Le système cherche des régularités dans les données disponibles pour extraire des connaissances, sans modèle préétabli. Si « la plateforme est en pause car les médecins impliqués ont repris leur activité, l'idée du projet est surtout de voir comment on pourrait faciliter la veille scientifique dans le cas d'un nouvel événement majeur », explique le chercheur. Il n’existe pas de modèle général de ce qu’est la langue. L’imagerie médicale via l’intelligence artificielle. Vous recevrez prochainement notre newsletter hebdomadaire Industrie & Technologies, Cartesiam, la startup toulonnaise qui propose d’équiper les microcontrôleurs d’algorithmes capables de détecter les[…], newsletter hebdomadaire Industrie & Technologies, Comment le Danemark, l’autre pays du séquençage, a décidé de réagir face au variant anglais, ont analysé des corpus importants de tweets publiés dans différents pays pendant la pandémie (Italie, Japon, Thailande, Turquie et Indonésie), . Martin Clavey. Des applications de deep learning existent en traitement d’images, par exemple pour repérer de possibles mélanomes sur les photos de peau, ou bien pour dépister des rétinopathies diabétiques sur des images de rétines. Demain, un ordinateur inspiré de notre cerveau ? L’intelligence artificielle (IA), celle-là même qui a permis à Watson, le superordinateur d’IBM, de gagner contre des joueurs humains à Jeopardy!, saura-t-elle aider les médecins, les laboratoires pharmaceutiques et les chercheurs à vaincre le Covid-19 ? min, Dossier réalisé en collaboration avec Jean Charlet, AP-HP et Laboratoire d'informatique médicale et ingénierie des connaissances pour la e-santé (LIMICS, unité 1142 Inserm/Sorbonne Université/Université Paris 13), Paris. Que ce soit en oncologie ou en traumatologie, les technologies de l’IA apparaissent dans les portefeuilles de produits en développement. Sophie Lanone : Influencer le cours des maladies respiratoires, L’intelligence artificielle au bénéfice de l’analyse des grandes cohortes. Sociétés françaises et internationales actives dans le secteur de l’imagerie médicale ont choisi d’embarquer l’intelligence artificielle. Le séminaire de Lyon n'est qu'une première étape. Ils ont piloté le développement de l’ontologie des urgences qui entre dans la mise au point d’un prototype de moteur de fouille du dossier médical du patient ou du futur dossier médical partagé de la CNAM. Dès les années 1950, les chercheurs en informatique ont essayé d’étudier son fonctionnement mais le langage est un objet difficile à étudier et à modéliser. Contrairement aux applications médicales basées sur des méthodes de programmat… L’intelligence artificielle, as du diagnostic médical Chronique. L’intelligence artificielle est née dans les années 1950 avec l’objectif de faire produire des tâches humaines par des machines mimant l’activité du cerveau. Cette technique a vraiment eu des conséquences importantes puisqu’à l'aide d'approches similaires, une équipe de l’Hopital Necker a réussi à démontrer un lien entre la prise d’inhibiteurs calciques et la baisse de mortalité chez les patients atteints de la Covid. En France, les données de santé sont anonymisées pour être accessibles par les chercheurs, uniquement sur des projets autorisés. La mécanique algorithmique est globalement la même, mais les langages de description sont plus efficaces et les machines plus puissantes. L’intelligence artificielle (IA) est un domaine de recherche en pleine expansion et promis à un grand avenir. La plateforme Desiree intègre les recommandations de bonne pratique par la mise en œuvre d'un raisonnement fondé sur une ontologie. Intelligence Artificielle en Imagerie Médicale – Enjeux et Adoption. Mais l’utilisation par le public de ces logiciels sans supervision médicale soulève des questions éthiques importantes. Corriger ces erreurs passe par le croisement des données avec d’autres sources, comme celles correspondant aux médicaments administrés. La robotique est un sous-domaine spécifique de l’IA. L’information sur le covid-19 s’accroit de jour en jour au point de nous perdre dans un amas de connaissances scientifiques et de discussions sur les réseaux sociaux plus ou moins pertinentes. n Dr Jean-Philippe MASSON, Président de la Fédération Nationale des Médecins Radiologues. Ils sont même 80% à penser que … Dans le domaine médical, les biais principaux sont dus à la surreprésentation d’une catégorie de personnes, comme les personnes âgées ou des patients d’origine géographique particulière. Une équipe de recherche du département des anciens combattants américains, une équipe de l’Hopital Necker a réussi à