Par exemple un système conçu pour alerter sur de possibles contre-indications médicamenteuses ne doit pas saturer le praticien d’alertes "justes", mais non adaptées au contexte clinique du patient. L’idée est de créer, grâce au TAL, des résumés automatiques des articles qui soient réellement intéressants pour les médecins (résultats à retenir, niveau de preuve de l’article, méthodes utilisées…). Qui est le propriétaire des données de ma santé ? Comment, dès lors, endosser la responsabilité de la décision médicale ? Seule une bonne compréhension des solutions proposées par l’application peut en effet permettre au médecin de discuter avec son patient et de lui exposer les alternatives possibles. Néanmoins on doit s’assurer que ces données sont utilisées à bon escient et dans le respect des lois, en particulier du règlement général sur les données personnelles (RGPD) entrée en vigueur en mai 2018 et de la loi pour une république numérique de 2016. Non … L’ambition de créer des machines capables de mimer l’intelligence humaine est née dans les années 1950. Ils sont même 80% à penser que … Intelligence Artificielle en Imagerie Médicale – Enjeux et Adoption. Il doit être en mesure de comprendre le pourquoi et le comment des décisions affichées, et de les contourner si besoin. Elle permet aujourd’hui d’améliorer la précision des gestes ou d’opérer à distance. Pour qu’une application soit utilisée par le médecin dans sa pratique quotidienne, il ne suffit pas qu’elle rende le service qu’on lui demande, il faut également que le système soit commode ! L’IA est en plein essor et de nombreuses voies de recherche sont explorées pour améliorer les performances techniques de ces systèmes, mais aussi leur adéquation aux pratiques médicales visées. Contrairement à l’approche symbolique, l’approche dite numérique raisonne sur les données. Il s’agit alors de mettre en œuvre des logiciels de traitement automatique des langues pour analyser ces textes et en extraire des informations sur le patient (fouille de données). Il s'agit de détecter, segmenter et reconnaître des structures anatomiques normales et pathologiques, et d'en proposer des visualisations 3D. Les médecins consacrent de plus en plus de temps à la documentation médicale. L'imagerie médicale à l'heure de l'intelligence artificielle. Si certains projets demandent du temps pour être opérationnels d’autres ont déjà permis aux biologistes et autres médecins d’y voir un peu plus clair dans ce flux continu d’information et de réaction difficile à suivre. Et pour commencer sur une … Certains voient dans les applications médicales de l’IA la possibilité de remplacer le médecin, que ce soit pour pallier les déserts médicaux ou bien pour filtrer les patients et les orienter. Corriger ces erreurs passe par le croisement des données avec d’autres sources, comme celles correspondant aux médicaments administrés. Pour des systèmes d’aide à la décision fondés sur des algorithmes d’apprentissage, le respect de cette conformité n’est pas évident. Elle vise à augmenter l’autonomie des machines en les dotant de capacités perceptuelles, décisionnelles et d’action. La question se pose avec acuité devant les progrès constants de l’imagerie médicale, capable de dénicher une aiguille dans une botte de foin, et avec l’arrivée d’algorithmes d’in telligence artificielle (IA) d’une productivité stupéfiante. La robotique est un sous-domaine spécifique de l’IA. En attendant elle contribuera à mieux comprendre le fonctionnement de cet organe et à mieux appréhender les causes de certaines maladies d’origine cérébrale comme Alzheimer, Parkinson ou la maladie de Charcot. Si l’intelligence artificielle ne peut pas encore remplacer les médecins, elle les aide aujourd'hui, à l’image des professionnels de l’imagerie médicale qui sont 82% à affirmer que l’IA peut améliorer la pertinence de leurs décisions cliniques. Les algorithmes d’apprentissage non supervisé (sans apprentissage préalable sur des échantillons) suscitent des espoirs dans ce domaine : ils permettent en effet de recouper rapidement un très grand nombre de données afin