"Ce que l'on croit ou espère nécessairement vrai ou juste revient toujours comme vérité éternelle après être passé à travers le système digestif de l'ordinateur. L'opposé de quelque chose de mal n'est pas nécessairement bien, et peut même parfois être encore pire." Paul Watzlawick
« La science et la technique ont pris le pas sur la nature, sur le pouvoir, sur la poésie, sur la philosophie et sur la religion. Voilà le coeur de l'affaire. Elles ont bouleversé notre vie. Jean d'Ormesson
"La régulation positive de l’intelligence artificielle en santé représente un enjeu majeur pour permettre une diffusion de l’innovation numérique, dans un esprit d’ouverture et de cohérence et avec des valeurs éthiques." David Gruson
Suivi des patients, robots chirurgiens, traitements personnalisés, prothèses intelligentes ou surveillance épidémiologique : l'intelligence artificielle a un énorme potentiel dans le domaine de la santé à la condition d'une éthique préservée.
Quelques définitions
L'Intelligence Artificielle ou IA n'existe pas : les technologies de l'information et les technologies en général sont des instruments de l'intelligence humaine. C'est un peu comme l'Intelligence Animale , l'autre IA, le chien a appris et il reproduit ce que l'homme lui a appris , par exemple le dépistage de la Covid-19. Cette IA humaine doit servir des objectifs humanistes. Cette IA n'est que le résultat de tout ce que l'homme à appris aux machines, aux ordinateurs, dans un seul but par exemple en médecine d'optimiser les diagnostics et les traitements des affections cardiovasculaires. Ce que peut faire l'IA est la résultante à la fois de l'homme et des machines qui ont été créée par l'homme. L'IA qui prendrait le pouvoir c'est de la science-fiction aujourd'hui. Demain cela restera de la science-fiction si l'homme en garde la maîtrise. Il ne faut pas être effrayé par l'IA, il faut ne faut pas la déshumaniser au contraire.
Pour mieux comprendre , quelques définitions d'après Axel Cypel (https://www.linkedin.com/in/axel-cypel-854487149/?originalSubdomain=fr)
- L'IA s'est faire faire à la machine des tâches qui demandent de l'Intelligence à l'Homme.
- L'IA c'est une "machine learning" , la reconnaissance visuelle, le traitement automatique du langage, la voiture autonome, vos smartphones, les moteurs de recherche etc.
- L'A c'est donner des capacités cognitives à la machine, résoudre des problèmes complexes avec. L'IA c'est conférer à la machine des facultés de perception, d'apprentissage, de raisonnement, de décision, de dialogue.
- Le "Machine Learning" (ML) est le bras armé de l'IA, littéralement "apprentissage automatique".Le ML utiise des algorithmes afin de modéliser un phénomène ou un problème.
* Modéliser : produire un modèle c'est trouver une relation.
* Algorithme : c'est un procédé (sorte de recette) qui permet de résoudre un problème par la mise en oeuvre de suites d'opérations élémentaires selon un processus défini aboutissant à une solution.
- Deep Learning ou apprentissage profond est un type d'intelligence artificielle dérivé du machine learning (apprentissage automatique) où la machine est capable d'apprendre par elle-même, contrairement à la programmation où elle se contente d'exécuter à la lettre des règles prédéterminées. Le deep Learning s'appuie sur un réseau de neurones artificiels s'inspirant du cerveau humain. Ce réseau est composé de dizaines ,oire de centaines de « couches » de neurones, chacune recevant et interprétant les informations de la couche précédente. Le système apprendra par exemple à reconnaître les lettres avant de s'attaquer aux mots dans un texte, ou détermine s'il y a un visage sur une photo avant de découvrir de quelle personne il s'agit.
