ES les IA dans la médecine

« Intelligence artificielle et médecine Nicholas Ayache Inria, Sophia Antipolis L’intelligence artificielle permet d’augmenter les capacités de raisonnement des médecins afin de mieux prendre en charge leurs patients.

C’est particulièrement utile pour analyser des images médicales complexes ainsi que les masses de données associées aux populations de patients que le cerveau humain ne peut appréhender dans leur totalité. Parmi les différents outils d’intelligence artificielle utilisés pour la médecine, des exemples récents ont démontré les performances remarquables des algorithmes d’apprentissage profond s’appuyant sur des réseaux de neurones convolutifs pour accomplir certaines tâches d’analyse d’images, notamment en dermatologie, en sénologie, en ophtalmologie et en pneumologie.

Mais il existe des limitations à ces approches : • applications étroites et spécifiques : détection d’une pathologie dans une catégorie d’images ; • il faut disposer d’un très grand nombre de données d’entrainement préalablement annotées ; • il faut s’assurer que les données d’entrainement sont bien représentatives d’une population et qu’il n’y a pas de biais ; • les algorithmes fonctionnent comme des boites noires avec des millions de paramètres qu’il est très difficile, voire impossible d’interpréter… Pour contourner ces limitations, une approche prometteuse consiste à combiner des algorithmes d’apprentissage profond avec des modèles numériques de l’anatomie et de la physiologie du corps humain à différentes échelles.

Ces modèles numériques sont statistiques, géométriques, et biophysiques et leurs paramètres sont personnalisés grâce aux images médicales du patient réel et à toutes les données disponibles sur celui-ci et sur des populations.

On passe ainsi d’un patient numérique moyen à un patient numérique personnalisé, le jumeau numérique du patient réel. On peut alors exploiter les paramètres de ce jumeau numérique pour développer des algorithmes de médecine numérique : détection et quantification d’une pathologie, c’est l’aide au diagnostic ; prédiction d’une évolution, c’est l’aide au pronostic ; planification et simulation d’une intervention, c’est l’aide à la thérapie. On peut noter que les algorithmes qui reproduisent l’anatomie du patient s’appuient principalement sur des modèles géométriques, statistiques et sémantique du corps humain, tandis que les algorithmes qui reproduisent la physiologie, c’est à dire le fonctionnement du corps humain, introduisent en plus des modèles biologiques et physico-chimiques du vivant. L’intelligence artificielle pour la santé (médecine.... »