IA et apprentissage automatique dans le secteur de la santé : transformer les soins aux patients et révolutionner la recherche médicale 

L'IA et l'apprentissage automatique apportent des solutions novatrices et des progrès remarquables au secteur de la santé – du diagnostic précoce et de la prévention des maladies aux traitements personnalisés et à la prédiction de l'évolution des maladies. En analysant de vastes ensembles de données, l'IA peut découvrir des schémas complexes et en tirer des enseignements, fournissant ainsi aux professionnels de santé des informations leur permettant de prendre des décisions plus éclairées et de réduire les erreurs médicales.

Dans cet article, préparé en coopération avec Tomasz Smolarczyk, Responsable de l'IA et du ML chez Spyrosoft, nous explorerons diverses applications de l'IA dans le secteur de la santé et discuterons des bénéfices qu'elle apporte.

Plongeons dans le vif du sujet. 

Vision par ordinateur

Imagerie médicale 

La technologie d'IA peut être utilisée pour analyser des images, par exemple de lésions cutanées, et les classer comme cancéreuses ou bénignes. Les patients peuvent télécharger des images sur une plateforme sécurisée, où l'IA peut trier et prioriser les cas des patients et aider les médecins à diagnostiquer les patients à distance. Cela peut considérablement réduire le temps et diminuer le besoin de tests de suivi.

Autre exemple d'utilisation IA en imagerie médicale est une solution qui analyse des images microscopiques d'un échantillon de sang et compte les cellules sanguines, contribuant ainsi à diagnostiquer les maladies de manière précoce et précise. Elle pourrait être utilisée pour diagnostiquer le paludisme – une maladie potentiellement mortelle causée par un parasite transmis par les piqûres de moustiques infectés. Un diagnostic précoce est essentiel pour prévenir des dommages graves à la santé, voire la mort. Grâce aux solutions alimentées par l'IA, le diagnostic peut être posé plus rapidement et plus précisément, en particulier dans les zones où l'accès au personnel médical est limité.

L'IA peut être utilisée pour analyser des radiographies ou d'autres examens médicaux afin de détecter, par exemple, les premiers signes d'un cancer. L'IA peut également automatiser le travail des médecins consistant à annoter des images médicales, en marquant les zones présentant des changements visibles qui seront traités par radiation et les zones saines susceptibles d'être endommagées. Avec des modèles tels queSegment Anything Model (SAM) développé par Facebook, nous pouvons nous attendre à un nombre croissant de solutions d'IA qui accéléreront le travail d'étiquetage devant être effectué par les experts médicaux.

En dentisterie, l'imagerie médicale assistée par IA peut potentiellement rendre le traitement plus personnalisé, donc plus précis. Par exemple, elle peut aider à adapter les implants aux dents de chaque patient en scannant leur bouche. Elle peut également être utilisée pour créer un modèle 3D de la bouche d'un patient, offrant un meilleur aperçu de sa santé bucco-dentaire – l'IA peut détecter les caries, les maladies des gencives et d'autres problèmes.

Analyse des déplacements 

Il y a quelque temps, notre équipe travaillait sur un projet appelé MedBand – un dispositif portable utilisé pour suivre les mouvements des patients lors d'exercices de rééducation et les comparer à la méthode de référence de réalisation de l'entraînement de rééducation. La solution aide les patients à s'exercer correctement et efficacement et réduit le risque de blessure dû à des mouvements incorrects.

Analyse sportive 

L'IA peut être utilisée pour surveiller les niveaux de fatigue des athlètes en analysant leurs performances et leurs données biométriques, ce qui peut aider à identifier les risques potentiels de blessure. Sur la base de ces informations, les entraîneurs peuvent ajuster le plan d'entraînement ou identifier les joueurs à risque et prendre des mesures pour réduire le risque de blessure.

Découvrez comment nous avons utilisé la vision par ordinateur pour un système de revue instantanée au badminton. >>

Analyse de texte et traitement du langage naturel

Extraction d'informations 

L'IA peut extraire des informations clés, qu'il s'agisse de symptômes de maladie ou de pathologie, à partir d'un texte ou d'un enregistrement vocal. Elle peut être particulièrement utile en télémédecine, lorsqu'au cours d'un appel avec un patient, un médecin peut accéder aux informations extraites de l'historique médical du patient. De plus, les symptômes qu'un patient mentionne lors de l'entretien médical en ligne peuvent être extraits de la conversation et automatiquement associés à un code clinique correspondant. Nous savons tous que le temps des médecins est précieux et, avec l'IA agissant comme leur copilote pour prendre des notes, les médecins peuvent consacrer plus de temps à leurs patients plutôt qu'à la prise de notes.

