211service.com
Une confrontation avec la réalité pour les ambitions d'IBM en matière d'IA
IBM, numéro 39 sur notre liste des 50 entreprises les plus intelligentes, a surestimé son système d'apprentissage automatique Watson, mais l'entreprise pourrait toujours avoir le meilleur accès au type de données nécessaires pour rendre la médecine beaucoup plus intelligente. 27 juin 2017
Léonard Gréco
Paul Tang était avec sa femme à l'hôpital juste après son arthroplastie du genou, une intervention pratiquée sur environ 700 000 personnes aux États-Unis chaque année. Le chirurgien est passé et Tang, qui est lui-même médecin de premier recours, a demandé quand il s'attendait à ce qu'elle reprenne ses habitudes normales, compte tenu de son expérience avec des patients comme elle. Le chirurgien a continué à donner de vagues non-réponses. Finalement, ça m'a frappé, dit Tang. Il ne savait pas. Tang apprendrait bientôt que la plupart des médecins ne savent pas comment se portent leurs patients dans les mesures ordinaires de la vie à la maison et au travail. — les mesures les plus importantes pour les patients.
Tang considère toujours les patients comme un médecin, mais il est également directeur de la transformation de la santé pour Watson Health d'IBM (voir ' 50 Smartest Companies 2017 .') C'est le groupe commercial qui développe des applications de soins de santé pour Watson, le système d'apprentissage automatique qu'IBM est essentiellement miser sur son avenir. Watson pourrait fournir des informations que les médecins n'obtiennent pas actuellement, dit Tang. Cela pourrait indiquer à un médecin, par exemple, combien de temps il a fallu à des patients similaires à la femme de Tang pour marcher sans douleur ou monter des escaliers. Cela pourrait même aider à analyser des images et des échantillons de tissus et à déterminer les meilleurs traitements pour un patient donné.
Cette histoire faisait partie de notre numéro de juillet 2017
- Voir la suite du problème
- S'abonner
C'est à cause de telles possibilités que les soins de santé sont l'un des segments les plus en vogue du marché des technologies d'apprentissage automatique. La société de recherche CB Insights compte au moins 106 startups qui ont vu le jour depuis 2013 et sont toujours en activité.
Aucune de ces entreprises n'a attiré l'attention de Watson, grâce à sa victoire au quiz télévisé Péril! en 2011 et marketing zélé par IBM depuis. Mais dernièrement, une grande partie de la presse pour Watson a été mauvaise. Une collaboration fortement promue avec le M.D. Anderson Cancer Center à Houston s'est effondrée cette année. Alors que les revenus d'IBM se sont évanouis et que le cours de son action a basculé, les analystes se demandent quand Watson apportera réellement beaucoup de valeur. Watson est une blague, a déclaré Chamath Palihapitiya, un investisseur technologique influent qui a fondé la société de capital-risque Social Capital. CNBC en mai.
Cependant, la plupart des critiques de Watson, même de la part de M.D. Anderson, ne semblent pas enracinées dans un défaut particulier de la technologie. Au lieu de cela, c'est une réaction aux affirmations trop optimistes d'IBM quant à l'état d'avancement de Watson. En fait, il semble toujours probable que Watson Health sera un chef de file dans l'application de l'IA aux problèmes des soins de santé. Si Watson n'a pas encore accompli beaucoup de choses dans ce sens, l'une des principales raisons est qu'il a besoin de certains types de données pour être formés. Et dans de nombreux cas, ces données sont très rares ou difficiles d'accès. Ce n'est pas un problème propre à Watson. C'est un catch-22 face à l'ensemble du domaine de l'apprentissage automatique pour les soins de santé.
Bien que le problème des données manquantes et inaccessibles puisse ralentir Watson, il peut nuire davantage aux concurrents d'IBM. En effet, le meilleur pari pour obtenir les données réside dans des partenariats étroits avec de grandes organisations de soins de santé qui ont tendance à être technologiquement conservatrices. Et une chose qu'IBM fait toujours très bien par rapport aux startups, ou même à des rivaux géants comme Apple et Google, est de gagner la confiance des dirigeants et des responsables informatiques des grandes organisations. Malgré les problèmes spécifiques du projet M.D. Anderson, IBM a un avantage crucial. Cela fait entrer Watson dans un large éventail de centres médicaux, de groupes d'administration des soins de santé et d'entreprises des sciences de la vie, qui sont tous positionnés pour fournir les données critiques nécessaires pour façonner l'avenir de l'IA en médecine.
Délais irréalistes
La rupture avec M.D. Anderson a semblé montrer qu'IBM s'étouffait avec son propre battage médiatique à propos de Watson.
