Par le personnel d'IA Trends
Les hôpitaux et les cabinets de médecins collectent de grandes quantités de données sur leurs patients, de la pression artérielle au séquençage génétique. Bien que les données puissent être numérisées, les utiliser pour aider au traitement des patients peut être difficile. Mais le secteur des soins de santé s'améliore à utiliser l'IA pour trouver des modèles de données qui peuvent aider dans les soins aux patients.
«Je pense que le patient moyen ou futur patient est déjà touché par l'IA dans les soins de santé. Ils n'en sont pas nécessairement conscients », a déclaré Chris Coburn, directeur de l'innovation chez Partners HealthCare System, un réseau d'hôpitaux et de médecins basé à Boston, dans un compte rendu sur WebMD. L'application de l'IA aux soins des patients en est à ses débuts et se répand.
"Je ne pourrais pas facilement nommer un domaine [de la santé] qui n'a pas de travail actif en ce qui concerne l'IA", a déclaré Coburn, qui a cité la pathologie, la radiologie, la chirurgie vertébrale, la chirurgie cardiaque et la dermatologie comme exemples.
Et bien sûr, les entrepreneurs voient une opportunité commerciale. GNS Healthcare, de Cambridge, dans le Massachusetts, offre une technologie d'apprentissage automatique et de simulation causale, qui, combinée à sa portée dans les données des patients de «nouvelle génération», peut aider à déterminer quels patients atteints de cancer du sang sont susceptibles de tirer le meilleur parti des greffes de moelle osseuse. La société a trouvé une signature génétique dans certains le myélome multiple les patients qui ont suggéré qu'ils bénéficieraient d'une greffe.
«Nous avons maintenant les données, la technologie et la vitesse de traitement pour construire des modèles de maladie et exécuter des simulations informatiques sur silicium sur chaque scénario de traitement possible et informer le médecin sur le bon traitement pour chaque individu en fonction de leur biologie. C'est le vrai pouvoir de l'IA », a déclaré le co-fondateur de GNS Healthcare, Iya Kahlil. Le Dr Kahlil est un physicien qui a co-inventé le moteur de calcul sous-jacent aux produits de GNS Healthcare et Via Science. Son expertise couvre des applications dans la découverte de médicaments, le développement de médicaments et les algorithmes de traitement qui peuvent être appliqués au point de service.
Parmi les défis d'une utilisation accrue de l'IA en médecine, il y a les exigences de garder les données des patients privées, tout en traitant d'énormes volumes de données. Bien que les noms puissent être supprimés de grands ensembles de données, les gens peuvent aujourd'hui être identifiés par leur code génétique, a noté Mike Nohaile, vice-président directeur de la stratégie, de la commercialisation et de l'innovation pour Amgen, le géant pharmaceutique.
Les médecins doivent également se prémunir contre les biais raciaux et démographiques dans les données; il est difficile de comprendre et d'interpréter les algorithmes exécutant l'IA. "Je ne veux pas faire confiance à une boîte noire pour prendre des décisions parce que je ne sais pas si elle a été biaisée", a déclaré le Dr Nohaile. "Nous y pensons beaucoup."
AI dans les diagnostics cliniques
Les algorithmes d'IA sont capables de diagnostiquer les maladies plus rapidement et plus précisément que les médecins; en particulier, l'IA est efficace pour détecter les maladies à partir des résultats des tests basés sur l'image, écrit Terence Mills, PDG de AI.io, une société de science des données et d'ingénierie, écrivant récemment dans Forbes. Sur son site Web, AI.io décrit ses produits comme mettant «l'IA de la boîte blanche en un mot» et «Si l'IA de la boîte blanche est une maison bien construite, l'IA de la boîte noire est la base et le cadrage.»
À la fin de l'année dernière, DeepMind de Google a pu former un réseau de neurones pour détecter avec précision plus de 50 types de maladies oculaires en analysant les scans de location 3D, montrant à quel point la technologie de l'IA peut être efficace pour identifier les anomalies réelles.
La détection précoce est la clé d'un traitement efficace du cancer, comme avec des mesures préventives. Certains types de cancer, tels que différents types de mélanomes, sont très difficiles à détecter lors des premiers stades. Les algorithmes d'IA sont capables de numériser et d'analyser les images de biopsie et les examens IRM 1,000 fois plus vite que les médecins, avec un taux de précision de 87%.
Médicament de précision
Le médicament est idéalement distribué avec précision en fonction du traitement correct pour le diagnostic du patient. La médecine de précision dépend de l'interprétation de vastes volumes de données.
Les données du patient, y compris l'historique du traitement, les restrictions, les traits héréditaires et le mode de vie, sont utilisées pour déterminer le médicament le plus efficace. Cette organisation des données convient parfaitement aux algorithmes d'apprentissage automatique et d'IA. Les systèmes de gestion des données de l'IA sont capables de stocker et d'organiser de grands volumes de données pour tirer des conclusions significatives et faire des prédictions.
Les systèmes d'IA peuvent parcourir les archives des magasins de données des patients par les hôpitaux et les établissements de santé, pour aider les médecins à formuler des médicaments de précision pour les patients individuels. Les systèmes de prescription d'IA peuvent étudier les antécédents médicaux du patient et aider à déterminer la probabilité que le patient prenne le médicament tel que prescrit.
