Un ophtalmologiste en intelligence artificielle montre comment l'apprentissage automatique peut transformer la médecine

Les chercheurs de Google ont obtenu un algorithme de balayage oculaire pour découvrir par eux-mêmes comment détecter une forme courante de cécité, montrant le potentiel de l'intelligence artificielle pour transformer la médecine de manière remarquablement rapide.

L'algorithme peut examiner des images rétiniennes et détecter la rétinopathie diabétique, qui touche près d'un tiers des patients diabétiques, ainsi qu'un ophtalmologiste hautement qualifié. Il utilise la même technique d'apprentissage automatique que Google utilise pour étiqueter des millions d'images Web.

La rétinopathie diabétique est causée par des dommages aux vaisseaux sanguins de l'œil et entraîne une détérioration progressive de la vision. S'il est détecté tôt, il peut être traité, mais une personne atteinte peut ne présenter aucun symptôme au début, ce qui rend le dépistage vital. Il est diagnostiqué, en partie, en demandant à un expert d'examiner les images de la rétine d'un patient, capturées avec un appareil spécialisé, à la recherche de signes de saignement et de fuite de liquide.

Une certaine forme de détection automatisée pourrait rendre le diagnostic plus efficace et fiable, et pourrait être particulièrement utile dans les régions où l'expertise requise est rare. L'une des choses les plus intrigantes à propos de cette approche d'apprentissage automatique est qu'elle a le potentiel d'améliorer l'objectivité et, en fin de compte, la précision et la qualité des soins médicaux, déclare Michel Tchang , professeur d'ophtalmologie et clinicien au Casey Eye Institute de l'Oregon Health & Science University.

L'IA a eu un succès mitigé en médecine dans le passé. Il a été démontré que les systèmes qui utilisent une base de données de connaissances pour offrir des conseils sont plus performants que les médecins dans certains contextes, mais leur adoption a été limitée. Pourtant, la puissance de l'apprentissage automatique, en particulier une technique connue sous le nom d'apprentissage en profondeur, pourrait rendre l'IA plus courante à l'avenir (voir 10 Breakthrough Technologies 2013 : Deep Learning). Une équipe de Google DeepMind, une filiale d'Alphabet entièrement dédiée à l'IA, fait travail similaire , des ordinateurs de formation pour traiter les scans de tomographie par cohérence optique pour les signes de dégénérescence maculaire et d'autres maladies oculaires en collaboration avec des chercheurs du Moorfields Eye Hospital de Londres (voir DeepMind's First Medical Research Gig Will Use AI to Diagnose Eye Disease ).

Cette recherche sur l'image rétinienne, publiée mardi, a marqué le premier article sur l'apprentissage en profondeur est apparu dans le Journal de l'Association médicale américaine , selon le rédacteur en chef de la revue, Howard Bauchner.

Les auteurs de l'article, composés d'informaticiens de Google et de chercheurs médicaux des États-Unis et de l'Inde, ont développé un algorithme pour analyser les images rétiniennes. Mais contrairement aux logiciels d'ophtalmologie existants, il n'était pas explicitement programmé pour reconnaître les caractéristiques des images qui pourraient indiquer la maladie. Il a simplement examiné des milliers d'yeux sains et malades et a découvert par lui-même comment repérer la maladie.

Les chercheurs ont créé un ensemble d'entraînement de 128 000 images rétiniennes classées par au moins trois ophtalmologistes. Une fois l'algorithme formé, les chercheurs ont testé ses performances sur 12 000 images et ont constaté qu'il correspondait ou dépassait les performances des experts pour identifier la condition et évaluer sa gravité.

Les chercheurs de Google ont collaboré avec des scientifiques de la Aravind Medical Research Foundation en Inde, où un essai clinique impliquant de vrais patients est en cours. Ce projet implique des patients recevant une consultation normale, mais leurs images sont également introduites dans le système d'apprentissage en profondeur à des fins de comparaison. Lily Peng, chercheuse chez Google et médecin impliquée dans le projet, affirme que les résultats de cet essai ne sont pas encore prêts à être publiés.

L'apprentissage en profondeur pourrait être appliqué dans de nombreux domaines de la médecine qui reposent sur l'analyse d'images, tels que la radiologie et la cardiologie. Mais l'un des plus grands défis sera de fournir des preuves convaincantes que les systèmes sont fiables. Brendan Frey , professeur à l'Université de Toronto et PDG et cofondateur d'une entreprise appelée Génomique profonde , avertit que les chercheurs devront développer des systèmes d'apprentissage automatique capables d'expliquer comment ils sont parvenus à une conclusion particulière (voir AI’s Language Problem ).

Peng, de Google, dit que c'est quelque chose sur lequel son équipe travaille déjà. Nous comprenons que l'explication sera très importante, dit-elle.

cacher