Des générations d'IA se développent rapidement en médecine

Programmée par des ingénieurs informaticiens à la fin du XXe siècle, l’IA est née sur la base d’un ensemble d’instructions (règles) créées par les humains, permettant à la technologie de résoudre des problèmes de base.

Première génération

La formation actuelle de l'IA peut être comparée à celle des étudiants en médecine. Les systèmes d'IA apprennent également des centaines d'algorithmes pour traduire les symptômes des patients en diagnostics. Il s'agit de la première génération de règles de santé à être intégrée aux systèmes d'IA.

Les algorithmes décisionnels se développent comme un arbre, partant du tronc (le problème du patient) et se ramifiant à partir de là. Par exemple, si un patient se plaint d'une forte toux, le médecin lui demandera d'abord s'il a de la fièvre. Deux séries de questions seront posées : fièvre/absence de fièvre. Les premières réponses mèneront à d'autres questions sur l'affection, qui mèneront à d'autres branches. Finalement, chaque branche correspond à un diagnostic, qui peut aller de la pneumonie bactérienne, fongique ou virale au cancer, à l'insuffisance cardiaque ou à des dizaines d'autres maladies pulmonaires.

En général, la première génération d'IA était capable d'identifier les problèmes, mais ne pouvait pas analyser ni classer les dossiers médicaux. Par conséquent, les premières formes d'intelligence artificielle ne pouvaient pas être aussi précises que celles des médecins qui combinaient la science médicale à leur intuition et à leur expérience. En raison de ces limites, l'IA basée sur des règles était rarement utilisée en pratique clinique à d'autres époques.

Automatisation complète

Au début du XXIe siècle, la deuxième ère de l'IA a débuté avec l'intelligence artificielle étroite (ANI), une intelligence artificielle capable de résoudre des ensembles de tâches spécifiques. L'avènement des réseaux neuronaux imitant la structure du cerveau humain a ouvert la voie à l'apprentissage profond. L'ANI fonctionne très différemment de ses prédécesseurs. Au lieu de fournir des règles prédéterminées par les chercheurs, les systèmes de deuxième génération utilisent d'énormes ensembles de données pour identifier des schémas qui nécessiteraient un temps considérable pour les humains.

Dans un exemple, les chercheurs ont alimenté un système ANI avec des milliers de mammographies, dont la moitié révélaient des cancers malins et l'autre moitié des cancers bénins. Le modèle a pu identifier instantanément des dizaines de différences dans la taille, la densité et la teinte des mammographies, attribuant à chaque différence un facteur d'impact reflétant la probabilité de malignité. Il est important de noter que ce type d'IA ne s'appuie pas sur des heuristiques (règles empiriques) comme le font les humains, mais plutôt sur des variations subtiles entre les examens malins et normaux, inconnues du radiologue et du concepteur du logiciel.

Contrairement à l'IA basée sur des règles, les outils d'IA de deuxième génération surpassent parfois l'intuition humaine en termes de précision diagnostique. Cependant, cette forme d'intelligence artificielle présente également de sérieuses limites. Premièrement, chaque application est spécifique à une tâche. Autrement dit, un système entraîné à lire des mammographies ne peut interpréter des scanners cérébraux ou des radiographies thoraciques. La principale limite de l'IAA réside dans le fait que la qualité du système dépend des données sur lesquelles il a été entraîné. Un exemple clair de cette faiblesse est celui de UnitedHealthcare qui s'est appuyé sur une IA restreinte pour identifier les patients les plus malades et leur proposer des services médicaux supplémentaires. En analysant les données, les chercheurs ont constaté que l'IA avait émis une hypothèse néfaste. Des patients ont été diagnostiqués comme sains simplement parce qu'ils avaient reçu peu de soins médicaux dans leur dossier médical, tandis que les patients ayant eu recours à de nombreux soins médicaux ont été jugés comme étant en mauvaise santé.

Les futures générations d'IA permettront également de diagnostiquer des maladies et de planifier des traitements comme n'importe quel médecin. Actuellement, un outil d'IA générative (MED-PALM2 de Google) a réussi l'examen d'agrément des médecins avec un score d'expert. De nombreux autres outils d'IA médicale peuvent désormais établir des diagnostics similaires à ceux des médecins. Cependant, ces modèles nécessitent toujours la supervision d'un médecin et ne sont pas susceptibles de remplacer les médecins. Cependant, avec leur croissance exponentielle actuelle, ces applications devraient devenir au moins 30 fois plus puissantes dans les 5 prochaines années. Les futures générations d'outils comme ChatGPT devraient mettre l'expertise médicale à la portée de tous, transformant ainsi fondamentalement la relation médecin-patient.

Compilé par VIET LE