Comment une puce de jeu pourrait un jour vous sauver la vie

NVIDIA Corporation

Jensen Huang, le PDG milliardaire de Nvidia, a fait fortune en fournissant le matériel utilisé pour les algorithmes d'intelligence artificielle. Il parie maintenant que l'IA est sur le point de devenir un élément indispensable de la médecine.

Au début des années 1990, Huang a reconnu que les limites des puces informatiques à usage général et l'essor des jeux informatiques augmenteraient probablement la demande de processeurs graphiques spécialisés. À la fin des années 90 et 2000, la société qu'il a cofondée a connu un énorme succès en fabriquant des puces graphiques haut de gamme pour les joueurs.

Plus récemment, Huang et Nvidia ont surfé sur une vague technologique différente, fournissant le matériel utilisé pour former et exécuter les algorithmes d'apprentissage en profondeur qui ont été la clé d'une renaissance récente de l'intelligence artificielle. L'apprentissage en profondeur nécessite d'énormes quantités de données de formation et un matériel informatique puissant, et les processeurs graphiques de Nvidia offrent juste le bon type de traitement parallèle pour faire voler ces algorithmes.

Huang estime maintenant que les algorithmes d'IA vont révolutionner la médecine et les soins de santé, et il parie que les hôpitaux, les médecins et les chercheurs en médecine seront la prochaine grande clientèle de Nvidia. La quantité de données dont disposent les soins de santé est énorme, et c'est l'exemple parfait de données non structurées. Et pourtant, l'utilisation informatique de ces données est assez limitée, a déclaré Huang Examen de la technologie MIT . L'imagerie médicale est un domaine qui constitue une première entrée parfaite.

Un nombre croissant d'articles de recherche montrent que l'apprentissage en profondeur peut être utilisé - en principe - pour automatiser l'identification de la maladie dans les images médicales. Des chercheurs de Stanford ont montré que la technique peut détecter cancer de la peau en photos . Une équipe de Google a découvert qu'il pouvait être utilisé pour identifier les anomalies dans les radiographies pulmonaires. Nvidia affirme que plus de la moitié des articles présentés à la Conférence internationale sur l'informatique médicale et l'intervention assistée par ordinateur, l'événement le plus important pour le domaine de l'imagerie médicale, impliquaient une forme d'apprentissage en profondeur.

Cette visualisation 3D d'un ventricule cardiaque a été créée à l'aide du matériel de Nvidia. NVIDIA Corporation

Nvidia travaille déjà avec un certain nombre d'entreprises qui fabriquent des instruments d'imagerie médicale, et ces entreprises cherchent toutes à ajouter plus d'analyse informatique à leurs systèmes, a déclaré Huang. Il pense qu'il devrait également être possible de connecter des équipements existants à un tel système, afin que les images soient analysées et que les résultats soient présentés aux techniciens et aux médecins.

À l'avenir, dit Huang, ces machines seront complétées par des superordinateurs, les transformant en instruments médicaux modernes et étonnants, tout comme le cloud computing l'a fait pour les téléphones portables.

Le mois dernier, Nvidia annoncé un produit qui vise à faire quelque chose comme ça. Il se compose de racks de puces informatiques puissantes et est livré avec un logiciel pour des tâches telles que la netteté des images IRM et la création de visualisations de données échographiques. Le système pourrait également prendre en charge des techniques d'apprentissage automatique pour identifier les signes de maladie dans les images.

Jean Guttag , professeur d'informatique au MIT, affirme que l'imagerie médicale va être transformée par l'utilisation de l'apprentissage automatique, et en particulier de l'apprentissage profond. Cependant, il dit que l'impact le plus immédiat de l'IA sur la médecine se fera sentir dans la recherche médicale. Il va y avoir un changement radical dans la façon dont nous faisons de la recherche, et cela aura un effet indirect sur les soins, dit-il. Nous pouvons regarder 20 000 scans de patients atteints de la maladie d'Alzheimer et apprendre des choses que nous ne pourrions pas apprendre à l'œil nu.

Histoire connexe

Histoire connexe Personne ne sait vraiment comment les algorithmes les plus avancés font ce qu'ils font. Cela pourrait être un problème.

Guttag dit que la technologie finira par se retrouver également dans les hôpitaux et les cliniques, mais les choses évoluent plus lentement. Il peut s'avérer difficile d'amener les médecins et les patients à accepter le diagnostic d'IA, dit-il, si le système n'offre pas également des recommandations ou une bonne explication pour sa conclusion. De nombreux modèles d'apprentissage automatique, en particulier dans l'apprentissage en profondeur, sont notoirement difficiles à interroger (voir Le sombre secret au cœur de l'IA ).

Les défis n'ont pas intimidé un nombre croissant d'entreprises qui cherchent maintenant à transformer les avancées de la recherche en outils cliniques. La Food and Drug Administration des États-Unis a déjà approuvé certaines techniques d'IA à des fins cliniques, notamment La technologie pour identifier des signes de rétinopathie diabétique sur des images rétiniennes, un produit pour reconnaître les signes d'AVC dans les tomodensitogrammes, et un plateforme d'oncologie basée sur le cloud .

Mais il n'est tout simplement pas réaliste d'imaginer qu'une grande partie de ce que font les médecins pourrait être automatisée. Les algorithmes pourraient les aider à analyser plus de données qu'il ne serait autrement possible, et ils pourraient s'améliorer dans des formes simples de diagnostic. Mais le pronostic d'un patient et les options de traitement peuvent dépendre d'un large éventail de facteurs, y compris les antécédents médicaux uniques de cette personne. Porter des jugements dans ces circonstances est beaucoup plus difficile pour une machine.

Quels que soient les défis, les opportunités pour Nvidia sont trop belles pour être ignorées.

Atul Butte , professeur à l'UCSF School of Medicine et expert de l'utilisation de la technologie dans les soins de santé, affirme que les hôpitaux investiront inévitablement davantage dans le matériel nécessaire pour exécuter des algorithmes d'apprentissage en profondeur. Il dit: «Il y a des professeurs à l'UCSF et ailleurs qui utilisent déjà des cartes et des équipements Nvidia pour former des modèles d'apprentissage en profondeur sur des images médicales, y compris la mammographie, les ultrasons, etc.

cacher