L’apprentissage automatique a permis de grandes avancées en matière d’efficacité dans les domaines de la pharmacie et de la biotechnologie. Mais ce n’est qu’un début. Plus nous numérisons et unifions nos données médicales, plus nous pouvons utiliser l’IA pour nous aider à trouver des modèles utiles – des modèles que nous pouvons utiliser pour prendre des décisions précises et rentables dans le cadre de processus analytiques complexes. On résume ici les 4 principales applications de l’IA en médecine aujourd’hui :
Diagnostiquer les maladies
Pour diagnostiquer correctement une maladie, il faut des années de formation médicale. Même dans ce cas, le diagnostic est souvent un processus ardu qui prend beaucoup de temps. Dans de nombreux domaines, la demande d’experts dépasse largement l’offre disponible. Cette situation met les médecins à rude épreuve et retarde souvent l’établissement de diagnostics vitaux pour les patients.
L’apprentissage automatique – en particulier les algorithmes d’apprentissage profond – a récemment fait d’énormes progrès dans le diagnostic automatique des maladies, rendant les diagnostics moins chers et plus accessibles.
L’apprentissage automatique est donc particulièrement utile dans les domaines où les informations diagnostiques examinées par un médecin sont déjà numérisées.
Les algorithmes d’apprentissage automatique peuvent apprendre à percevoir des schémas de la même manière que les médecins. La différence essentielle réside dans le fait que les algorithmes ont besoin d’un grand nombre d’exemples concrets – plusieurs milliers – pour apprendre. Et ces exemples doivent être clairement numérisés – les machines ne peuvent pas lire entre les lignes des manuels.
Des diagnostics IA plus avancés sont à venir
L’application de l’apprentissage automatique au diagnostic n’en est qu’à ses débuts – des systèmes plus ambitieux impliquent la combinaison de sources de données multiples (scanner, IRM, génomique et protéomique, données du patient et même fichiers manuscrits) pour évaluer une maladie ou sa progression.
Il est peu probable que l’IA remplace totalement les médecins. Les systèmes d’IA seront plutôt utilisés pour mettre en évidence des lésions potentiellement malignes ou des schémas cardiaques dangereux pour l’expert, ce qui permettra au médecin de se concentrer sur l’interprétation de ces signaux.
Personnaliser le traitement
Chaque patient réagit différemment aux médicaments et aux programmes de traitement. Le traitement personnalisé a donc un énorme potentiel pour augmenter l’espérance de vie des patients. Mais il est très difficile d’identifier les facteurs qui devraient influer sur le choix du traitement.
L’apprentissage automatique peut automatiser ce travail statistique complexe et aider à découvrir les caractéristiques qui indiquent qu’un patient aura une réponse particulière à un traitement particulier. L’algorithme peut donc prédire la réponse probable d’un patient à un traitement donné.
On peut citer par exemple le recours à l’IA dans certaines disciplines chirurgicales comme la chirurgie cardiovasculaire ou encore la chirurgie plastique du visage (essentiellement les opérations qui ciblent une petite zone du visage comme la chirurgie des fils tenseurs, la chirurgie d’augmentation des pommettes ainsi que la chirurgie de réduction des boules de Bichat.
Le système apprend cela en recoupant des patients similaires et en comparant leurs traitements et leurs résultats. Les prédictions de résultats qui en résultent permettent aux médecins de concevoir plus facilement le bon plan de traitement.