Les progrès récents dans le développement de grands modèles de langage ont démontré que l'IA peut récupérer avec succès des connaissances médicales et fournir des réponses précises à des questions médicales étayées par un raisonnement. Récemment, Google a publié une deuxième itération de son modèle LLM appelé Med-PaLM 2, qui est basé sur un modèle similaire au très populaire ChatGPT. Son prédécesseur, Med-PaLM, a été le premier à obtenir un « score de réussite » (>60 %) aux questions à choix multiples et ouvertes de type examen de licence médicale américain. Récemment, Med-PaLM 2 a constamment atteint un niveau de médecin « expert » sur les questions d'examen médical, avec un score de 85 %.

Récemment, Google a également présenté une démo d'une nouvelle solution pour l'orchestration étape par étape de la recherche et des applications conversationnelles avec des workflows prédéfinis. L'une de ses fonctionnalités principales consiste à résumer l'essence de rapports et d'autres documents de plusieurs pages en quelques phrases concises. Dans le secteur de la santé, cela pourrait servir à résumer des articles scientifiques publiés dans la base de données PubMed, qui pourraient ensuite être suggérés aux médecins comme lectures recommandées lorsqu'ils traitent des patients atteints de pathologies rares ou inhabituelles. La solution pourrait également être utilisée pour condenser l'historique médical à long terme d'un patient ou sa documentation médicale en un résumé des faits essentiels. Là encore, cela représenterait un gain de temps considérable pour le personnel médical.

Classification de texte 

L'IA peut aider à classer les données médicales en catégories, par exemple, la description du patient, la description du traitement et les symptômes observés tout au long de l'historique médical du patient. Elle peut également être appliquée à d'autres domaines connexes, comme le traitement des factures médicales et leur classification selon des catégories spécifiques, pour une gestion plus facile.

aide à la décision clinique 

L'IA a un grand potentiel pour soutenir les médecins non seulement au stade du diagnostic, mais aussi tout au long du traitement. Elle peut analyser les dossiers de santé électroniques (DSE) afin de créer des plans de traitement personnalisés pour les patients en fonction de leurs antécédents médicaux, de leurs résultats de laboratoire et d'autres données pertinentes, par exemple les dossiers disponibles de patients atteints de la même maladie qui se sont rétablis.

Analyse de sentiment 

L'IA peut aider à analyser le sentiment des patients à partir d'un enregistrement vidéo ou d'un texte. Lors d'une visioconférence avec un patient, l'IA peut détecter les émotions ressenties par le patient en analysant son expression faciale, par exemple s'il est confus et si le médecin doit répéter ou reformuler la question.

L'analyse de sentiment alimentée par l'IA peut être utilisée dans les applications de santé mentale. En surveillant le sentiment des réponses d'un utilisateur lors d'un échange avec un médecin ou un bot, il est possible d'évaluer si sa santé mentale se détériore et d'adapter la thérapie en conséquence.

Je crois fermement que l'intégration de l'IA en tant que « copilotes » dans les processus de santé peut améliorer considérablement le parcours du patient et permettre aux professionnels de santé de fournir des soins de haute qualité tout en allégeant leur charge de travail.

Malgré la nécessité persistante d'une intervention humaine dans le secteur de la santé, ceux qui adoptent et exploitent les capacités de l'IA s'imposeront comme des leaders du secteur et favoriseront les progrès vers un écosystème de santé plus efficace, plus performant et centré sur le patient.

Tomasz Smolarczyk, Head of AI chez Spyrosoft

Apprentissage automatique et science des données appliquée

Classification 

En analysant les données, l'IA peut filtrer certains schémas, sur la base desquels elle peut faire des prédictions sur des cas similaires. Par exemple, nous pouvons créer un modèle qui analyserait les données de patients décédés d'un cancer et utiliser les schémas identifiés pour pronostiquer l'évolution de la maladie chez des patients présentant des caractéristiques similaires. Grâce à ces informations, les médecins peuvent prendre des décisions concernant la modification ou l'ajustement de la thérapie.

Les modèles prédictifs peuvent également être utilisés pour pronostiquer la durée de certains symptômes d'une maladie ou le moment où un patient pourra quitter l'hôpital. Un autre cas d'usage des modèles prédictifs est la surveillance du taux de réadmission. La réadmission d'un patient dans un hôpital peut être une caractéristique d'une pathologie donnée ou résulter d'une exécution incorrecte d'une procédure médicale et peut indiquer une mauvaise qualité des services ; il est donc essentiel pour les établissements médicaux de la garder sous contrôle.