d’établir des structures cachées et de déterminer des catégories d’intérêt pour la tâche visée. Les auteurs appellent maintenant les réseaux sociaux à se saisir de leur recherche pour prédire les épidémies et améliorer le système global de détection. Pour progresser dans cette voie les chercheurs essaient de comprendre le comportement des neurones et de leurs connexions, afin d’être en mesure de mimer le cerveau. min, Dossier réalisé en collaboration avec Jean Charlet, AP-HP et Laboratoire d'informatique médicale et ingénierie des connaissances pour la e-santé (LIMICS, unité 1142 Inserm/Sorbonne Université/Université Paris 13), Paris. Les systèmes conçus sur ce principe appliquent différentes méthodes, fondées sur l’élaboration de modèles d’interaction entre automates ou logiciels autonomes (systèmes multi-agents), de modèles syntaxiques et linguistiques (traitement automatique des langues) ou d’élaboration d’ontologies (représentation des connaissances). Depuis quelques années, des projets plus ciblés dans leurs objectifs se concrétisent. La force de cette approche est que l’algorithme apprend la tâche qui lui a été assignée par "essais et erreurs", avant de se débrouiller tout seul. La France dispose en particulier d’une des plus grandes bases en santé du monde : son système national de données médico-administratives, le SNIIRAM (pour Système national d’information interrégimes de l’Assurance Maladie). En revanche, fait plus étonnant, l’imagerie médicale est présente dans ce tableau. Non … Dans les années 1980, cette approche, dite symbolique, a permis le développement d’outils capables de reproduire les mécanismes cognitifs d'un expert. Le plateau d’imagerie médicale de l’Hôpital du Creusot se modernise et s’est équipé depuis le 1er octobre 2020, d’un dispositif d’Intelligence Artificielle en imagerie ostéo-articulaire. Pour être acceptables ou légitimes, voire pour être écartées car jugées non pertinentes, les décisions de l’algorithme doivent pouvoir être comprises, donc expliquées. https://www.inserm.fr/.../dossiers-information/intelligence-artificielle-et-sante Ces systèmes, de complexité très variable, ont en commun d’être limités dans leurs capacités d’adaptation : ils doivent être manuellement adaptés pour accomplir d’autres tâches que celles pour lesquelles ils ont été initialement conçus. L’enrichissement continu de la base de cas permet de faire évoluer les propositions du système pour l'aide à la prise en charge thérapeutique des patientes. On est encore très loin du compte. La première caractérise l’IA comme la possibilité d’automatiser un certain nombre de processus : La seconde définition est liée quant à elle à la notion de machine learning: Illustrons ce basculement : dans les années 1990, IBM crée Deep Blue, qui bat aux échecs le champion Kasparov, assez sévèrement. Une assistante qui change de literie ou installe une infusion pourrait bientôt devenir un souvenir. Pour éviter cet écueil, le médecin, seul habilité à porter un diagnostic, doit pouvoir garder son autonomie face à la machine. Cette base stocke toutes les prescriptions de médicaments, la description des maladies et les actes hospitaliers. Elle soulève de nombreux problèmes éthiques, portant notamment sur la protection de la vie privée et des données personnelles, mais aussi sur les conséquences d’un brouillage de la frontière humain-robot. L’intelligence artificielle est partout, mais elle trouve plus particulièrement des applications intéressantes dans le domaine de la santé. Une équipe de recherche du département des anciens combattants américains, une équipe de l’Hopital Necker a réussi à démontrer, « L’ère de la charge des batteries à courant constant est révolue », clame le chercheur Rachid Yazami, Baisser le seuil de détection des tests RT-PCR du Covid-19 pour mieux dépister les individus contagieux, Contagiosité, vaccination et détection, le variant anglais du Covid-19 en trois questions clés, Opération transparence : le détail des essais cliniques des vaccins de Pfizer-BioNTech et AstraZeneca publiés, Covid-19 : Trois résultats scientifiques clés