D'aprés : https://www.sfcardio.fr/sites/default/files/2021-02/2021_02-AMCVP_du_mois.pdf
D'après https://www.cell.com/med/pdf/S2666-6340(21)00155-0.pdf
Rappel historique : Muhammad ibn Musa al-Khwarizmi - célèbre scientifique né à Khiva (Ousbékisran actuel) en 783/850 . Son nom latinisé , Algorithmi est à l'origine de l'algorithme. Ce fût un mathématicien un astonome et un géographe.
Voici la meilleure définition d'un algorithme (Cédric Villani sur Radio Classique le 20 Novembre 2017) . Un algorithme est l'équivalent dans le quotidien d'une recette de cuisine. On a connaissance d'un plat qui s'appelle "pot au feu" mais on ne sait pas le faire.La recette de ce plat fournit l'algorithme qui permet d'aboutir à sa réalisation.
Revenons au concept de Machine Learning en citant la définition de Laurence Devilleurs, Professeur en IA (https://laurence-devillers.com/) :" l'apprentissage machine ou apprentissage automatique, branches de l'IA, permet aux machines d'effectuer des tâches pour lesquelles elles ne sont pas explicitement programmées par des règles pré-établies, en apprenant à partir d'un grand ensemble d'exemples"
le ML est ainsi constitué de méthodes informatiques mettant en jeu des outils mathématiques que sont ces fameux algorithmes aux fin de produire des modèles.
Denier point la "datascience" n'est pas une nouvelle science, mais regroupe les techniques issues des mathématiques appliquées et de l'informatique dans le but de créer des modéles, cad des explications d'un monde donné, destinés à être utilisé à des fin prédictives, par exemple en la prévention cardiovasculaire primaire.
- L'IA s'est faire faire à la machine des tâches qui demandent de l'Intelligence à l'Homme.
- L'IA c'est une "machine learning" , la reconnaissance visuelle, le traitement automatique du langage, la voiture autonome, vos smartphones, les moteurs de recherche etc.
- L'A c'est donner des capacités cognitives à la machine, résoudre des problèmes complexes avec. L'IA c'est conférer à la machine des facultés de perception, d'apprentissage, de raisonnement, de décision, de dialogue.
- Le "Machine Learning" (ML) est le bras armé de l'IA, littéralement "apprentissage automatique".Le ML utiise des algorithmes afin de modéliser un phénomène ou un problème.
* Modéliser : produire un modèle c'est trouver une relation.
* Algorithme : c'est un procédé (sorte de recette) qui permet de résoudre un problème par la mise en oeuvre de suites d'opérations élémentaires selon un processus défini aboutissant à une solution.
- Deep Learning ou apprentissage profond est un type d'intelligence artificielle dérivé du machine learning (apprentissage automatique) où la machine est capable d'apprendre par elle-même, contrairement à la programmation où elle se contente d'exécuter à la lettre des règles prédéterminées. Le deep Learning s'appuie sur un réseau de neurones artificiels s'inspirant du cerveau humain. Ce réseau est composé de dizaines ,oire de centaines de « couches » de neurones, chacune recevant et interprétant les informations de la couche précédente. Le système apprendra par exemple à reconnaître les lettres avant de s'attaquer aux mots dans un texte, ou détermine s'il y a un visage sur une photo avant de découvrir de quelle personne il s'agit.
D'aprés : https://www.sfcardio.fr/sites/default/files/2021-02/2021_02-AMCVP_du_mois.pdfD'après https://www.cell.com/med/pdf/S2666-6340(21)00155-0.pdfRappel historique : Muhammad ibn Musa al-Khwarizmi - célèbre scientifique né à Khiva (Ousbékisran actuel) en 783/850 . Son nom latinisé , Algorithmi est à l'origine de l'algorithme. Ce fût un mathématicien un astonome et un géographe.