démontrer, « L’ère de la charge des batteries à courant constant est révolue », clame le chercheur Rachid Yazami, Baisser le seuil de détection des tests RT-PCR du Covid-19 pour mieux dépister les individus contagieux, Contagiosité, vaccination et détection, le variant anglais du Covid-19 en trois questions clés, Opération transparence : le détail des essais cliniques des vaccins de Pfizer-BioNTech et AstraZeneca publiés, Covid-19 : Trois résultats scientifiques clés pour repenser la doctrine de dépistage par RT-PCR. Non … Intelligence artificielle : faut-il en avoir peur ? C’est l’objectif qui motive la participation de l’Union européenne, dans le cadre de son initiative phare Technologies futures et émergentes, au Human brain project. Contrairement à l’approche symbolique, l’approche dite numérique raisonne sur les données. Il laisse le patient à ses interrogations et ses angoisses. Le développement des algorithmes d'apprentissage automatique, la prolifération des données numériques et biométriques, l'accélération de la puissance de calcul et les progrès dans le domaine médical et biologique concourent d'ailleurs à cette révolution. Par ailleurs, un système d’aide à la décision en analyse d’échographies pour les grossesses extra-utérines (GEU) développé par le LIMICS et l’hôpital Trousseau, OPPIO, entre en phase de tests en 2019. Le système peut également apprendre à partir des cas déjà résolus (reproduction des décisions prises pour des cas similaires au cas clinique à résoudre), ou d'un raisonnement par expérience (réutilisation de décisions qui étaient non conformes aux recommandations, sur la base de critères explicités dans la justification du non-suivi des recommandations). Les auteurs appellent maintenant les réseaux sociaux à se saisir de leur recherche pour prédire les épidémies et améliorer le système global de détection. Grâce à l’ajout des données qui proviennent du langage naturel, on a eu suffisamment de données pour montrer que ce lien était statistiquement significatif » affirme Benoît Favre. Un avantage majeur des approches symboliques est de permettre de tracer le cheminement du raisonnement. Selon une analyse publiée dans The Lancet Digital Health, dans le domaine de la radiologie, il y a encore du chemin à parcourir, selon Xiaoxuan Liu et al. En attendant elle contribuera à mieux comprendre le fonctionnement de cet organe et à mieux appréhender les causes de certaines maladies d’origine cérébrale comme Alzheimer, Parkinson ou la maladie de Charcot. Si l’intelligence artificielle ne peut pas encore remplacer les médecins, elle les aide aujourd'hui, à l’image des professionnels de l’imagerie médicale qui sont 82% à affirmer que l’IA peut améliorer la pertinence de leurs décisions cliniques. 30-40 Cette voie de recherche est toujours explorée aujourd’hui, même si de nombreux chercheurs en IA estiment qu’atteindre un tel objectif est impossible. Il s'agit de détecter, segmenter et reconnaître des structures anatomiques normales et pathologiques, et d'en proposer des visualisations 3D. Réflexion à partir de 3 Cas d’Usages Dr. Bruno Dallaporta, Clinique Médicale et Pédagogique Edouard Rist, Paris. Ces systèmes, de complexité très variable, ont en commun d’être limités dans leurs capacités d’adaptation : ils doivent être manuellement adaptés pour accomplir d’autres tâches que celles pour lesquelles ils ont été initialement conçus. L’intelligence artificielle cherche à produire des machines dotées de capacités de compréhension, de perception et parfois de décision, à même de simplifier, voire de remplacer l’intervention humaine. Cette double approche est aussi particulièrement pertinente pour exploiter les données "variées" des patients (génomiques, cliniques, d’imagerie et d’analyses biologiques) qui seront regroupées sur une même plateforme dans le cadre du Plan France médecine génomique 2025. L’approche la plus ancienne s’appuie sur l’idée que nous raisonnons en appliquant des règles logiques (déduction, classification, hiérarchisation…). Les premiers modules d'intelligence artificielle sont maintenant proposés par les constructeurs. Des informations qui permettent détablir des diagnostics plus précoces et plus précis. Intervenant dans la journée « Intelligence artificielle : l’ordinateur passe la barrière de la langue » organisée par le CNRS le 12 janvier, Benoit Favre, chercheur au Laboratoire d'Informatique et Systèmes (LIS) d’Aix-Marseille Université explique qu’en contribuant comme d’autres à l’impression 3D de visières protectrices lors du premier confinement, il est entré en contact avec le médecin Stéphane Delliaux, qui