pour repenser la doctrine de dépistage par RT-PCR. Cette méthode, née avec le connexionnisme et les réseaux de neurones artificiels dans les années 1980, se développe aujourd’hui grâce à l’augmentation de puissance des ordinateurs et à l’accumulation des gigantesques quantités de données, le fameux big data. Pour chacune de ces images on lui indique si elle présente ou non des signes pathologiques. Une équipe de recherche du département des anciens combattants américains a mis au point une technique pour compléter les informations manquantes en analysant les textes cliniques libres des dossiers des patients. C’est l’objectif qui motive la participation de l’Union européenne, dans le cadre de son initiative phare Technologies futures et émergentes, au Human brain project. Sujet d’actualité, l’intelligence artificielle excite les utilisateurs, intéresse les fabricants, donne espoir aux patients, mobilise des missions gouvernementales et fait vendre du papier. Depuis 5 à 6 ans, pour éviter cette difficulté de modélisation, les chercheurs en TAL utilisent de plus en plus le Deep learning. L’intelligence artificielle a besoin de l’intelligence collective. Congatec nous explique ce qu'on peut aujourd'hui attendre de l’informatique embarquée dans cette optique. Par ailleurs, un système d’aide à la décision en analyse d’échographies pour les grossesses extra-utérines (GEU) développé par le LIMICS et l’hôpital Trousseau, OPPIO, entre en phase de tests en 2019. Demain, un ordinateur inspiré de notre cerveau ? Ces modèles sont ensuite utilisés par des systèmes de raisonnement logique pour produire des faits nouveaux. Intelligence Artificielle et Nutrition Dr. Georges Brillet, Centre de néphrologie de Châteauroux, Châteauroux. Leur mise au point nécessite de grands échantillons d’apprentissage : 50 000 images dans le cas des mélanomes, et 128 000 dans celui des rétinopathies, ont été nécessaires pour entraîner l’algorithme à identifier les signes de pathologies. Des algorithmes au service de la médecine. « Lintelligence artificielle peut améliorer notre capacité de diagnostic, notamment des maladies rares, grâce à une capacité danalyse des bases de données infinie » se réjouit Olivier Lucidarme. L’approche numérique peut se prévaloir de grandes performances en médecine, mais elle nécessite des données parfaitement propres et bien annotées, comme celles utilisées pour la reconnaissance de mélanomes. Il n’existe pas de modèle général de ce qu’est la langue. L’intelligence artificielle cherche à produire des machines dotées de capacités de compréhension, de perception et parfois de décision, à même de simplifier, voire de remplacer l’intervention humaine. Cet article pour tenter d’y voir plus clair, avant d’affronterd’accompagner les changements. Autre problème soulevé par l’exploitation des données médicales, 80% des informations sur les patients sont textuelles (comptes rendus d’hospitalisation ou rapports d’imagerie par exemple). Des applications de deep learning existent en traitement d’images, par exemple pour repérer de possibles mélanomes sur les photos de peau, ou bien pour dépister des rétinopathies diabétiques sur des images de rétines. Mais l’utilisation par le public de ces logiciels sans supervision médicale soulève des questions éthiques importantes. Les robots d’assistance aux personnes, âgées ou fragiles par exemple, représentent un troisième secteur très médiatisé et en fort développement. Il laisse le patient à ses interrogations et ses angoisses. Les approches numériques s’apparentent en revanche à une boîte noire, incapable de justifier ses décisions : nul ne sait ce que fait l’algorithme. Les voies de recherche portent en particulier sur le traitement des données, très hétérogènes, leur structuration et leur anonymisation, mais aussi sur la conception de systèmes transparents pour l’utilisateur et bien adaptés au contexte d’utilisation. Un avantage majeur des approches symboliques est de permettre de tracer le cheminement du raisonnement. Les algorithmes d’apprentissage profond (deep learning) par exemple, dont l’usage explose depuis