L'intelligence artificielle en médecine: devenir plus intelligent un patient à la fois

Les médecins, les chercheurs et les ingénieurs biomédicaux utilisent l’intelligence artificielle (IA) pour définir l’approche thérapeutique spécifique à chaque patient. Crédit: Université de Yale

Et si les médecins avaient plus de temps à consacrer aux préoccupations de leurs patients? C’est la poussée derrière la poussée pour intégrer l’intelligence artificielle (IA) dans la médecine. En utilisant des algorithmes complexes pour détecter des modèles dans de grands ensembles de données – comme les résultats de tests de laboratoire, les médicaments actuels et les symptômes, pour n’en nommer que quelques-uns – l’IA pourrait en fait rendre la médecine plus agréable – pas moins.

«Au moment où les patients entrent, nous savions déjà ce qu’ils ont vécu», explique Harlan Krumholz, MD, cardiologue et chercheur de données de Yale Medicine. “Surtout pour les patients souffrant de maladies chroniques, nous avons pu détecter leur besoin de soins médicaux avant eux.”

La définition de l’IA varie selon les industries et même d’un dictionnaire à l’autre. Mais d’une manière générale, dans le domaine de la médecine, l’IA fait référence à l’utilisation de systèmes informatiques pour créer des algorithmes basés sur des modèles de données brutes pour trouver des connexions (comme entre une mutation génétique et une condition médicale – ou des groupes de symptômes à une maladie particulière ), ce serait très difficile, voire impossible, pour une personne à identifier.

Pour illustrer à quoi ressemblera un avenir en médecine assistée par l’IA, le Dr Krumholz donne un exemple hypothétique d’un patient à risque d’insuffisance cardiaque, une condition où un muscle cardiaque affaibli peine à pomper suffisamment de sang oxygéné dans tout le corps.

Pour commencer, le patient commencerait la journée en marchant sur une balance connectée à Internet qui surveillerait les changements de poids pour détecter d’éventuels signes de rétention d’eau – une caractéristique de l’insuffisance cardiaque. Il ou elle attacherait une montre intelligente ou un autre capteur pour suivre les étapes et le niveau d’activité, et utiliserait une application téléphonique pour enregistrer des symptômes spécifiques, tels que l’essoufflement. Toutes ces données seraient transmises directement au dossier de santé électronique (DSE), qui “prendrait toutes ces informations et catégoriserait le risque du patient, plutôt que d’attendre que le patient vienne chez nous”, explique le Dr Krumholz. Le médecin pourrait alors alerter le patient qu’il approche du danger et prendre des mesures pour l’éviter, permettant ainsi de prodiguer des soins de manière proactive plutôt que réactive.

Ce type d’interaction assistée par l’IA en médecine remonte à des années, explique le Dr Krumholz. Depuis 1995, il dirige le Centre for Outcome Research and Evaluation (CORE), dont la recherche a aidé à améliorer les soins aux patients en collectant, mesurant et analysant toutes sortes de données, des dossiers de facturation aux dossiers médicaux traditionnels et maintenant aux DSE.

Avant que les dossiers des patients ne soient numérisés et puissent être analysés par ordinateur via des algorithmes et l’apprentissage automatique, le Dr Krumholz et son équipe ont travaillé pour extraire des informations des dossiers papier. Ce travail coûteux et à forte intensité de main-d’œuvre a pris des années. La recherche – résultat d’une collaboration avec des organismes fédéraux, des organisations professionnelles médicales telles que l’American College of Cardiology et l’American Heart Association, ainsi que des cliniciens, des hôpitaux et autres – a conduit à des améliorations spectaculaires des soins. Dans un effort notable, qui a duré des années, la recherche et sa diffusion ont permis de réduire considérablement le temps nécessaire aux patients victimes d’une crise cardiaque pour recevoir un traitement salvateur qui élimine leurs caillots sanguins.

Aujourd’hui, de tels projets pourraient être réalisés en ne nécessitant qu’une fraction du temps et des ressources. Comme le note le Dr Krumholz, «à l’ère numérique, la perspective d’une recherche en temps réel produisant des informations exploitables en temps réel et des améliorations opportunes des soins approche à grands pas.