Voici la meilleure définition d'un algorithme (Cédric Villani sur Radio Classique le 20 Novembre 2017) . Un algorithme est l'équivalent dans le quotidien d'une recette de cuisine. On a connaissance d'un plat qui s'appelle "pot au feu" mais on ne sait pas le faire.La recette de ce plat fournit l'algorithme qui permet d'aboutir à sa réalisation.Revenons au concept de Machine Learning en citant la définition de Laurence Devilleurs, Professeur en IA (https://laurence-devillers.com/) :" l'apprentissage machine ou apprentissage automatique, branches de l'IA, permet aux machines d'effectuer des tâches pour lesquelles elles ne sont pas explicitement programmées par des règles pré-établies, en apprenant à partir d'un grand ensemble d'exemples"
le ML est ainsi constitué de méthodes informatiques mettant en jeu des outils mathématiques que sont ces fameux algorithmes aux fin de produire des modèles.
Denier point la "datascience" n'est pas une nouvelle science, mais regroupe les techniques issues des mathématiques appliquées et de l'informatique dans le but de créer des modéles, cad des explications d'un monde donné, destinés à être utilisé à des fin prédictives, par exemple en la prévention cardiovasculaire primaire.
Ces bases étant posées nous allons voir ce que la médecin et surtout les patients peuvent ainsi bénéficier de l'IA.
Savoir si un grain de beauté est un mélanome, interpréter un scanner cérébral ou une radiographie des poumons : l'IA est capable de poser un diagnostic fiable ou de lever des soupçons sur des pathologies. En injectant des milliards de données dans un programme d'apprentissage, l'algorithme apprend à « reconnaître » les signes de la maladie. Google AI, la division de recherche d'Alphabet, a ainsi mis au point une IA qui prédit le cancer du poumon avec 94,4 % de réussite. Ces procédures permettent aussi d'éviter des tests invasifs comme des biopsies. L'IA apporte également une aide à la prescription, par exemple en détectant automatiquement un risque d'allergie ou d’interaction médicamenteuse.
PREVENTION EDIPEMIOLGIQUE
L'application « Stop Covid » est un bon exemple de l' IA, c'est un précieux outil de prévention et de pistage des épidémies. Des chercheurs américains de l'hôpital pour enfants de Boston ont ainsi conçu un algorithme qui prédit l'évolution des cas de grippe grâce à des observations médicales et des requêtes Google. À Taïwan, un site officiel présente l'évolution probable des épidémies et estime le nombre de patients qui consulteront un médecin ou auront recours aux services d'urgence dans les quatre semaines à venir. L'IA peut aussi exercer des missions de pharmacovigilance, en détectant les effets secondaires de médicament
CHIRURGIE ASSISTEE PAR ORDINATEUR, le temps des ROBOTS
Mais avant voici les Requêtes sur Google ou l'IA en action
- 130 000 milliards de pages sont indexées par Google.
- 20 milliards de sites sont visitées (crawlées) par Google, chaque jour.
- 80 000 requêtes chaque seconde, soit 6,9 milliards par jour.
- 15 % des requêtes sont de nouvelles requêtes (500 millions par jour) !
- Plus de 110 millions de Go de données sont stockées sur les serveurs de Google
- Plus de 90 % du trafic des recherches en France provient de Google (février 2019)
Sources : https://www.google.com/search/howsearchworks/">Google / https://fr.statista.com/etude/44726/l-entreprise-google/">Statista / https://www.internetlivestats.com/one-second/#google-band">Internet Live Stats / https://searchengineland.com/googles-search-indexes-hits-130-trillion-pages-documents-263378">Search Engine Land / http://www.businessinsider.com/500m-things-google-has-never-heard-of-2013-5#ixzz2WBXckNx9" data-vars-event-url="http://www.businessinsider.com/500m-things-google-has-never-heard-of-2013-5">Business Insider
AIDE à la DECISIONSavoir si un grain de beauté est un mélanome, interpréter un scanner cérébral ou une radiographie des poumons : l'IA est capable de poser un diagnostic fiable ou de lever des soupçons sur des pathologies. En injectant des milliards de données dans un programme d'apprentissage, l'algorithme apprend à « reconnaître » les signes de la maladie. Google AI, la division de recherche d'Alphabet, a ainsi mis au point une IA qui prédit le cancer du poumon avec 94,4 % de réussite. Ces procédures permettent aussi d'éviter des tests invasifs comme des biopsies. L'IA apporte également une aide à la prescription, par exemple en détectant automatiquement un risque d'allergie ou d’interaction médicamenteuse.
