Des algorithmes au service de la médecine

« L’intelligence artificielle (IA) est un domaine de recherche en pleine expansion et promis à un grand avenir. Ses applications, qui concernent toutes les activités humaines, permettent notamment d’améliorer la qualité des soins. L’IA est en effet au cœur de la médecine du futur, avec les opérations assistées, le suivi des patients à distance. Par exemple les prothèses intelligentes, les traitements personnalisés grâce au recoupement d’un nombre croissant de données (big data), etc.

Les chercheurs développent pour cela des approches et techniques multiples, du traitement des langues et de la construction d’ontologies à l’apprentissage automatique. En passant par la fouille de données (ou data mining) qui est une technique visant à extraire un savoir ou une connaissance à partir des mégadonnées. Et ceci par des méthodes automatiques ou semi-automatiques. Il est toutefois indispensable que le grand public comprenne comment fonctionnent ces systèmes pour savoir ce qu’ils font et surtout ce qu’ils ne font pas. Le robot omniscient, qui pour beaucoup symbolise l’IA, n’est pas pour demain ! »

Les tenants de l’IA

L’IA a plusieurs objectifs qui tiennent dans 2 tendances principales. A savoir celle de remplacer l’humain et celle d’aider les humains de différentes façons, à travers des machines plus ou moins évoluées.On appellera ces tendances fortes ou faibles.

« Les tenants de l’intelligence artificielle dite forte visent à concevoir une machine capable de raisonner comme l’humain. Avec le risque supposé de générer une machine supérieure à l’homme et dotée d’une conscience propre. Cette voie de recherche est toujours explorée aujourd’hui, même si de nombreux chercheurs en IA estiment qu’atteindre un tel objectif est impossible.

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. 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. »

Les domaines d’application de l’IA en médecine

Les domaines d’application de l’IA en médecine sont très variés et peuvent se décliner suivant différentes catégories dont notamment :

  • la médecine prédictive (prédiction d’une maladie et/ou de son évolution).
  • la médecine de précision (recommandation de traitement personnalisé).
  • l’aide à la décision (diagnostique et thérapeutique).
  • les robots compagnons.
  • la chirurgie assistée par ordinateur.
  • la prévention (anticipation d’une épidémie, pharmacovigilance).

L’approche de H2H mobility dans le domaine de la e-santé est de développer les aspects de médecine préventive et d’aide à la décision à travers l’utilisation d’algorithmes spécifiques.

Certains systèmes d’IA utilisent la logique…

« L’approche la plus ancienne s’appuie sur l’idée que nous raisonnons en appliquant des règles logiques. Par exemple la déduction, la classification, la hiérarchisation…. Les systèmes conçus sur ce principe appliquent différentes méthodes, fondées sur l’élaboration de modèles d’interaction entre automates ou logiciels autonomes (systèmes multi-agents). De modèles syntaxiques et linguistiques (traitement automatique des langues) ou d’élaboration d’ontologies (représentation des connaissances). Ces modèles sont ensuite utilisés par des systèmes de raisonnement logique pour produire des faits nouveaux.

Dans les années 1980, cette approche, dite symbolique, a permis le développement d’outils capables de reproduire les mécanismes cognitifs d’un expert. C’est pourquoi on les a baptisés « systèmes experts ». Les plus célèbres, Mycin (identification d’infections bactériennes) ou Sphinx (détection d’ictères). Ils 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.

Les systèmes actuels, qualifiés d’aide à la décision, de gestion des connaissances ou d’e-santé, sont plus sophistiqués. Ils bénéficient de meilleurs modèles de raisonnement. Ainsi que de meilleures techniques de description des connaissances médicales, des patients et des actes médicaux. La mécanique algorithmique est globalement la même. Mais les langages de description sont plus efficaces et les machines plus puissantes. Ils ne cherchent plus à remplacer le médecin, mais à l’épauler dans un raisonnement fondé sur les connaissances médicales de sa spécialité. »

…D’autres exploitent l’expérience passée

« Contrairement à l’approche symbolique, l’approche dite numérique raisonne sur les données. Le système cherche des régularités dans les données disponibles pour extraire des connaissances, sans modèle préétabli. Cette méthode, née avec le connexionnisme et les réseaux de neurones artificiels dans les années 1980, se développe aujourd’hui. D’abord grâce à l’augmentation de puissance des ordinateurs, mais aussi à l’accumulation des gigantesques quantités de données. Le fameux big data.

La plupart des systèmes actuels procèdent par apprentissage automatique, une méthode fondée sur la représentation mathématique et informatique de neurones biologiques. Et selon des modalités plus ou moins complexes. Les algorithmes d’apprentissage profond (deep learning) par exemple, dont l’usage explose depuis une dizaine d’annéess’inspirent du fonctionnement cérébral : ils simulent un réseau de neurones organisés en différentes couches, échangeant les uns avec les autres. La force de cette approche est que l’algorithme apprend la tâche qui lui a été assignée par « essais et erreurs », avant de se débrouiller tout seul. »

Voir l’article complet sous https://www.inserm.fr/information-en-sante/dossiers-information/intelligence-artificielle-et-sante.