IA et médecine de précision

La Food and Drug Administration (FDA) évalue désormais les outils d’IA de la même manière qu’elle examine les médicaments et les dispositifs médicaux pour leur efficacité et leur sécurité. Par exemple, un système d’IA approuvé analyse les tomodensitogrammes de patients présentant des symptômes neurologiques, envoyant des SMS aux médecins lorsque les résultats suggèrent un AVC. Cela les aide à fournir un traitement efficace plus rapidement, ce qui contribue à prévenir les lésions cérébrales causées par les accidents vasculaires cérébraux.

«L’apprentissage automatique et l’IA nous aident à rassembler des données hautement complexes et de grande dimension d’une manière que nous ne pouvions tout simplement pas faire auparavant avec nos analyses plus traditionnelles», explique le Dr Krumholz.

Voici quelques-unes des façons dont l’IA est actuellement utilisée par les médecins de Yale Medicine pour apporter des traitements plus rapides et plus efficaces aux patients.

Apprentissage automatique et cancer de la prostate

Même si le cancer de la prostate est le deuxième type de cancer le plus courant aux États-Unis, il reste difficile à diagnostiquer. En règle générale, les médecins doivent insérer à plusieurs reprises des aiguilles de biopsie dans la prostate, en recueillant plusieurs échantillons de la zone dans laquelle une masse serait dans l’espoir d’obtenir un groupe de cellules cancéreuses. Parce que la prostate est un organe mou qui peut tourner et se déplacer dans le bassin, “C’est une chose très difficile à biopsier”, explique l’urologue Yale Medicine Preston C. Sprenkle, MD.

À l’aide de l’apprentissage automatique assisté par l’IA, le Dr Sprenkle combine des échographies et des IRM d’un patient en une seule image qui montre plus précisément où se trouve la tumeur suspectée. «L’IRM et l’échographie montrent des visualisations très différentes de l’anatomie, et le défi consiste à cartographier ces deux images ensemble», explique John Onofrey, Ph.D., professeur adjoint de radiologie et d’imagerie biomédicale et d’urologie, qui a travaillé avec le Dr Sprenkle pour configurer l’outil AI.

L’outil, appelé fusion IRM / TRUS pour la biopsie de la prostate, recueille des données d’image et alimente ces informations dans un algorithme qui crée ensuite une image 3D de la prostate. Les médecins peuvent ensuite explorer ces images sous différents angles sur un écran d’ordinateur afin d’identifier précisément les lésions à cibler pour une biopsie.

“Nous avons appris de centaines de cas antérieurs, et avec une formation manuelle du Dr Sprenkle, comment la prostate peut se déformer [or change shape] au cours de cette procédure de biopsie “, dit Onofrey. En cartographiant d’abord les images avec un logiciel d’IA, les médecins sont en mesure de faire des insertions d’aiguilles plus précises – et donc moins – pour récupérer des échantillons de biopsie, ce qui, comme on peut l’imaginer, améliore considérablement l’expérience de la patient subissant la procédure.

Intelligence artificielle et cancer du foie

Le cancer du foie est complexe, les médecins doivent donc tenir compte des informations provenant de nombreuses sources différentes pour déterminer la meilleure façon de traiter un patient particulier. Par exemple, pour voir le cancer, ils s’appuient sur des images CT et IRM. Ils doivent mesurer la taille de la tumeur et essayer de comprendre sa vitesse de croissance. Ils essaient d’identifier des gènes particuliers trouvés dans la tumeur et évaluent également les antécédents médicaux et familiaux du patient pour aider à guider les plans de traitement.

Travaillant à trouver des moyens d’améliorer la précision en incorporant des points de données supplémentaires et disparates, les spécialistes du cancer du foie de Yale Medicine ont approché une équipe d’ingénieurs biomédicaux et d’informaticiens de Yale pour explorer la création d’un algorithme qui pourrait les aider à reconnaître les modèles dans les données.