PREVENTION EDIPEMIOLGIQUE
L'application « Stop Covid » est un bon exemple de l' IA, c'est un précieux outil de prévention et de pistage des épidémies. Des chercheurs américains de l'hôpital pour enfants de Boston ont ainsi conçu un algorithme qui prédit l'évolution des cas de grippe grâce à des observations médicales et des requêtes Google. À Taïwan, un site officiel présente l'évolution probable des épidémies et estime le nombre de patients qui consulteront un médecin ou auront recours aux services d'urgence dans les quatre semaines à venir. L'IA peut aussi exercer des missions de pharmacovigilance, en détectant les effets secondaires de médicament
CHIRURGIE ASSISTEE PAR ORDINATEUR, le temps des ROBOTS
Les robots chirurgiens se répandent de plus en plus dans les salles d'opération. Plus précis et fiables que la main humaine, ils réduisent les risques et limitent les complications et les cicatrices. Grâce à leurs bras articulés, ils peuvent pratiquer une chirurgie mini-invasive ou même relier des opérations à distance. En 2001, un chirurgien français à New York a ainsi fait l'ablation de la vesicule biliaire d'une patiente hospitalisée à Strasbourg ! Au-delà de l'opération, la chirurgie assistée permet aussi aux chirurgiens de se former et s'entraîner sur des patients virtuels.
L’intelligence artificielle trouve de nombreuses applications dans le domaine de la santé. © Kaikoro, Adobe Stock (https://www.futura-sciences.com/sante/questions-reponses/corps-humain-sante-intelligence-artificielle-revolution-nous-attend-14432/)
file:///E:/Downloads/Artificial_intelligence_in_the_diagnosis_of_cardio.pdf
https://www-sciencedirect-com.proxy.insermbiblio.inist.fr/science/article/pii/S0735109719302360?via%3Dihub
Des EXEMPLES
https://www-sciencedirect-com.proxy.insermbiblio.inist.fr/science/article/pii/S0735109719302360?via%3DihubDes EXEMPLES
L'étude SCAPIS : Combinaison des données du scanner coronaire à l’intelligence artificielle pour améliorer la prévention cardiovasculaire primaire (https://www.cardio-online.fr/Actualites/A-la-une/AHA-2020-SCAPIS). Etrude présentée à l'AHA 2020 par Göran Bergström, "Prevalence and Prediction of Coronary Artery Disease in the General Population- Results From the Swedish Cardiopulmonary Bioimage Study (scapis)".
Élaborer des stratégies de prévention cardiovasculaire efficaces reste un enjeu majeur dans nos sociétés. C’est l’une des grandes ambitions suédoises au travers de l’étude SCAPIS qui s’attache à constituer une impressionnante cohorte dans la population générale avec « bioimaging Banking ».
Qu'est ce que la FFR-CT ; une technique utilisant des algorithmes de traitement du signal des images de coroscanner en lien avec la mécanique fluide afin d’analyser le flux coronaire. En effet, le principe serait de pouvoir évaluer le retentissement fonctionnel du passage du flux coronaire à travers la sténose en analysant les variations de densité au sein de la coronaire au fur et à mesure du passage du produit de contraste
Élaborer des stratégies de prévention cardiovasculaire efficaces reste un enjeu majeur dans nos sociétés. C’est l’une des grandes ambitions suédoises au travers de l’étude SCAPIS qui s’attache à constituer une impressionnante cohorte dans la population générale avec « bioimaging Banking ».