une dizaine d’années, s’inspirent du fonctionnement cérébral : ils simulent un réseau de neurones organisés en différentes couches, échangeant les uns avec les autres. d’intelligence artificielle français consacré à l’imagerie médicale. A la fin de l’apprentissage, l’algorithme arrive à reconnaître avec une excellente performance de nouvelles images présentant une anomalie. Le système cherche des régularités dans les données disponibles pour extraire des connaissances, sans modèle préétabli. Elles posent donc de nombreux problèmes pour leur exploitation. Autre exemple, l'interprétation d'images médicales pédiatrique est d'une importance majeure pour le diagnostic, le suivi des patients ou encore la préparation d'une intervention chirurgicale. C’est un moment fort, mais néanmoins, ce n’est au fo… Cette voie de recherche est toujours explorée aujourd’hui, même si de nombreux chercheurs en IA estiment qu’atteindre un tel objectif est impossible. D’autres chercheurs se sont attelé à traquer les cas positifs qui ne se trouvaient pas dans les bases de données informatique. Les données d’apprentissage sont en particulier biaisées par les préjugés de l’époque et ceux des concepteurs. Aide au diagnostic, choix du traitement le plus adapté et autres prouesses, l’intelligence artificielle s’impose depuis plusieurs années dans le domaine médicale et n’a de cesse d’étonner. Mais même dans ce cas, le nombre de micro-raisonnements effectués par la machine est tel qu’il n’est pas pensable de tous les afficher. La chirurgie assistée par ordinateur en est sans doute un des versants le plus connu. Il est toutefois indispensable que le grand public comprenne comment fonctionnent ces systèmes pour savoir ce qu’ils font et surtout ce qu’ils ne font pas. L’approche la plus ancienne s’appuie sur l’idée que nous raisonnons en appliquant des règles logiques (déduction, classification, hiérarchisation…). Face aux déboires des premières heures, deux courants se sont constitués. Le séminaire de Lyon n'est qu'une première étape. On relève, dans certains cas, 30% d’erreurs dans la description des pathologies associées aux malades. Alors la technologie est-elle sur la voie de remplacer l’humain ? L’imagerie médicale, augmentée du deep learning et du big data analytics, reconnaît mieux les bio-marqueurs de la progression de la maladie.L’amélioration du diagnostic et la prise en charge du patient sont au cœur du processus. Le robot omniscient, qui pour beaucoup symbolise l’IA, n’est pas pour demain ! Sophie Lanone : Influencer le cours des maladies respiratoires, L’intelligence artificielle au bénéfice de l’analyse des grandes cohortes. Cette approche - dont il sera question tout au long de ce dossier - génère tous les systèmes spécialisés et performants qui peuplent aujourd’hui notre environnement : créer des profils d'amis possibles sur les réseaux sociaux, identifier des dates dans les textes pour classer des dépêches d’agence, aider le médecin à prendre des décisions, etc. Résumés d’articles scientifiques, prédiction sur Twitter des épidémies ou recherche d’informations essentielles, le traitement automatique du langage (TAL) est un outil puissant pour aider la médecine a y voir plus clair. D’autre part, le traitement de ces données est conditionné au consentement éclairé de la personne concernée. Vous êtes désormais inscrits. L'intelligence artificielle est un nouveau défit pour les radiologues. Aide au diagnostic, analyse d’examens, optimisation et personnalisation des traitements, criblage de molécules à activité biologique, etc. L’apprentissage automatique permettra d’identifier des profils de patients tenant compte de toutes ces données. Il peut être amené à endosser une décision qui n’est pas la sienne et découvrir après coup que la machine s’est trompée. Pour comprendre les enjeux liés à l’IA, revenons rapidement sur sa définition. Ils bénéficient de meilleurs modèles de raisonnement ainsi que de meilleures techniques de description des connaissances médicales, des patients et des actes médicaux. Le système réduit la relation au médecin à un acte