PUBLICITÉ

Systèmes d'intelligence artificielle : permettre un diagnostic médical rapide et efficace ?

INGÉNIERIE ET ​​TECHNOLOGIESystèmes d'intelligence artificielle : permettre un diagnostic médical rapide et efficace ?

Des études récentes ont montré la capacité des systèmes d'intelligence artificielle à diagnostiquer médicalement des maladies importantes

Systèmes d'intelligence artificielle (IA) existent depuis un certain temps et deviennent de plus en plus intelligents avec le temps. L'IA a des applications dans une multitude de domaines et fait maintenant partie intégrante de la plupart des domaines. L'IA peut être une composante essentielle et utile de médical la science et la recherche car elle a un immense potentiel d'impact sur l'industrie de la santé.

L'intelligence artificielle dans le diagnostic médical ?

Le temps est la ressource la plus précieuse dans les soins de santé et un diagnostic approprié précoce est très important pour le résultat final d'une maladie. Les soins de santé sont souvent un processus long et consommateur de temps et de ressources, retardant un diagnostic efficace et à son tour retardant le traitement approprié. L'IA peut aider à combler l'écart entre la disponibilité et la gestion du temps par les médecins en intégrant rapidité et précision dans le diagnostic des patients. Cela pourrait aider à surmonter les limitations de ressources et de professionnels de la santé, en particulier dans les pays à revenu faible et intermédiaire. L'IA est un processus d'apprentissage et de réflexion tout comme les humains à travers un concept appelé apprentissage en profondeur. L'apprentissage en profondeur utilise de larges ensembles d'échantillons de données pour créer des arbres de décision par lui-même. Avec cet apprentissage en profondeur, un système d'IA peut en fait penser comme les humains, sinon mieux, et donc l'IA pourrait être considérée comme apte à effectuer des tâches médicales. Lors du diagnostic des patients, les systèmes d'IA continuent à rechercher des modèles parmi les patients atteints des mêmes maladies. Au fil du temps, ces modèles peuvent constituer une base pour prédire les maladies avant qu'elles ne se manifestent.

Dans une étude récente1 publié dans Cellule, les chercheurs ont utilisé artificiel des techniques d'intelligence et d'apprentissage automatique pour développer un nouvel outil informatique permettant de dépister les patients atteints de maladies rétiniennes courantes mais cécitantes, ce qui accélère potentiellement les diagnostics et le traitement. Les chercheurs ont utilisé un réseau neuronal basé sur l'IA pour examiner plus de 200,000 2 scans oculaires effectués avec une technologie non invasive qui fait rebondir la lumière sur la rétine pour créer des représentations 3D et XNUMXD des tissus. Ils ont ensuite utilisé une technique appelée « apprentissage par transfert » dans laquelle les connaissances acquises en résolvant un problème sont stockées par un ordinateur et appliquées à des problèmes différents mais connexes. Par exemple, un réseau neuronal d'IA optimisé pour reconnaître les structures anatomiques discrètes de l'œil, telles que la rétine, la cornée ou le nerf optique, peut les identifier et les évaluer plus rapidement et plus efficacement lorsqu'il examine des images d'un œil entier. Ce processus permet au système d'IA d'apprendre progressivement avec un ensemble de données beaucoup plus petit que les méthodes traditionnelles qui nécessitent de grands ensembles de données, ce qui les rend coûteux et chronophages.

L'étude s'est concentrée sur deux causes courantes d'irréversibilité cécité qui sont traitables lorsqu'ils sont détectés tôt. Les diagnostics dérivés de la machine ont été comparés aux diagnostics de cinq ophtalmologistes qui ont examiné les mêmes scans. En plus de poser un diagnostic médical, la plate-forme d'IA a également généré une recommandation de référence et de traitement, ce qui n'a été fait dans aucune étude précédente. Ce système d'IA formé a agi comme un ophtalmologiste bien formé et pourrait générer une décision en 30 secondes pour savoir si le patient doit ou non être référé pour un traitement, avec une précision de plus de 95 %. Ils ont également testé l'outil d'IA pour diagnostiquer la pneumonie infantile, l'une des principales causes de décès dans le monde chez les enfants (moins de 5 ans) sur la base d'analyses par machine de radiographies pulmonaires. Fait intéressant, le programme informatique a été capable de différencier les pneumonies virales et bactériennes avec une précision de plus de 90 %. Ceci est crucial car bien que la pneumonie virale soit naturellement éliminée par le corps après son évolution, la pneumonie bactérienne, en revanche, a tendance à être une menace plus grave pour la santé et nécessite un traitement immédiat avec des antibiotiques.

Dans un autre grand saut2 dans les systèmes d'intelligence artificielle pour le diagnostic médical, les scientifiques ont découvert que les photographies prises de la rétine d'un individu peuvent être analysées par des algorithmes ou des logiciels d'apprentissage automatique pour prédire le risque cardiaque cardiovasculaire en identifiant les signaux indiquant une maladie cardiaque. Il a été démontré que l'état des vaisseaux sanguins dans l'œil capturé sur les photographies permet de prédire avec précision l'âge, le sexe, l'origine ethnique, la pression artérielle, les crises cardiaques et les habitudes tabagiques antérieures, et tous ces facteurs prédisent collectivement les maladies cardiaques chez un individu.