Méthodes
SCAPIS, financé par la Fondation suédoise cœur-poumon, a recruté plus de 30 000 hommes et femmes âgés de 50 à 64 ans dans la population générale, dont 25 182 sans maladie coronarienne connue et ont été examinés par coro-scanner. L’objectif de ce premier travail était de connaître la prévalence d’un athérome coronaire silencieuse. Le deuxième objectif était de développer un modèle prédictif de la présence d’un athérome coronaire important défini par au moins quatre segments artériels avec plaque coronarienne au coro-scanner. Un algorithme d'IA basé sur l'apprentissage automatique a été utilisé pour développer des modèles prédictifs. Le "modèle à domicile" était basé sur des données facilement obtenues à domicile par des questionnaires, comme le poids et le tour de taille, et le "modèle clinique" incorporait des facteurs tels que les taux de cholestérol et les mesures de la tension artérielle.
RésultatsAu total, 42,1 % des sujets présentaient un certain degré de maladie coronarienne, la prévalence et la gravité de la maladie augmentaient avec l'âge et les autres facteurs de risques cardiovasculaires classiques et 5,2% présentaient une athérosclérose sévère, définie comme la présence d'une sténose de 50 % ou plus. Le modèle à domicile avait une grande précision (AUC : 0,8) et était aussi efficace que le modèle clinique.
ConclusionsGrâce à un simple questionnaire réalisé au domicile il est possible d’identifier avec une précision raisonnable les personnes qui souffrent d'un athérome coronaire important. Cette stratégie pourrait impliquer de simples tests à domicile pour sélectionner d'abord les personnes ayant une forte probabilité d'avoir une coronaropathie silencieuse et ensuite définir ce risque plus précisément à l'aide d’autres investigations. Cela permettrait une détection précoce des maladies coronariennes et pourrait fournir un traitement préventif aux personnes les plus à risque et diminuer le risque de futurs évènements.
Scanner coronaire et ischémieQu'est ce que la FFR-CT ; une technique utilisant des algorithmes de traitement du signal des images de coroscanner en lien avec la mécanique fluide afin d’analyser le flux coronaire. En effet, le principe serait de pouvoir évaluer le retentissement fonctionnel du passage du flux coronaire à travers la sténose en analysant les variations de densité au sein de la coronaire au fur et à mesure du passage du produit de contraste
Si la CT-FFR (Heartflow) utilise les principes de la dynamique des fluides computationnelle, il faut savoir que certaines équipes ont pu développer des algorithmes d’IA permettant d’identifier une lésion ischémique à partir du scanner coronaire .
Pou cela il faut donc un grand nombre de patients ayant bénéficié d’un scanner coronaire et
d’une évaluation invasive par FFR de toutes les lésions. Ceci permet ainsi de labéliser les
images de manière binaire (FFR > ou < 0,8). Il est fort à parier que des algorithmes d’IA
nous seront proposés rapidement pour remplacer la CT-FFR.
Scanner coronaire et plaque instable
Si la détection de l’ischémie est le point faible du scanner coronaire où l’IA peut l’aider à
s’améliorer, le scanner a aussi un point fort en étant le seul examen de soin courant qui
nous permet d’avoir une évaluation de la plaque coronaire instable. Même si des critères
morphologiques de la plaque instable sont décrits pour mieux prédire le risque
d’événements majeurs , les performances pour prédire le risque individuel sont encore
moyennes. Il est possible de penser que l’accumulation d’un grand nombre de patients
avec scanner coronaire et la labellisation sur l’apparition d’événements dans leur suivi avec
une classification binaire là encore (événement ou pas d’événement) permettront le
développement d’algorithmes aidant à la prédiction du risque cardiovasculaire. Certaines
équipes ont déjà commencé ces travaux , mais en utilisant le maching learning donc
sans analyse automatique des images par l’IA. La figure illustre ce que pourrait être le
futur de l’utilisation du scanner coronaire et de l’IA pour le développement d’une médecine
de précision.