lui a fait part de l’embarras dans lequel il se trouvait face à l’amoncellement de publications sur la pandémie : 2000 à 3000 articles scientifiques par semaine étaient mis en ligne, il était impossible de toutes les connaître et encore moins d’avoir un avis sur leur pertinence. Il doit être en mesure de comprendre le pourquoi et le comment des décisions affichées, et de les contourner si besoin. L’Intelligence Artificielle permet d'améliorer l'imagerie médicale, toujours à la recherche de rendus visuels de meilleure qualité. Congatec nous explique ce qu'on peut aujourd'hui attendre de l’informatique embarquée dans cette optique. : depuis une quinzaine d’années, l’application des sciences du numérique à des données médicales complexes révolutionne le traitement des données de santé, promettant des bénéfices multiples pour les patients. Si certains projets demandent du temps pour être opérationnels d’autres ont déjà permis aux biologistes et autres médecins d’y voir un peu plus clair dans ce flux continu d’information et de réaction difficile à suivre. Ces logiciels peuvent mobiliser une approche symbolique ou des approches fondées sur les réseaux de neurones. Dans cet objectif la commission de réflexion sur l’éthique de la recherche en sciences et technologie du numérique d’Allistene (Cerna) souligne la nécessité de concevoir des systèmes dont le fonctionnement est transparent, explicité et traçable, et qui effectuent les tâches spécifiées en respectant des contraintes explicites. | EpiRheum.com Si vous êtes, vous aussi, intéressés, intrigués ou même ennuyés par IA, n'hésitez pas à partager vos remarques et commentaires pour fructifier le débat. Cet article pour tenter d’y voir plus clair, avant d’affronterd’accompagner les changements. Olivier de Fresnoye et Mehdi Benchoufi préfèrent d’ailleurs parler de deux définitions. Seule une bonne compréhension des solutions proposées par l’application peut en effet permettre au médecin de discuter avec son patient et de lui exposer les alternatives possibles. L’intelligence artificielle au service d’une imagerie médicale plus performante L’IA est aujourd’hui omniprésente dans la littérature scientifique de l’imagerie médicale, d’autant plus depuis le développement de nouveaux algorithmes appelés réseaux de neurones convolutifs [1] . Leur coût doit également être justifié par une réelle plus-value pour le médecin ou le patient. Une équipe de recherche du département des anciens combattants américains a mis au point une technique pour compléter les informations manquantes en analysant les textes cliniques libres des dossiers des patients. L'Intelligence Artificielle (IA) promet une métamorphose complète du secteur de la santé. Depuis le début de l’épidémie, les chercheurs en traitement automatique du langage (TAL), ce domaine de l’intelligence artificielle qui cherche à manipuler le langage humain avec des machines, ont réfléchi aux moyens automatiques qu’ils pouvaient mettre en place pour clarifier l’information sur la pandémie. Intelligence artificielle et pratique médicale. La question se pose avec acuité devant les progrès constants de l’imagerie médicale, capable de dénicher une aiguille dans une botte de foin, et avec l’arrivée d’algorithmes d’in telligence artificielle (IA) d’une productivité stupéfiante. Des projets tentent de combiner les approches symbolique et d’apprentissage, afin de bénéficier à la fois du raisonnement de l’un et des performances de l’autre. Aide au diagnostic, choix du traitement le plus adapté et autres prouesses, l’intelligence artificielle s’impose depuis plusieurs années dans le domaine médicale et n’a de cesse d’étonner. Il s’agit alors de mettre en œuvre des logiciels de traitement automatique des langues pour analyser ces textes et en extraire des informations sur le patient (fouille de données). Les prothèses intelligentes visent quant à elles à réparer, voire augmenter le corps humain : membres ou organes artificiels (bras, cochlée, cœur, sphincter…), simulateur cardiaque, etc. Cette approche - dont il sera question tout au long de ce dossier - génère tous les systèmes spécialisés et performants qui peuplent aujourd’hui notre environnement : créer des profils d'amis possibles sur les réseaux sociaux, identifier des dates dans les textes pour classer des dépêches d’agence, aider le médecin à prendre des décisions, etc. Et le travail de recherche sur le corpus d’articles scientifiques continue. D’autre part, le traitement de ces données est conditionné au consentement éclairé de la personne concernée. Ce champ de recherche mobilise de nombreuses disciplines, de