Machine Learning et santé

L’intelligence artificielle est en passe de révolutionner le secteur de la santé

« Feriez-vous confiance à un ordinateur pour vous soigner à l’hôpital ou pour remplacer votre médecin généraliste ? Il est probable que vous hésitiez à deux fois avant d’accepter. Pourtant, la santé compte parmi les nombreux secteurs que l’intelligence artificielle s’apprête à transformer. Les diagnostics sont une composante essentielle des soins de santé. Pour prendre en charge un patient efficacement, il est indispensable d’identifier sa maladie avec précision. Or, le Machine Learning de développer de nouvelles méthodes d’identification plus efficaces. »

Qu’est ce que le Machine Learning ?

« Le Machine Learning est une technologie d’intelligence artificielle permettant aux ordinateurs d’apprendre sans avoir été programmés explicitement à cet effet. Pour apprendre et se développer, les ordinateurs ont toutefois besoin de données à analyser et sur lesquelles s’entraîner. De fait, le Big Data est l’essence du Machine Learning, et  c’est la technologie qui permet d’exploiter pleinement le potentiel du Big Data. Cette technique et le Big Data sont interdépendants. Si le Machine Learning ne date pas d’hier, sa définition précise demeure encore confuse pour de nombreuses personnes. Concrètement, il s’agit d’une science moderne permettant de découvrir des patterns et d’effectuer des prédictions à partir de données en se basant sur des statistiques, sur du forage de données, sur la reconnaissances de patterns et sur les analyses prédictives. Les premiers algorithmes sont créés à la fin des années 1950. « 

machine-learning-big-data-essence-768x381

 

 

 

 

 

 

 

 

 

 

 

 

 

« Le Machine Learning est très efficace dans les situations où les insights doivent être découvertes à partir de larges ensembles de données diverses et changeantes, c’est à dire : le Big Data. Pour l’analyse de telles données, il se révèle nettement plus efficace que les méthodes traditionnelles en termes de précision et de vitesse. Par exemple, en se basant sur les informations associées à une transaction comme le montant et la localisation, et sur les données historiques et sociales, le Machine Learning permet de détecter une fraude potentielle en une milliseconde. Ainsi, cette méthode est nettement plus efficace que les méthodes traditionnelles pour l’analyse de données transactionnelles, de données issues des réseaux sociaux ou de plateformes CRM. »

« Les diagnostics sont une composante essentielle des soins de santé. Pour prendre en charge un patient efficacement, il est indispensable d’identifier sa maladie avec précision. Or, le Machine Learning permet de développer de nouvelles méthodes d’identification plus efficaces. »

Quelques applications spécialisées dans le Machine Learning

En 2016, IBM Watson Health et Quest Diagnostics s’associaient pour former Watson Genomics. Ce partenariat a permis de chercher comment intégrer le cognitive computing et le séquençage génomique des tumeurs. De même, Google DeepMind s’est associé avec plusieurs organisations médicales britanniques afin de développer des solutions de diagnostics basées sur le Machine Learning.

On peut aussi évoquer la plateforme PReDicT (P1vital Predicting Response to Depression Treatment) développée par l’université d’Oxford, qui permet de diagnostiquer et de soigner les maladies du cerveau grâce à l’analyse prédictive.

En outre, une équipe de chercheurs du MIT a trouvé comment gagner du temps pour l’analyse d’imagerie médicale grâce au Machine Learning par rapport aux techniques traditionnelles comme les rayons X ou les scans IRM. L’algorithme d’apprentissage automatique qu’ils ont développé est capable d’analyser les images 1000 fois plus rapidement que les humains. De quoi permettre aux médecins d’intervenir beaucoup plus vite.

 

Laisser un commentaire

Or