Mais avant d’arriver à cela, même si nous développons des algorithmes
efficaces, il restera encore à valider les stratégies médicales guidées par l’IA au travers
d’études prospectives randomisées et aussi d’analyser l’interprétabilité des réseaux de
neurones, car le principal point faible de l’IA est la « black box ». C’est-à-dire que
l’algorithme peut prédire correctement sans que l’on sache comment. Il est alors difficile
de rattacher le résultat à un phénomène physiopathologique et de développer des
thérapeutiques.
Le scanner coronaire est un outil intéressant en cardiologie que nous avons appris à
utiliser, notamment pour éliminer la maladie coronaire.
▸ Il apparaît comme une méthode d’imagerie propice à l’utilisation de l’IA et pourrait
notamment permettre d’aller vers la mise en place d’une médecine de précision avec des
thérapeutiques adaptées pour chaque patient.
▸ Mais pour cela il est important d’avoir des bases de données volumineuses, bien
standardisées dans leur acquisition et bien labellisées. Avec SCAPIS, les Suédois nous
montrent qu’ils ont bien compris ces enjeux.
Si on se résume, le scanner de perfusion 320 barrettes en cours de validation, permettrait d’offrir de façon non invasive en moins de 20 minutes (https://www.cardio-online.fr/Actualites/A-la-une/Scanner-coronaire-perfusion-FFR-CT-revolution-en-marche)
- Mesure du score calcique coronaire si besoin.
- Évaluation morphologique du degré de sténose (avec résolution spatiale excellente).
- Recherche d’une éventuelle anomalie de naissance coronaire (non évaluable en IRM ou scintigraphie et pas toujours facile à appréhender en coronarographie).
- Détection d’une ischémie myocardique au stress au niveau du myocarde (comme le fait actuellement l’IRM ou la scintigraphie mais sur des durées d’examen bien plus importantes).
- Mesure de la FFR-CT permettant une évaluation fonctionnelle locale de la sténose (selon le même principe que la mesure de FFR invasive en coronarographie).
Détection de zones d’infarctus myocardique, voire la possibilité d’évaluer le degré de viabilité myocardique par mesure de la transmuralité (avec détection d’un rehaussement tardif d’iode, notamment en double énergie, selon le même principe que celui de l’IRM).
L’objectif de cette approche multi-paramétrique (en cours de validation) serait de pouvoir proposer un examen le plus sensible et spécifique possible pour la détection de la maladie coronaire.
Ainsi, au vu de ces avancées dans le domaine de l’imagerie non invasive, on peut se demander si la coronarographie telle qu’on l’appréhende actuellement, ne se limitera pas uniquement aux gestes thérapeutiques d’angioplastie coronaire ou de remplacement valvulaire…
Logiciel automatisé permettant de mesurer un score de probabilité d'infection à Covid-19 et de la sévérité à partir d'un scanner
D'après : https://www.sfcardio.fr/sites/default/files/2021-02/2021_02-AMCVP_du_mois.pdf et https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7393955/pdf/radiol.2020202439.pdf
D'après : https://www.sfcardio.fr/sites/default/files/2021-02/2021_02-AMCVP_du_mois.pdf et https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7393955/pdf/radiol.2020202439.pdfMais aussi une IA peut permettre de prédire le risque CV en examinent l'oeil.