«Nous nous sommes tournés vers les cliniciens pour nous poser les questions cliniques appropriées», explique Lawrence Staib, Ph.D., chercheur en radiologie et imagerie biomédicale, spécialisé dans l’utilisation de l’apprentissage automatique pour analyser les images médicales. “Ensuite, c’est un processus narratif de test des algorithmes et d’évaluation de leur performance.”

Les deux parties se sont concentrées sur l’amélioration de la reconnaissance des motifs dans les images.

«Dans le cancer du foie, l’imagerie joue un rôle très, très important», explique le chercheur en médecine de Yale et radiologue interventionnel Julius Chapiro, MD. “Nous devons améliorer l’extraction des informations d’imagerie de manière quantitative.”

Les algorithmes produits par l’IA s’avèrent utiles pour combler un fossé entre les données complexes et la prise de décision clinique. Bien qu’il y ait encore place à amélioration, l’équipe voit déjà des avantages à cette approche.

“Les humains sont imparfaits”, explique Jeffrey Pollack, MD, un autre radiologue interventionnel impliqué dans le projet. “Et les machines ne seront pas parfaites non plus. Mais peut-être que les assembler permettra d’atteindre un plus grand niveau de perfection.”

Planification 3D de la chirurgie plastique faciale

Les techniques d’apprentissage automatique peuvent ajouter un autre niveau de précision aux modèles de conception 3D assistée par ordinateur, qui aident les chirurgiens plasticiens à se préparer à une chirurgie complexe de reconstruction faciale.

«Il y a tellement de considérations fonctionnelles qui vont de pair avec le visage», explique Derek Steinbacher, DMD, MD, chirurgien plasticien et reconstructeur de Yale Medicine. “La plupart du temps, c’est une forme-fonction”, dit-il, se référant à la nécessité pour les structures, comme les os délicats du visage humain, d’avoir des proportions équilibrées pour bien fonctionner.

En collaborant avec des chercheurs à l’échelle nationale et mondiale, les chirurgiens de Yale Medicine ont créé un modèle d’apprentissage automatique basé sur des images d’environ 4 000 personnes avec des structures faciales normales. Travaillant dans le domaine spécialisé de la morphométrie, qui repose sur la mesure et le test de facteurs qui affectent la forme ou la forme des organismes vivants à l’aide d’une analyse quantitative, l’équipe a créé des modèles 3D de visages.

Les programmes informatiques comparent ensuite de grandes quantités de modèles faciaux normaux à ceux fabriqués à partir de scans postopératoires, fournissant des informations que les chirurgiens peuvent utiliser pour améliorer les résultats de la chirurgie.

“Nous pourrions utiliser un modèle [to understand] quelle sera la relation osseuse et comment nous devons déplacer l’os pour obtenir un résultat facial », explique le Dr Steinbacher, qui dirige le programme de chirurgie craniofaciale de Yale Medicine et est chef de la chirurgie buccale maxillo-faciale et de la dentisterie.

Pour construire un modèle, les médecins compilent l’IRM et d’autres images d’imagerie à partir du dossier médical d’un patient. “Nous pouvons ensuite les rendre numériquement et essentiellement effectuer la chirurgie dans un espace numérique”, explique le Dr Steinbacher. Une fois que le modèle 3D est précis, les chirurgiens peuvent imprimer un modèle des os du visage d’un patient et l’utiliser dans la salle d’opération pour guider la chirurgie en temps réel.

“Je pense que l’intégration de ce modèle dans notre processus de planification nous aidera à obtenir des résultats reproductibles, haute fidélité et précis”, a déclaré le Dr Steinbacher.


Le réseau neuronal peut déterminer la gravité du cancer du poumon


Plus d’information:
Centre de recherche et d’évaluation des résultats: medicine.yale.edu/core/

Fourni par
Université de Yale

Citation:
L’intelligence artificielle en médecine: devenir plus intelligent un patient à la fois (2020, 26 juin)
récupéré le 27 juin 2020
sur https://techxplore.com/news/2020-06-artificial-intelligence-medicine-smarter-patient.html

Ce document est soumis au droit d’auteur. Hormis toute utilisation équitable aux fins d’études ou de recherches privées, aucun
une partie peut être reproduite sans la permission écrite. Le contenu est fourni seulement pour information.