Les puces d'apprentissage en profondeur de Nvidia pourraient donner un coup de fouet à la médecine

Le fabricant de puces Nvidia surfe sur le boom actuel de l'intelligence artificielle avec du matériel conçu pour alimenter des algorithmes d'apprentissage de pointe. Et la société considère les soins de santé et la médecine comme le prochain grand marché pour sa technologie.

Kimberly Powell, qui dirige les efforts de Nvidia dans le domaine des soins de santé, affirme que la société travaille avec des chercheurs médicaux dans divers domaines et cherchera à étendre ces efforts dans les années à venir.

Il y a cette augmentation incroyable de la recherche en imagerie médicale, a déclaré Powell à Examen de la technologie MIT 's Conférence EmTech Digital à San Francisco lundi. Aujourd'hui, nous visitons de plus en plus de prestataires dans les hôpitaux, et ils imaginent de nouvelles applications d'intelligence artificielle.

Plus particulièrement, une technique d'apprentissage automatique appelée apprentissage en profondeur est appliquée au traitement d'images médicales et au filtrage de grandes quantités de données médicales. L'apprentissage en profondeur, qui s'inspire très vaguement de la façon dont les neurones du cerveau semblent fonctionner, s'est déjà révélé incroyablement utile pour trouver des images et traiter des fichiers audio (voir 10 technologies révolutionnaires : apprentissage en profondeur).

Cette technique d'IA semble certainement gagner des acolytes dans la recherche médicale. L'année dernière, une équipe de Google a montré que l'apprentissage en profondeur pouvait être utilisé pour automatiser le diagnostic des maladies oculaires. Pendant ce temps, un groupe de l'Université de Stanford a publié un article dans la revue La nature qui a montré que la technique peut cancer de la peau localisé ainsi qu'un dermatologue qualifié. Un groupe de l'hôpital Mount Sinai à New York a utilisé cette approche pour analyser les dossiers de santé électroniques des patients et prédire, avec une précision étonnamment élevée, quelle maladie une personne développerait par la suite.

Ce ne sont là que quelques exemples très médiatisés. Powell a noté lors de son discours que les grandes conférences d'imagerie médicale sont devenues dominées par des articles d'apprentissage en profondeur.

Les processeurs graphiques fabriqués par Nvidia sont très bien adaptés pour effectuer les calculs parallèles nécessaires à l'apprentissage en profondeur, et le fabricant de puces a déjà construit une importante entreprise fournissant du matériel aux chercheurs en apprentissage en profondeur dans les universités et l'industrie. Nvidia fabrique un nombre croissant de produits spécialisés d'apprentissage en profondeur, notamment un puissant ordinateur de recherche appelé DGX-1 et un système pour véhicules autonomes appelé Drive PX.

Powell pense que le matériel de la société se trouvera de plus en plus dans les hôpitaux et les centres de recherche médicale. L'approche pourrait aider à améliorer la fiabilité du diagnostic, a-t-elle dit, et pourrait considérablement améliorer les normes de soins dans les pays en développement, où l'expertise est rare. Powell a ajouté que la découverte de médicaments serait probablement un autre grand domaine d'apprentissage en profondeur à l'avenir.

Mais l'apprentissage en profondeur pourrait également aider les médecins à trouver des modèles qui seraient autrement invisibles. Nvidia travaille, par exemple, avec Bradley Erickson, neuro-radiologue à la clinique Mayo, pour appliquer l'apprentissage en profondeur aux images cérébrales. Erickson a eu un certain succès dans l'identification des facteurs génétiques liés aux maladies du cerveau à partir d'images, a déclaré Powell.

Plus tôt, lors du même événement, Gary Marcus, un professeur de NYU, a désigné la médecine comme le domaine dans lequel l'IA pourrait avoir son plus grand impact. Pensez au cancer, dit Marcus. Les facteurs de risque qui pourraient indiquer la probabilité d'une telle maladie peuvent être difficiles à identifier pour une personne, mais ils pourraient être découverts par un algorithme, a-t-il déclaré. L'application qui tue [pour l'IA] pourrait être une avancée majeure dans la façon dont nous traitons la médecine.

Il existe cependant des défis importants dans l'application de techniques telles que l'apprentissage en profondeur à la médecine. L'approche est si complexe et opaque qu'il peut ne pas être clair pour un médecin pourquoi un algorithme propose un diagnostic particulier. Powell a reconnu ce défi, mais a déclaré que des solutions, telles que de nouvelles façons de visualiser le comportement des réseaux d'apprentissage en profondeur, émergeaient. C'est un grand sujet de recherche en ce moment, dit-elle.

cacher