Le principe général qui guide cette approche est de laisser l’ordinateur utiliser l’apprentissage profond, et ainsi de lui laisser découvrir par lui-même la stratégie optimale pour résoudre un problème. Si on fournit à l’ordinateur une quantité très massive de données médicales, par exemple des images IRM ou des photos numériques, ainsi que le résultat qu’on attend de lui, l’ordinateur va ajuster graduellement ses paramètres internes. Il pourra ensuite exécuter la tâche apprise comme établir des liens entre deux phénomènes ou décrire une image IRM.
La radiologie
Les grands chercheurs de l’intelligence artificielle s’entendent pour dire que la radiologie est l’un des premiers domaines où la nouvelle révolution se fera sentir.
Les radiologues sont aujourd’hui ensevelis sous les données. En effet, un radiologue peut regarder jusqu’à 30’000 à 40’000 images dans une journée. Chaque image comporte des informations très complexes et, souvent, une information vitale pour un patient lambda. Les ordinateurs bénéficient de l’expérience tirée de cas précédents dont le diagnostic est connu grâce à des biopsies, par exemple. On leur présente des milliers, voire des millions d’images médicales et les diagnostics correspondants, et on les laisse ensuite construire leur propre définition d’une tumeur. La définition qui en résulte est bien plus riche, complète et précise que ce qu’un humain aurait pu programmer.
Dans des tests préliminaires, les concepteurs d’un logiciel lui ont présenté des radiographies du poumon sur lesquelles des lésions étaient si subtiles que seulement les deux tiers des radiologues étaient capables de les déceler (cf. Imagia ). Le logiciel, lui, les a détectées dans 95 % des cas !
Assistant de recherche en médecine
Un chercheur du Baylor College of Medicine , à Houston au Texas, s’est demandé s’il était possible de former un ordinateur utilisant l’apprentissage profond à la lecture de publications scientifiques en biologie, un domaine où paraissent des millions d’articles par année. L’ordinateur en question a alors été initié à la biologie. Il a appris les relations entre les protéines, les gènes et les cellules, les symptômes et les maladies, etc. Pour débuter, il s’est concentré sur la protéine p53 , l’une des plus étudiées en cancérologie. C’est la gardienne du bon fonctionnement des cellules. Dans plus de la moitié des cancers, elle est déréglée. L’objectif de l’ordinateur est de trouver de nouvelles molécules qui modifient p53 à travers 24 millions de publications scientifiques.
>> À lire aussi: SOPHiA, l’IA suisse qui scrute les génomes -
Pour tester l’ordinateur, les chercheurs lui ont présenté seulement les publications d’avant l’année 2003. L’ordinateur a alors anticipé presque toutes les kinases - un type de protéines clés du corps humain - découvertes dans les laboratoires des biologistes après 2003. En 30 ans environ, 28 kinases ont été découvertes par tous les biologistes du monde entier, ce qui représente un effort de recherche important.
L’ordinateur a été capable de trouver en quelques semaines ce qu’on avait découvert en une décennie de recherche en quelque sorte. En plus, il a trouvé de nouvelles protéines !
Depuis, l’ordinateur a étendu ses connaissances et sa compréhension de la science. Il fait de la recherche en génomique, en biologie, en neuroscience. Des compagnies pharmaceutiques lui ont ouvert leurs données pour tenter, par exemple, de trouver de nouvelles fonctions à des médicaments existants. Il aide même les oncologues dans des dizaines d’hôpitaux à choisir les meilleurs traitements. -
Comme décrit dans mon 2 ème blog , à l’ère de l’ Intelligence Augmentée , les humains et les machines vont collaborer pour obtenir un résultat meilleur que la somme de leurs résultats individuels. Les humains et les robots sont en effet dotés de compétences différentes et donc complémentaires. Avec le temps, l’élan de l’ Intelligence Augmentée va prendre de la vitesse, exploiter les milliers d’années de connaissance humaine et décupler les capacités humaines à un rythme exponentiel.
Vous avez trouvé une erreur?Merci de nous la signaler.
Cet article a été automatiquement importé de notre ancien système de gestion de contenu vers notre nouveau site web. Il est possible qu'il comporte quelques erreurs de mise en page. Veuillez nous signaler toute erreur à community-feedback@tamedia.ch. Nous vous remercions de votre compréhension et votre collaboration.
L’intelligence artificielle apprend, crée et prédit dans le domaine médical
L’apprentissage profond s’inspire du fonctionnement du cerveau humain. Cet outil d’apprentissage déjà présenté dans mon premier blog est basé sur des « réseaux de neurones artificiels ». L’intérêt de cette approche est de permettre au système d’apprendre de lui-même des tâches complexes qui seraient autrement difficiles à programmer de bout en bout, comme par exemple dans le diagnostic ou la recherche scientifique médicale.