Des chercheurs de Verily, la filiale santé d'Alphabet (la maison mère deGoogle) ont créé un programme informatique capable de prédire les risques de maladies cardiaques en analysant une image de la rétine (https://www-nature-com.proxy.insermbiblio.inist.fr/articles/s41551-018-0195-0)
Traditionnellement, les découvertes médicales sont faites en observant des associations, en faisant des hypothèses à partir d'elles, puis en concevant et en exécutant des expériences pour tester les hypothèses. Cependant, avec les images médicales, l'observation et la quantification des associations peuvent souvent être difficiles en raison de la grande variété de caractéristiques, de motifs, de couleurs, de valeurs et de formes qui sont présentes dans les données réelles. Ici, nous montrons que l'apprentissage profond peut extraire de nouvelles connaissances à partir d'images du fond rétinien. En utilisant des modèles d'apprentissage en profondeur formés sur les données de 284335 patients et validés sur deux ensembles de données indépendants de 12026 et 999 patients, nous avons prédit des facteurs de risque cardiovasculaire qui n'étaient pas auparavant considérés comme présents ou quantifiables dans les images rétiniennes, tels que l'âge (erreur absolue moyenne sur 3,26 ans ), le sexe (aire sous la courbe des caractéristiques de fonctionnement du récepteur (ASC) = 0,97), le tabagisme (ASC = 0,71), la pression artérielle systolique (erreur absolue moyenne à moins de 11,23 mmHg) et les événements cardiaques indésirables majeurs (ASC = 0,70). Nous montrons également que les modèles d'apprentissage en profondeur formés utilisaient des caractéristiques anatomiques, telles que le disque optique ou les vaisseaux sanguins, pour générer chaque prédiction
Ce n'est pas la première fois qu'une intelligence artificielle est utilisée pour analyser des images médicales et ce sera loin d'être la dernière.
Les radiologues seront certainement les prochaines victimes de l'intelligence artificielle.
Capable de comparer des milliers de clichés en quelques secondes, le logiciel pourrait très vite être plus performant pour déceler certaines pathologies que l'oeil humain, notamment pour la détection précoce de cancer du sein ou de la vessie. Pour le moment, ces intelligences artificielles sont à l'état d'expérimentation. Il faudra aussi que les médecins acceptent de faire confiance à des outils dont ils ne maîtrisent pas le raisonnement. (https://www.rtflash.fr/intelligence-artificielle-predit-votre-risque-cardiaque-en-examinant-votre-oeil/article)
L'IA doit être l'alliée des médecins dans le seul but d'améliorer les diagnostics, la prévention, les traitements , les données épidémiologiques, la robotique afin de mieux prendre en charge les patients. Mais attention l'IA ne doit pas devenir intrusive, elle ne doit pas nous échapper et elle doit elle-aussi s'inscrire dans la pertinence des soins. Hippocrate veille sur une médecine qui doit rester humaine. Le transhumanisme (ou être humain augmenté) et le développement des IA ne sont pas mis à l'index par leurs détracteurs, mais simplement mis en avant comme un danger si et seulement si un contrôle n'y est pas apporté. L'homme augmenté tel que le rêve Elon Munsk avec son projet Neuralink est censée dévlopper un système de connexion du cerveau à une machine pour contrer la puissance des IA à venir : rêve, cauchemar, réalité ????.
Des chercheurs de Verily, la filiale santé d'Alphabet (la maison mère deGoogle) ont créé un programme informatique capable de prédire les risques de maladies cardiaques en analysant une image de la rétine (https://www-nature-com.proxy.insermbiblio.inist.fr/articles/s41551-018-0195-0)
Traditionnellement, les découvertes médicales sont faites en observant des associations, en faisant des hypothèses à partir d'elles, puis en concevant et en exécutant des expériences pour tester les hypothèses. Cependant, avec les images médicales, l'observation et la quantification des associations peuvent souvent être difficiles en raison de la grande variété de caractéristiques, de motifs, de couleurs, de valeurs et de formes qui sont présentes dans les données réelles. Ici, nous montrons que l'apprentissage profond peut extraire de nouvelles connaissances à partir d'images du fond rétinien. En utilisant des modèles d'apprentissage en profondeur formés sur les données de 284335 patients et validés sur deux ensembles de données indépendants de 12026 et 999 patients, nous avons prédit des facteurs de risque cardiovasculaire qui n'étaient pas auparavant considérés comme présents ou quantifiables dans les images rétiniennes, tels que l'âge (erreur absolue moyenne sur 3,26 ans ), le sexe (aire sous la courbe des caractéristiques de fonctionnement du récepteur (ASC) = 0,97), le tabagisme (ASC = 0,71), la pression artérielle systolique (erreur absolue moyenne à moins de 11,23 mmHg) et les événements cardiaques indésirables majeurs (ASC = 0,70). Nous montrons également que les modèles d'apprentissage en profondeur formés utilisaient des caractéristiques anatomiques, telles que le disque optique ou les vaisseaux sanguins, pour générer chaque prédiction
Ce n'est pas la première fois qu'une intelligence artificielle est utilisée pour analyser des images médicales et ce sera loin d'être la dernière.Les radiologues seront certainement les prochaines victimes de l'intelligence artificielle.
