autorisation de médecin avec un score de niveau expert. De nombreux autres outils d’IA médicale peuvent désormais rédiger les mêmes diagnostics que les médecins. Cependant, ces modèles nécessitent encore actuellement la supervision d’un médecin et n’ont pas la capacité de remplacer les médecins. Mais au rythme de croissance exponentiel actuel, ces applications devraient devenir au moins 30 fois plus puissantes au cours des cinq prochaines années. Il est prévu que les générations futures d'outils comme ChatGPT mettront l'expertise médicale entre toutes les mains, modifiant fondamentalement la relation entre les médecins et les patients.
VIET LE compilé
