Une IA imite comment les médecins pensent
Une nouvelle façon de former les systèmes d’intelligence artificielle (IA) médicale s’est avérée beaucoup plus précise pour diagnostiquer les maladies que les efforts précédents.
Une IA basée sur la causalité
Le système d’IA développé par les chercheurs de l’University College London et de Babylon Health, un prestataire de services médicaux au Royaume-Uni, repose sur la causalité plutôt que sur la corrélation pour identifier ce qui pourrait ne pas aller chez les gens. Il est plus précis que les systèmes d’IA préexistants et a même surpassé les performances des médecins de la vie réelle dans un petit essai contrôlé.
Contrairement aux systèmes d’IA traditionnels, qui identifient la maladie la plus probable sur la base des symptômes présentés par un patient, le système d’IA causale imite plus fidèlement la façon dont un médecin diagnostique ses patients : en utilisant des questions contrefactuelles pour réduire l’éventail des maladies possibles.
En médecine, la différence entre corrélation et causalité est importante. Un patient peut se présenter à l’hôpital avec un essoufflement. Une IA basée sur la corrélation peut lier l’essoufflement au surpoids, et le surpoids au diabète de type 2, et donc recommander de l’insuline. Un système basé sur la causalité pourrait plutôt se concentrer sur le lien entre l’essoufflement et l’asthme et ainsi explorer d’autres options de traitement.
« Nous avons entrepris de remettre la causalité dans le tableau, afin de pouvoir réellement trouver les maladies à l’origine des symptômes chez le patient, et de les aider sur cette base », explique Ciarán Gilligan-Lee, de l’University College London, l’un des auteurs de l’article.
L’IA causale était correcte dans 77,3 % des cas
Ce système a reçu 1671 résumés de cas médicaux réalistes élaborés par plus de 20 médecins, qui présentaient des symptômes pour environ 350 maladies différentes. Un groupe de 44 médecins du service national de santé britannique (NHS) a également traité en moyenne 159 de ces cas chacun, pour voir s’ils pouvaient trouver ce qui n’allait pas. Ils ont diagnostiqué les cas correctement dans 71,4 % en moyenne, alors qu’une ancienne IA basée sur la corrélation avait raison dans 72,5 % des cas. L’IA causale était correcte dans 77,3 % des cas.
En ce qui concerne un sous-ensemble de maladies particulièrement rares comme le lymphome non hodgkinien, cette nouvelle IA a toujours été plus performante que les médecins. Dans ces cas, elle était environ 30 % plus performante que l’ancien système d’IA. Cependant, les médecins étaient plus à même d’identifier les problèmes les plus courants, car ils les rencontrent fréquemment, estime M. Gilligan-Lee. Il prévoit de demander l’approbation réglementaire et la validation clinique de ce système, dans le but de le placer dans une application où les patients pourront obtenir des conseils sur leurs symptômes et le bon traitement.
« Ils décrivent une nouvelle approche technique d’un problème », explique Xiaoxuan Liu, du University Hospitals Birmingham NHS Foundation Trust, au Royaume-Uni, qui a mené des recherches sur les systèmes d’apprentissage médical en profondeur. « La méthodologie présentée dans ce document est très bonne et la technique semble prometteuse ».
Un système plus performant que les médecins
Le fait que ce système soit plus performant que les médecins pour le diagnostic des maladies rares est passionnant, déclare Liuan Liu – bien qu’elle prévienne qu’il n’en est qu’à ses débuts, et que le nombre de résumés de cas était comparativement faible. « Nous devons voir comment cela fonctionne dans des cas réels, où l’histoire n’est pas très claire et où il y a parfois une interaction entre plusieurs maladies ».
Cette recherche a été publiée dans Nature Communications.
Source : New Scientist
Crédit photo : RawPixel