l’informatique aux sciences cognitives en passant par les mathématiques, sans oublier les connaissances spécialisées des domaines auxquels on souhaite l’appliquer. Publié le 14/01/2021 à 10h00. Par exemple un système conçu pour alerter sur de possibles contre-indications médicamenteuses ne doit pas saturer le praticien d’alertes "justes", mais non adaptées au contexte clinique du patient. L’IA est en effet au cœur de la médecine du futur, avec les opérations assistées, le suivi des patients à distance, les prothèses intelligentes, les traitements personnalisés grâce au recoupement d’un nombre croissant de données (big data), etc. Pour qu’une application soit utilisée par le médecin dans sa pratique quotidienne, il ne suffit pas qu’elle rende le service qu’on lui demande, il faut également que le système soit commode ! En revanche, fait plus étonnant, l’imagerie médicale est présente dans ce tableau. L’ambition de créer des machines capables de mimer l’intelligence humaine est née dans les années 1950. L’intelligence artificielle a fait des progrès énormes dans l’interprétation de l’imagerie médicale.D’après Alastair Denniston (membre de l’Université Hospitals Birmingham et du NHS foundation trust) et son équipe, l’intelligence artificielle est désormais capable de réaliser un diagnostic médical avec autant, voire plus de précision qu’un humain. En allégeant la charge de travail des praticiens, l’intelligence artificielle dans le secteur médical leur permet de remettre le patient au premier plan. Les plus célèbres, Mycin (identification d’infections bactériennes) ou Sphinx (détection d’ictères), s’appuient sur l’ensemble des connaissances médicales dans un domaine donné et une formalisation des raisonnements des spécialistes qui lient ces connaissances entre elles pour aboutir à un diagnostic. L’apprentissage automatique permettra d’identifier des profils de patients tenant compte de toutes ces données. Les médecins consacrent de plus en plus de temps à la documentation médicale. Ces modèles sont ensuite utilisés par des systèmes de raisonnement logique pour produire des faits nouveaux. d’intelligence artificielle français consacré à l’imagerie médicale. D’un autre côté, les tenants de l’intelligence artificielle dite faible mettent en œuvre toutes les technologies disponibles pour concevoir des machines capables d’aider les humains dans leurs tâches. Les approches numériques s’apparentent en revanche à une boîte noire, incapable de justifier ses décisions : nul ne sait ce que fait l’algorithme. On relève, dans certains cas, 30% d’erreurs dans la description des pathologies associées aux malades. Les algorithmes d’apprentissage profond (deep learning) par exemple, dont l’usage explose depuis une dizaine d’années, s’inspirent du fonctionnement cérébral : ils simulent un réseau de neurones organisés en différentes couches, échangeant les uns avec les autres. Un algorithme informatique au service des ophtalmologues, Elaboration et validation de l’iBox, le premier outil universel de prédiction du risque de perte de rein greffé basé sur l’intelligence artificielle, L’intelligence artificielle facilite l’évaluation de la toxicité des substances chimiques : le cas du bisphénol S, Une intelligence artificielle permet de prédire la réponse thérapeutique des patients atteints d’un cancer du rectum avancé traités par radiochimiothérapie préopératoire, Prédire la réponse à l’immunothérapie grâce à l’intelligence artificielle, Un programme informatique capable de détecter et d’identifier automatiquement des lésions cérébrales, L’Intelligence Artificielle au service de la recherche médicale : l’Inserm et Owkin s’associent, Dassault Systèmes et l’Inserm annoncent la signature d’un accord pour analyser la complexité des maladies et accélérer la recherche clinique, Un cerveau « simplifié » permet au robot iCub d’apprendre le langage, Big data en santé - dossier d’information, Chirurgie assistée par ordinateur - dossier d’information, L’intelligence artificielle progresse – à lire sur le site Histoire de l’Inserm, Intelligence artificielle et robotisation, – ressources proposées dans le cadre des Etats généraux de la bioéthique (2018), Donner un sens à l'intelligence artificielle (IA), – rapport de la mission Villani (mars 2018), Médecins et patients dans le monde des data, des algorithmes et de l’intelligence artificielle, – livre blanc du Conseil national de l’Ordre des médecins, Ethique de la recherche en apprentissage machine, - rapport de la Commission de réflexion sur l’éthique de la recherche en sciences et technologies du numérique d’Allistene (novembre 2014).