Les machines se préparent à jouer au docteur

Les chercheurs ont utilisé des appareils ECG portables pour collecter 30 000 clips de 30 secondes de patients souffrant de diverses formes d'arythmie.

Il ne faudra peut-être pas longtemps avant que les algorithmes ne sauvent systématiquement des vies, tant que les médecins sont prêts à faire de plus en plus confiance aux machines.

Une équipe de chercheurs de l'Université de Stanford, dirigée par André Ng , un éminent chercheur en IA et professeur adjoint, a montré qu'un modèle d'apprentissage automatique peut identifier les arythmies cardiaques à partir d'un électrocardiogramme (ECG) mieux qu'un expert.

L'approche automatisée pourrait s'avérer importante pour le traitement médical quotidien en rendant plus fiable le diagnostic d'irrégularités du rythme cardiaque potentiellement mortelles. Cela pourrait également rendre les soins de qualité plus facilement accessibles dans les régions où les ressources sont rares.

Le travail n'est également que le dernier signe de la façon dont l'apprentissage automatique semble susceptible de révolutionner la médecine. Ces dernières années, des chercheurs ont montré que les techniques d'apprentissage automatique pouvaient être utilisées pour repérer toutes sortes de maux, y compris, par exemple, cancer du sein , cancer de la peau , et maladie des yeux à partir d'images médicales.

J'ai été encouragé par la rapidité avec laquelle les gens acceptent l'idée que l'apprentissage en profondeur peut diagnostiquer avec une précision supérieure aux médecins dans certains secteurs verticaux, a déclaré Ng par e-mail. Il ajoute qu'il est encourageant de voir des chercheurs regarder au-delà de l'imagerie vers d'autres formes de données telles que l'ECG.

Jusqu'à récemment, Ng était le scientifique en chef du géant chinois de la technologie Baidu, où il a aidé à fonder un institut dédié à l'application de l'apprentissage en profondeur à différents problèmes commerciaux.

L'équipe de Stanford a formé un algorithme d'apprentissage en profondeur pour identifier différents types de battements cardiaques irréguliers dans les données ECG. Certaines irrégularités peuvent entraîner de graves complications de santé, notamment la mort cardiaque subite, mais le signal peut être difficile à détecter, de sorte que les patients sont souvent invités à porter un capteur ECG pendant plusieurs semaines. Même dans ce cas, il peut être difficile pour un médecin de faire la distinction entre les irrégularités qui peuvent être bénignes et celles qui pourraient nécessiter un traitement.

Les chercheurs de Stanford ont formé un algorithme d'apprentissage en profondeur pour identifier différents types de battements cardiaques irréguliers à partir des données ECG.

Les chercheurs se sont associés à iRythme , une entreprise qui fabrique des appareils ECG portables. Ils ont collecté 30 000 clips de 30 secondes de patients atteints de différentes formes d'arythmie. Pour évaluer la précision de leur algorithme, l'équipe a comparé ses performances à celles de cinq cardiologues différents sur 300 clips non diagnostiqués. Ils ont demandé à un panel de trois cardiologues experts de fournir un jugement fondé sur la vérité.

L'apprentissage en profondeur consiste à alimenter de grandes quantités de données dans un grand réseau neuronal simulé et à affiner ses paramètres jusqu'à ce qu'il reconnaisse avec précision les signaux ECG problématiques. L'approche s'est avérée apte à identifier des modèles complexes dans les images et l'audio, et elle a conduit au développement de systèmes de reconnaissance d'images et de reconnaissance vocale meilleurs que l'homme.

Eric Horvitz , directeur général de Microsoft Research et à la fois médecin et expert en apprentissage automatique, en disent d'autres, notamment deux différents groupes du MIT et de l'Université du Michigan, appliquent l'apprentissage automatique à la détection des arythmies cardiaques.

À l'avenir, cependant, il est possible que l'apprentissage automatique trouve des traces de maladie en passant au peigne fin de grandes quantités de données disparates.

Un défi clé, cependant, sera de persuader les médecins et les patients de faire confiance à des algorithmes souvent si complexes que leur raisonnement ne peut être compris (voir The Dark Secret at the Heart of AI). L'apprentissage en profondeur est une forme particulièrement opaque d'apprentissage automatique, et trouver des moyens de le rendre plus explicable sera important à la fois pour instaurer la confiance et affiner le traitement.

Pourtant, Ng n'a aucun doute qu'une révolution est à venir. Nous avons encore du travail à faire pour intégrer ces algorithmes dans le flux de travail du système de santé, dit-il. Mais je pense que les soins de santé d'ici 10 ans utiliseront beaucoup plus l'IA et seront très différents de ce qu'ils sont aujourd'hui.

cacher