L'œil comme bloc d'information

L'idée de regarder les photographies de l'œil pour diagnostiquer la santé existe depuis un certain temps. Il est bien établi que la paroi intérieure arrière des yeux humains contient de nombreux vaisseaux sanguins qui reflètent la santé globale du corps. En étudiant et en analysant l'apparence de ces vaisseaux sanguins avec une caméra et un microscope, de nombreuses informations sur la tension artérielle, l'âge, le fumeur ou le non-fumeur, etc. d'un individu peuvent être prédites et ce sont tous des indicateurs importants de la santé du cœur d'un individu. . Les maladies cardiovasculaires (MCV) sont la première cause de décès dans le monde et plus de personnes meurent des MCV par rapport à toute autre maladie ou affection. Ceci est plus répandu dans les pays à revenu faible et intermédiaire et représente un énorme fardeau pour l'économie et l'humanité. Le risque cardiovasculaire dépend d'une multitude de facteurs tels que les gènes, l'âge, l'origine ethnique, le sexe, en combinaison avec l'exercice et l'alimentation. La plupart des maladies cardiovasculaires peuvent être prévenues en s'attaquant aux risques comportementaux tels que la consommation de tabac, l'obésité, la sédentarité et une alimentation malsaine en apportant des changements importants au mode de vie pour faire face aux risques possibles.

Diagnostic de santé à l'aide d'images rétiniennes

Cette étude menée par des chercheurs de Google et de sa propre société de technologie de la santé Verily Life Sciences, a montré qu'un algorithme d'intelligence artificielle a été utilisé sur un vaste ensemble de données de photographies rétiniennes d'environ 280,000 12000 patients et que cet algorithme a pu prédire avec succès les facteurs de risque cardiaque dans deux complètement des ensembles de données indépendants d'environ 1000 70 et 71 XNUMX patients avec une précision raisonnablement bonne. L'algorithme a utilisé une photographie entière de la rétine pour quantifier l'association entre l'image et le risque de crise cardiaque. Cet algorithme pouvait prédire un événement cardiovasculaire XNUMX pour cent du temps chez un patient et en fait un fumeur et un non-fumeur étaient également distinguables dans ce test XNUMX pour cent du temps. L'algorithme pourrait également prédire l'hypertension artérielle indiquant une maladie cardiaque et prédire la pression artérielle systolique - la pression dans les vaisseaux lorsque le cœur bat - dans une plage de la plupart des patients avec ou sans hypertension artérielle. L'exactitude de cette prédiction, selon les auteurs, est très similaire à un contrôle cardiovasculaire en laboratoire, où le sang est prélevé sur le patient pour mesurer les taux de cholestérol en parallèle avec les antécédents du patient. L'algorithme de cette étude, publiée dans Nature Biomedical Engineering, pourraient aussi, selon toute vraisemblance, prédire la survenue d'un événement cardiovasculaire majeur, par exemple une crise cardiaque.

Un aspect extrêmement intéressant et crucial de ces études était que l'ordinateur peut dire où il regarde dans une image pour arriver à un diagnostic, ce qui nous permet de comprendre le processus de prédiction. Par exemple, l'étude de Google a montré exactement « quelles parties de la rétine » contribuaient à l'algorithme de prédiction, en d'autres termes comment l'algorithme faisait la prédiction. Cette compréhension est importante non seulement pour comprendre la méthode d'apprentissage automatique dans ce cas particulier, mais aussi pour générer la confiance et la foi dans toute cette méthodologie en la rendant transparente.

Défis

De telles images médicales présentent des défis, car l'observation puis la quantification d'associations basées sur de telles images ne sont pas simples, principalement en raison de plusieurs caractéristiques, couleurs, valeurs, formes, etc. dans ces images. Cette étude utilise l'apprentissage en profondeur pour établir les connexions, les associations et les relations entre les changements dans l'anatomie humaine (morphologie interne du corps) et la maladie de la même manière qu'un professionnel de la santé le ferait lorsqu'il corrèle les symptômes d'un patient avec une maladie. . Ces algorithmes nécessitent plus de tests avant de pouvoir être utilisés dans un cadre clinique.

Malgré les discussions et les défis, l'IA a un énorme potentiel pour révolutionner le diagnostic et la gestion des maladies en effectuant des analyses et des classifications impliquant d'immenses quantités de données qui sont difficiles pour les experts humains. Il fournit des outils de diagnostic alternatifs rapides, économiques et non invasifs basés sur l'image. Les facteurs importants de succès des systèmes d'IA seraient une puissance de calcul plus élevée et une plus grande expérience des personnes. Dans un avenir probable, de nouvelles connaissances médicales et de nouveaux diagnostics pourraient être réalisables avec l'IA sans direction ni surveillance humaines.

***

{Vous pouvez lire le document de recherche original en cliquant sur le lien DOI ci-dessous dans la liste des sources citées}

Sources)

1. Kermany DS et al. 2018. Identification des diagnostics médicaux et des maladies traitables par l'apprentissage en profondeur basé sur l'image. Cellule. 172(5). https://doi.org/10.1016/j.cell.2018.02.010

2. Popeline R et al. 2018. Prédiction des facteurs de risque cardiovasculaire à partir de photographies du fond de la rétine via l'apprentissage en profondeur. Nature Génie Biomédical. 2. https://doi.org/10.1038/s41551-018-0195-0

Équipe SCIEU
Équipe SCIEUhttps://www.ScientificEuropean.co.uk
Scientifique Européen® | SCIEU.com | Avancées significatives de la science. Impact sur l'humanité. Esprits inspirants.

Abonnez-vous à notre newsletter

Pour être mis à jour avec toutes les dernières nouvelles, offres et annonces spéciales.

- Publicité -

Articles les plus populaires

« La séquence de succès » est réelle

L'analyse statistique a montré que la "série chaude" ou une...

COVID-19 : que signifie la confirmation de la transmission aéroportée du virus SARS-CoV-2 ?

Il existe des preuves accablantes pour confirmer que le dominant...
- Publicité -