Maintenance prédictive 

Les équipements médicaux modernes sont très coûteux, et tout défaut technique peut constituer une menace pour la santé et la vie des patients ; c'est pourquoi la prévention et la détection précoce des défaillances sont essentielles.

L'utilisation deIA pour la maintenance prédictive dans le secteur de la santé peut contribuer à réduire les temps d'arrêt des équipements, à minimiser les défaillances imprévues et à garantir que les dispositifs médicaux sont toujours en bon état de fonctionnement. Cela peut conduire à de meilleurs résultats pour les patients, ainsi qu'à des économies pour les établissements de santé.

Un exemple de maintenance prédictive dans le secteur de la santé est l'utilisation de capteurs pour surveiller les performances des dispositifs médicaux. Les capteurs détectent un comportement inhabituel, comme des vibrations ou une élévation de température ou d'autres facteurs pouvant indiquer des problèmes potentiels avec un dispositif. Les données collectées peuvent ensuite être analysées par les algorithmes d'apprentissage automatique afin de prédire quand une maintenance ou une réparation est nécessaire.

Prévisions de ventes 

La prévision des ventes est particulièrement importante dans l'industrie pharmaceutique en raison des coûts élevés liés au développement des médicaments et du long processus de mise sur le marché d'un nouveau produit.

Étant donné que l'IA peut analyser de grandes quantités de données rapidement et avec précision, elle permet aux entreprises de prendre des décisions plus éclairées concernant leur stratégie produit. L'IA peut générer des prévisions de ventes futures en tenant compte des données historiques et des tendances du marché.

Simulation 

Grâce à l'IA, nous pouvons simuler certaines situations afin d'envisager divers scénarios. Cela nous permet de générer plusieurs solutions, que nous pouvons comparer et parmi lesquelles nous pouvons choisir la meilleure.  

Un exemple est la solution que nous avons développée en collaboration avec l'Université des Sciences de la Vie de Wrocław. Nous avons combiné les données sur la mobilité des personnes avec le modèle SIR de propagation d'une maladie infectieuse. En sachant quand, où et combien de temps les personnes passent du temps dans un lieu spécifique, quel est le risque de contagion, combien de temps dure la maladie, etc., nous avons pu utiliser l'IA pour simuler divers scénarios de développement épidémique. Le modèle aide non seulement à identifier les mesures pouvant être prises pour limiter la propagation d'une maladie, mais aussi à prédire les conséquences économiques d'un confinement.

Moteurs de recommandation

Thérapie médicale personnalisée 

En ayant une vue complète de l'ensemble du patient (les autres maladies dont il souffre, son historique de traitement à ce jour, les autres médicaments qu'il prend), un médecin pourrait adapter le traitement au cas spécifique du patient. L'une des autres applications possibles de l'IA dans la thérapie médicale personnalisée consiste à ajuster la dose du médicament à un patient individuel, en tenant compte de son poids, de son âge, etc.

L'IA peut également être utilisée pour analyser les données collectées par un dispositif portable, tel qu'une montre connectée, afin de détecter des tendances ou des schémas et d'alerter les patients ou les médecins sur des risques potentiels pour la santé.

Découverte et développement de médicaments 

Les moteurs de recommandation peuvent analyser une base de données de patients afin d'identifier des candidats potentiels pour les tests de nouveaux médicaments en fonction de leurs données génétiques, des essais cliniques, etc.

De plus, l'IA peut stimuler et accélérer de nouvelles découvertes scientifiques, comme le récent AlphaFold cas avéré. L'objectif du projet était de créer une solution – le système AlphaFold – permettant de prédire la structure tridimensionnelle d'une protéine à partir de sa seule séquence génétique. Il utilise de vastes ensembles de données génomiques pour prédire la structure des protéines et génère des modèles 3D très précis de ces protéines. Il s'agit d'une avancée révolutionnaire, car elle nous permet de mieux comprendre la forme et le rôle de la protéine au sein de la cellule et, par conséquent, de développer des médicaments qui s'adapteront à la forme unique de la protéine et seront plus efficaces.

Réalité augmentée

Formation médicale 

Réalité augmentée propulsée par l'IA peut être utilisée pour simuler des procédures médicales, afin que les étudiants en médecine puissent s'exercer aux techniques chirurgicales dans un environnement réaliste mais à faible risque. La simulation peut fournir des retours sur la technique, le timing et la précision. Il est probable que la RA devienne bientôt un outil populaire et important dans l'enseignement médical.

Exploitez la puissance de l'IA dans le secteur de la santé

Nos experts vous conseilleront sur la meilleure façon d'appliquer l'IA à votre cas d'usage spécifique. Contactez-nous via le formulaire ci-dessous.