Capable de comparer des milliers de clichés en quelques secondes, le logiciel pourrait très vite être plus performant pour déceler certaines pathologies que l'oeil humain, notamment pour la détection précoce de cancer du sein ou de la vessie. Pour le moment, ces intelligences artificielles sont à l'état d'expérimentation. Il faudra aussi que les médecins acceptent de faire confiance à des outils dont ils ne maîtrisent pas le raisonnement. (https://www.rtflash.fr/intelligence-artificielle-predit-votre-risque-cardiaque-en-examinant-votre-oeil/article)
L'IA doit être l'alliée des médecins dans le seul but d'améliorer les diagnostics, la prévention, les traitements , les données épidémiologiques, la robotique afin de mieux prendre en charge les patients. Mais attention l'IA ne doit pas devenir intrusive, elle ne doit pas nous échapper et elle doit elle-aussi s'inscrire dans la pertinence des soins. Hippocrate veille sur une médecine qui doit rester humaine. Le transhumanisme (ou être humain augmenté) et le développement des IA ne sont pas mis à l'index par leurs détracteurs, mais simplement mis en avant comme un danger si et seulement si un contrôle n'y est pas apporté. L'homme augmenté tel que le rêve Elon Munsk avec son projet Neuralink est censée dévlopper un système de connexion du cerveau à une machine pour contrer la puissance des IA à venir : rêve, cauchemar, réalité ????.
Les médecins ne doivent pas avoir de défiance vis à vis de l'IA, ils doivent l'accompagner, la maîtriser, l'utiliser pour encore mieux prendre en charge les patients. Les millions et milliards de données rassemblées par une IA représentent à coup sûr une avanceé diagnostique et thérapeutique pour les patients.
(https://information.tv5monde.com/info/transhumanisme-et-intelligence-artificielle-pourquoi-autant-d-alarmes-252241)
SYNTHESE , IA en imagerie cardiovasculaire (Axel Bartoli,@axel_bartoli)
https://cerf.radiologie.fr/sites/cerf.radiologie.fr/files/files/Enseignement/pdf/Webinar%20IA%20-%20080221.pdf)Quatre livres pour tout comprendre de l'IA
Quand l'IA nous échappera
A consulter : STRATÉGIE NATIONALE DE RECHERCHE EN INTELLIGENCE ARTIFICIELLE Rapport de Cédric Villani : donner un sens à l'intelligence artificielle (IA), https://www.enseignementsup-recherche.gouv.fr/cid128577/rapport-de-cedric-villani-donner-un-sens-a-l-intelligence-artificielle-ia.html/
https://managersante.com/2020/02/24/pourquoi-fallait-il-renforcer-la-garantie-humaine-de-lia-dans-le-projet-de-loi-bioethique-au-senat-reponses-de-david-gruson-et-judith-meh/
https://www.sfcardio.fr/sites/default/files/2021-02/2021_02-AMCVP_du_mois.pdf
https://www.cell.com/med/pdf/S2666-6340(21)00155-0.pdf