technique. | EpiRheum.com Si vous êtes, vous aussi, intéressés, intrigués ou même ennuyés par IA, n'hésitez pas à partager vos remarques et commentaires pour fructifier le débat. L'Intelligence Artificielle (IA) promet une métamorphose complète du secteur de la santé. Intelligence Artificielle et Anapath Dr. Christine Devalland, Hôpital Nord Franche-Comté, Trévenans L’imagerie médicale via l’intelligence artificielle. C’est pourquoi des chercheurs travaillent actuellement sur la manière de décrire ces raisonnements "en classes explicites", afin de mettre en avant les décisions les plus importantes. Grâce à l’ajout des données qui proviennent du langage naturel, on a eu suffisamment de données pour montrer que ce lien était statistiquement significatif » affirme Benoît Favre. Ils ont piloté le développement de l’ontologie des urgences qui entre dans la mise au point d’un prototype de moteur de fouille du dossier médical du patient ou du futur dossier médical partagé de la CNAM. Une frontière qui peut être vite franchie par l’utilisateur. L’intelligence artificielle est née dans les années 1950 avec l’objectif de faire produire des tâches humaines par des machines mimant l’activité du cerveau. Au cœur des évolutions technologiques, l’intelligence artificielle est devenue en quelques années un des enjeux scientifiques majeurs du secteur de la santé. Le système peut également apprendre à partir des cas déjà résolus (reproduction des décisions prises pour des cas similaires au cas clinique à résoudre), ou d'un raisonnement par expérience (réutilisation de décisions qui étaient non conformes aux recommandations, sur la base de critères explicités dans la justification du non-suivi des recommandations). Cette avancée technologique assiste les médecins en détectant les lésions en radiographie traumatique conventionnelle et en donnant un diagnostic automatisé, fiable et rapide. Cette robotique de service vise à imiter le vivant et à interagir avec les humains. L’Intelligence Artificielle permet d'améliorer l'imagerie médicale, toujours à la recherche de rendus visuels de meilleure qualité. Intelligence artificielle et pratique médicale. : depuis une quinzaine d’années, l’application des sciences du numérique à des données médicales complexes révolutionne le traitement des données de santé, promettant des bénéfices multiples pour les patients. Par ailleurs, le risque que le médecin abdique devant la machine « qui sait mieux que lui » est réel. Les systèmes actuels, qualifiés d’aide à la décision, de gestion des connaissances ou d’e-santé, sont plus sophistiqués. Les challenges comme Data 4 Development, Epidemium ou encore DREAM by Sage sont en plein essor. Covid-19 : Comment l’intelligence artificielle peut aider à trier l’information médicale. L’intelligence artificielle (IA), celle-là même qui a permis à Watson, le superordinateur d’IBM, de gagner contre des joueurs humains à Jeopardy!, saura-t-elle aider les médecins, les laboratoires pharmaceutiques et les chercheurs à vaincre le Covid-19 ? Intervenant dans la journée « Intelligence artificielle : l’ordinateur passe la barrière de la langue » organisée par le CNRS le 12 janvier, Benoit Favre, chercheur au Laboratoire d'Informatique et Systèmes (LIS) d’Aix-Marseille Université explique qu’en contribuant comme d’autres à l’impression 3D de visières protectrices lors du premier confinement, il est entré en contact avec le médecin Stéphane Delliaux, qui lui a fait part de l’embarras dans lequel il se trouvait face à l’amoncellement de publications sur la pandémie : 2000 à 3000 articles scientifiques par semaine étaient mis en ligne, il était impossible de toutes les connaître et encore moins d’avoir un avis sur leur pertinence. Ils ne cherchent plus à remplacer le médecin, mais à l’épauler dans un raisonnement fondé sur les connaissances médicales de sa spécialité. Dans cet objectif la commission de réflexion sur l’éthique de la recherche en sciences et technologie du numérique d’Allistene (Cerna) souligne la nécessité de concevoir des systèmes dont le fonctionnement est transparent, explicité et traçable, et