Pourquoi IBM vient d'acheter des milliards d'images médicales pour que Watson puisse les regarder

IBM affirme que Watson, sa technologie d'intelligence artificielle, peut utiliser la vision par ordinateur avancée pour traiter d'énormes volumes d'images médicales. Maintenant, Watson a pour objectif d'utiliser cette capacité pour aider les médecins à diagnostiquer les maladies plus rapidement et avec plus de précision.

La semaine dernière, IBM a annoncé qu'il rachèterait Fusionner les soins de santé pour un milliard de dollars. Si l'accord est finalisé, il s'agirait de la troisième société de données sur les soins de santé qu'IBM achète cette année (voir Meet the Health-Care Company IBM Needed to Make Watson More Insightful ). Merge est spécialisé dans le traitement de toutes sortes d'images médicales et son service est utilisé par plus de 7 500 hôpitaux et cliniques aux États-Unis, ainsi que par des organismes de recherche clinique et des sociétés pharmaceutiques. Shahram Ebadollahi , vice-président de l'innovation et directeur scientifique du Watson Health Group d'IBM, déclare que l'acquisition fait partie d'un effort visant à tirer parti de nombreuses sources de données différentes, y compris des dossiers médicaux anonymisés et textuels, pour aider les médecins à prendre des décisions de traitement.

L'ensemble de données de Merge contient quelque 30 milliards d'images, ce qui est crucial pour IBM car ses plans pour Watson reposent sur une technologie, appelée apprentissage en profondeur, qui entraîne un ordinateur en lui alimentant de grandes quantités de données.

Watson a gagné Péril! en utilisant un traitement avancé du langage naturel et une analyse statistique pour interpréter les questions et fournir les bonnes réponses. L'apprentissage en profondeur a été ajouté à l'ensemble de compétences de Watson plus récemment (voir IBM Pushes Deep Learning with a Watson Upgrade ). Cette nouvelle approche de l'intelligence artificielle consiste à apprendre aux ordinateurs à repérer des modèles dans les données en les traitant de manière inspirée par les réseaux de neurones dans le cerveau (voir Breakthrough Technologies 2013 : Deep Learning). La technologie a déjà produit des résultats très impressionnants en matière de reconnaissance vocale (voir Microsoft apporte Star Trek 's Voice Translator to Life ) et la reconnaissance d'images (voir Facebook crée un logiciel qui correspond presque aussi bien aux visages que vous ).

Les chercheurs d'IBM pensent que le traitement des images médicales pourrait être le prochain. On estime que les images représentent jusqu'à 90 % de toutes les données médicales aujourd'hui, mais il peut être difficile pour les médecins d'en tirer des informations importantes, explique John Smith , senior manager pour les systèmes d'information intelligents chez IBM Research.

Selon M. Smith, l'une des applications à court terme les plus prometteuses du traitement automatisé des images est la détection du mélanome, un type de cancer de la peau. Le diagnostic du mélanome peut être difficile, en partie parce qu'il y a tellement de variations dans la façon dont il apparaît chez les patients individuels. En fournissant à un ordinateur de nombreuses images de mélanome, il est possible d'apprendre au système à reconnaître des caractéristiques très subtiles mais importantes associées à la maladie. La technologie envisagée par IBM pourrait être en mesure de comparer une nouvelle image d'un patient avec de nombreuses autres dans une base de données, puis de fournir rapidement au médecin des informations importantes, glanées à partir des images ainsi que des enregistrements textuels, sur le diagnostic et les traitements potentiels.

Selon Jeremy Howard, PDG de Enlitique , une startup d'un an qui utilise également l'apprentissage en profondeur pour le traitement des images médicales (voir A Startup Hopes to Teach Computers to Spot Tumors in Medical Scans ). Il faut faire défiler des centaines et des centaines de tranches à la recherche de quelques petits pixels lumineux qui apparaissent et disparaissent, et cela prend beaucoup de temps, et il est très facile de se tromper, dit-il. Howard affirme que son entreprise a déjà créé un algorithme capable d'identifier les caractéristiques pertinentes des tumeurs pulmonaires avec plus de précision que les radiologues.

Selon Howard, le plus grand obstacle à l'utilisation de l'apprentissage en profondeur dans les diagnostics médicaux est qu'une grande partie des données nécessaires à la formation des systèmes restent isolées dans des établissements individuels, et les réglementations gouvernementales peuvent rendre difficile le partage de ces informations. L'acquisition de Merge par IBM, avec ses milliards d'images médicales, pourrait aider à résoudre ce problème.

cacher