mardi 14 novembre 2017, par
Les applications de l’intelligence artificielle n’en sont qu’à leurs balbutiement. C’est ce qui ressort des présentations qui ont rythmé le 1er Colloque Innov’inMed organisé à Marseille les 26 et 27 octobre 2017. Le médecine des 4P est en bonne voie mais la recherche doit encore améliorer cette discipline, notamment la qualité des données traitées. Le monde sanitaire est en tout cas appelé à se transformer et les managers de Santé seront forcément impliqués dans cette évolution.
L’intelligence artificielle est en train de s’implanter dans tous les secteurs d’activité et la Santé fait partie des domaines dans lesquels elle est susceptible d’engendrer les évolutions les plus prometteuses.
Des logiciels et des algorithmes pour filtrer les données de Santé
Mais qu’est-ce que c’est, au juste, que l’intelligence artificielle ? Le 1er Colloque Innov’inMed, qui s’est tenu les 26 et 27 octobre 2017 à Marseille, était consacré à cette discipline. Des start-up françaises, venues pour la plupart de la région PACA, venaient présenter, leurs travaux pour les unes, leurs solutions déjà éprouvées pour les autres, dédiées à la Santé. Il s’agit, pour elles, d’utiliser l’impressionnant volume de données de Santé généré par les populations et d’élaborer des logiciels et des algorithmes capables de les filtrer et d’en tirer des informations précises destinées à améliorer leur Santé.
Séquençage du génome humain ou identification d’un article scientifique
Cette définition peut paraître quelque peu floue pour les personnes non-initiées. Alors voici quelques exemples de dont ces petites sociétés sont capables. La start-up Genepred est spécialisée dans le séquençage du génome humain. Elle se propose d’identifier les individus susceptibles de développer une fibrose du foie (cyrrhose), du poumon ou du cœur notamment, en repérant, dans leur génome, la séquence ADN responsable de ces pathologies. Pierre Dessein, le Directeur de cette société, a mis en lumière les promesses de ce processus, par exemple pour les 250 millions de personnes risquant de développer la bilharziose dans le monde. Une autre société s’est spécialisée dans l’extraction de mots clés dans la littérature scientifique à l’attention des étudiants ou des chercheurs. Une autre enfin est capable de reproduire le génome d’un patient pathologique et d’en construire un jumeau digital afin de simuler, par exemple, l’effet d’un médicament sur celui-ci.
Des applications en dermatologie ou en Santé publique
Ces applications utilisent ce que l’on appelle le deep learning. La vitesse de calcul des ordinateurs actuels et les énormes quantités de données qu’ils peuvent digérer ont rendu possible la montée en puissance de cette intelligence artificielle. Une expérience récente a montré qu’une machine utilisant le deep learning pouvait, plus rapidement et avec plus de précision qu’un dermatologue, classer des images de lésions de la peau. Dans un autre domaine, cette discipline sera bientôt utilisée pour améliorer le dépistage organisé du cancer du sein par la prise en compte, non plus seulement de l’âge et de la clinique de la patiente, mais également son génotype, pour évaluer plus précisément les personnes à risque.
Rapprocher les laboratoires des hôpitaux
Mais le développement de ces techniques très prometteuses nécessite la collaboration de plusieurs types d’institutions, universitaires, industrielles et financières. Françoise Dignat-Gerges, Doyenne de la faculté de pharmacie de Marseille, a mis en lumière l’importance de la participation collégiale académique, institutionnelle et privée, auxquelles il faut ajouter les associations de patients, pour faire avancer les recherches. Elle a souligné les avantages de la proximité entre les laboratoires et les hôpitaux, pour que les recherches passent très vite « de la paillasse au patient » (from bench to bedsite).
Des outils pour faire émerger la médecine des 4P
Car la discipline n’en est encore qu’à ses balbutiements. Le deep machine learning transforme un problème sanitaire, en data science, pour créer des prédictions afin d’aboutir à la médecine des 4P (prédictive, préventive, personnalisée, participative). Les données sont sans cesse reformatées pour créer de nouvelles conditions aux problèmes ou aux pathologies que l’on veut étudier. Mais il est essentiel, notamment, d’améliorer la qualité des données car les approximations (le bruit) peuvent polluer les algorithmes et fausser les résultats.
Reste que l’intelligence artificielle ouvre le champ des possibles, pour l’ensemble des professionnels de Santé. Qui sait si demain certains managers ne deviendront pas des gestionnaires de données médicales, des qualiticiens de l’information de santé ou des coordonnateurs de deep machine learning ? Les évolutions sont tellement rapides que cela n’est pas que de la science fiction...
Bruno Benque
Rédacteur en chef www.cadredesante.com
bruno.benque@cadredesante.com
@bbenk34
Partager cet article