qui effectuent les tâches spécifiées en respectant des contraintes explicites. Dans le domaine médical, les biais principaux sont dus à la surreprésentation d’une catégorie de personnes, comme les personnes âgées ou des patients d’origine géographique particulière. L’algorithme tend donc à reproduire, voire renforcer, ces mêmes préjugés. L’intelligence artificielle a, à l’origine, voulu simuler l’activité du cerveau avec l’hypothèse que nous raisonnions avec des règles d’inférence (approche Il sera alors possible de personnaliser les soins et d’améliorer leur taux de réussite, notamment, dans un premier temps, pour les cancers, les maladies rares et le diabète. En allégeant la charge de travail des praticiens, l’intelligence artificielle dans le secteur médical leur permet de remettre le patient au premier plan. Un algorithme informatique au service des ophtalmologues, Elaboration et validation de l’iBox, le premier outil universel de prédiction du risque de perte de rein greffé basé sur l’intelligence artificielle, L’intelligence artificielle facilite l’évaluation de la toxicité des substances chimiques : le cas du bisphénol S, Une intelligence artificielle permet de prédire la réponse thérapeutique des patients atteints d’un cancer du rectum avancé traités par radiochimiothérapie préopératoire, Prédire la réponse à l’immunothérapie grâce à l’intelligence artificielle, Un programme informatique capable de détecter et d’identifier automatiquement des lésions cérébrales, L’Intelligence Artificielle au service de la recherche médicale : l’Inserm et Owkin s’associent, Dassault Systèmes et l’Inserm annoncent la signature d’un accord pour analyser la complexité des maladies et accélérer la recherche clinique, Un cerveau « simplifié » permet au robot iCub d’apprendre le langage, Big data en santé - dossier d’information, Chirurgie assistée par ordinateur - dossier d’information, L’intelligence artificielle progresse – à lire sur le site Histoire de l’Inserm, Intelligence artificielle et robotisation, – ressources proposées dans le cadre des Etats généraux de la bioéthique (2018), Donner un sens à l'intelligence artificielle (IA), – rapport de la mission Villani (mars 2018), Médecins et patients dans le monde des data, des algorithmes et de l’intelligence artificielle, – livre blanc du Conseil national de l’Ordre des médecins, Ethique de la recherche en apprentissage machine, - rapport de la Commission de réflexion sur l’éthique de la recherche en sciences et technologies du numérique d’Allistene (novembre 2014). – article de Kim Boyer, The Conversation (février 2017), S'inscrire à la lettre d'information Inserm, La valorisation et le transfert des découvertes, Laboratoire d'informatique médicale et ingénierie des connaissances pour la e-santé, un système d’aide à la décision en analyse d’échographies pour les grossesses extra-utérines (GEU), commission de réflexion sur l’éthique de la recherche en sciences et technologie du numérique d’Allistene (Cerna). Les Français sont usufruitiers de leurs données : ils peuvent en disposer mais non les vendre. Ce système permet au médecin de sélectionner un type de GEU et de se voir proposer les signes pertinents à rechercher et les images de référence associées. Ainsi, dans le projet Lerudi cité plus haut, la construction d’ontologies (IA symbolique) est faite à partir d’algorithmes numériques de fouille de texte. L’intelligence artificielle au service d’une imagerie médicale plus performante L’IA est aujourd’hui omniprésente dans la littérature scientifique de l’imagerie médicale, d’autant plus depuis le développement de nouveaux algorithmes appelés réseaux de neurones convolutifs [1] . L'intelligence artificielle comme outil d'aide médicale. L’intelligence artificielle va-t-elle bouleverser la profession médicale ? July 1, 2020 1.52pm EDT Matthias Brunn , Université de Montpellier , William Genieys , Sciences Po On espère de cette façon pouvoir mieux identifier des facteurs de risques, personnaliser les traitements et en vérifier l’efficacité, prédire les épidémies ou améliorer la pharmacovigilance.