Skip to main content

Article Category

Article available in the folowing languages:

Un docteur fonctionnant à l’IA utilise des processus imaginatifs pour se former

Une plateforme de diagnostic innovante aide les médecins à détecter rapidement les maladies non transmissibles. En se formant elle-même, elle réduit le temps nécessaire aux médecins humains et améliore sa précision au fil du temps.

Économie numérique

L’intelligence artificielle (IA) se développe dans le domaine des soins de santé et promet de transformer les pratiques médicales dans le monde entier. Jusqu’à présent, les logiciels de diagnostic basés sur l’IA se sont montrés capables de détecter rapidement des maladies et des dangers pour la santé. Cela est particulièrement utile pour les maladies non transmissibles (MNT) telles que les maladies cardiovasculaires, oculaires et respiratoires. Les MNT représentent environ 60 % des décès et des handicaps dans le monde. Toutefois, le logiciel se heurte à des limitations importantes telles que la nécessité de former l’IA sur d’énormes quantités de données labellisées. Il peut en résulter des ensembles de données lourds et souvent incomplets, et l’IA peut se montrer trop spécifique aux données apprises durant sa formation, ce qui l’empêche de poser des diagnostics plus généralisés. Le projet MrDoc, financé par l’UE, a créé une nouvelle méthode: une plateforme de diagnostic d’IA à apprentissage semi-supervisé, qui entreprend une formation en utilisant de petits ensembles de données labellisées et qui apprend ensuite à s’auto-améliorer. La solution apprend des médecins humains et exploite les connaissances pour se former plus avant d’une manière qui imite l’imagination humaine. Elle peut également prévoir les variations ou les bruits potentiels qu’elle pourrait rencontrer à l’avenir, ce qui contribue à la robustesse de ses diagnostics dans le monde réel. «L’objectif final est de détecter et de diagnostiquer les maladies non transmissibles comme les arythmies et l’hypertension. Cela peut se faire grâce à des paramètres biométriques tels que la pression artérielle, la fluctuation du rythme cardiaque, l’hémoglobine et la glycémie à partir de signaux “sales” générés par des appareils électroniques grand public, tels que les smartphones et les caméras en circuit fermé» explique Fabio Rebecchi, directeur général, fondateur et responsable scientifique chez Mr. Doc.

Comment cela fonctionne

Mr Doc trouve les échantillons les plus instructifs et les plus utiles dans les ensembles de données cliniques. Il les présente ensuite aux professionnels de la santé, qui étiquettent les données. Le retour d’information permet d’améliorer l’IA, dans un processus interactif qui réduit le temps nécessaire aux médecins et permet d’économiser jusqu’à 90 % sur les coûts. L’IA fonctionne sur un type d’apprentissage automatique connu sous le nom de Réseaux antagonistes génératifs (GAN pour Generative Adversarial Networks), qui est utilisé dans de nombreux processus créatifs. Les GAN opposent deux réseaux: l’un présente ses conclusions et l’autre les juge. Ce processus améliore la précision au fil du temps. «Nous utilisons les GAN dans trois couches de notre conduite. Premièrement, pour transformer des ensembles de données open source de signaux et d’images de qualité médicale; deuxièmement, pour nettoyer les signaux des artefacts de mouvement et autres sources de bruit habituellement présents dans l’électronique grand public; et troisièmement, pour réduire les dimensions des données. Cela permet à Mr Doc de gérer plus facilement les étapes suivantes et de minimiser la perte d’informations», ajoute Fabio Rebecchi.

Des signes de réussite

«Jusqu’à présent, nous avons obtenu des résultats significatifs en extrayant des informations sur les maladies cardiaques et respiratoires à partir de vidéos de patients, et en détectant de nouveaux biomarqueurs et signes diagnostiques par des scanners de la rétine en TCO», explique Fabio Rebecchi. L’équipe effectue également des tests cliniques en se servant de la plateforme pour analyser les sons émis par les utilisateurs qui soufflent dans le microphone d’un smartphone, afin d’estimer la présence potentielle d’asthme et de bronchopneumopathie chronique obstructive. «Horizon 2020 a été une étape cruciale pour nous, en nous donnant la confiance, une amorce financière et la possibilité de réfléchir au plan et à la vision à long terme de notre projet. Nos prochaines étapes concernent des validations cliniques plus larges, la certification des dispositifs médicaux et la commercialisation éventuelle de la plate-forme» explique Fabio Rebecchi.

Mots‑clés

MrDoc, intelligence artificielle, diagnostic, maladies non transmissibles, aide, précision, réseaux antagonistes génératifs

Découvrir d’autres articles du même domaine d’application