Le centre de cancérologie et IBM se sont associés en 2012. L'objectif était que Watson lise les données sur les symptômes, la séquence génétique et les rapports de pathologie de n'importe quel patient, les combine avec les notes des médecins sur le patient et les articles de revues pertinents, puis aide les médecins à trouver diagnostics et traitements. Mais IBM et M.D. Anderson ont tous deux exagéré les attentes concernant la technologie. IBM revendiqué en 2013 qu'une nouvelle ère de l'informatique a émergé et a donné Forbes l'impression que Watson s'attaque maintenant aux essais cliniques et serait utilisé avec des patients dans quelques mois seulement. En 2015, le Poste de Washington a cité un responsable d'IBM Watson décrivant comment Watson était occupé à établir un modèle d'intelligence collective entre la machine et l'homme. le Poster a déclaré que le système informatique s'entraînait aux côtés des médecins pour faire ce qu'ils ne pouvaient pas faire.
Les soins de santé ont adopté la technologie avec un retard embarrassant, déclare Manish Kohli, médecin et expert en informatique de la santé à la Cleveland Clinic.
En février de cette année, l'Université du Texas, qui dirige M.D. Anderson, a annoncé qu'elle avait mis fin au projet, laissant le centre médical sans paiement de 39 millions de dollars à IBM. — pour un projet initialement contracté à 2,4 millions de dollars. Après quatre ans, il n'avait pas produit d'outil à utiliser avec les patients qui soit prêt à aller au-delà des tests pilotes. M.D. Anderson ne voulait pas me faire de commentaires sur Watson en particulier, mais il semble que les problèmes découlaient principalement de luttes internes sur la manière dont le projet était géré et financé.
Cela ne veut pas dire qu'IBM n'a aucun problème avec Watson. En effet, ils sont plus grands que ce que révèle n'importe quelle implémentation.
Pour comprendre ce qui ralentit les progrès, vous devez comprendre comment les systèmes d'apprentissage automatique comme Watson sont formés. Watson apprend en modifiant continuellement ses routines de traitement internes afin de produire le pourcentage le plus élevé possible de réponses correctes sur certains ensembles de problèmes, tels que les images radiologiques révélant un cancer. Les réponses correctes doivent déjà être connues, afin que le système puisse savoir quand quelque chose est correct et quand quelque chose ne va pas. Plus le système peut résoudre de problèmes d'entraînement, meilleur est son taux de réussite.
C'est relativement simple lorsqu'il s'agit de former le système pour identifier les tumeurs malignes dans les rayons X. Mais pour des énigmes potentiellement révolutionnaires qui vont bien au-delà de ce que les humains font déjà, comme la détection des relations entre les variations génétiques et la maladie, Watson a un problème de poule et d'œuf : comment s'entraîne-t-il sur des données qu'aucun expert n'a déjà passées au crible et correctement organisées ? ? Si vous enseignez une voiture autonome, n'importe qui peut étiqueter un arbre ou un panneau afin que le système puisse apprendre à le reconnaître, explique Thomas Fuchs, pathologiste informatique au Memorial Sloan-Kettering, un centre de cancérologie à New York. Mais dans un domaine spécialisé de la médecine, vous pourriez avoir besoin d'experts formés depuis des décennies pour étiqueter correctement les informations que vous transmettez à l'ordinateur.
Une version de cette pierre d'achoppement émerge dans tous les domaines dans lesquels IBM espère que Watson contribuera — comme c'est le cas pour la solution d'apprentissage automatique de n'importe quelle entreprise. Pour entraîner Watson à parcourir des pools de données géants et à extraire les quelques informations importantes pour un seul patient, quelqu'un doit d'abord le faire à la main, pour des milliers et des milliers de cas. Pour reconnaître les gènes liés à la maladie, Watson a besoin de milliers de dossiers de patients atteints de maladies spécifiques et dont l'ADN a été analysé. Mais ces combinaisons de gènes et d'enregistrements de patients peuvent être difficiles à trouver. Dans de nombreux cas, les données n'existent tout simplement pas dans le bon format — ou sous quelque forme que ce soit. Ou les données peuvent être dispersées dans des dizaines de systèmes différents et difficiles à utiliser.
Considérons, par exemple, l'objectif d'améliorer les soins primaires en mettant de meilleures données à la portée des cliniciens. Lorsque les médecins ratent des occasions de traiter des problèmes relativement mineurs lors d'une visite de routine en soins primaires, avant qu'un problème plus avancé n'envoie les patients aux urgences ou chez un spécialiste, leur santé en souffre et les coûts explosent. Environ un tiers de chaque dollar dépensé pour la santé est probablement inutile, déclare Anil Jain, médecin-chef d'IBM Watson Health, qui est également médecin de premier recours. L'apprentissage automatique est largement reconnu comme une opportunité de résoudre ce problème.
Cependant, pour vraiment aider les médecins à obtenir de meilleurs résultats pour les patients, Watson devra trouver des corrélations entre ce qu'il lit dans les dossiers de santé et ce que Tang appelle tous les déterminants sociaux de la santé. Ces facteurs incluent le fait que les patients ne prennent pas de drogue, évitent les mauvais aliments, respirent de l'air pur, etc. Mais Tang admet qu'aujourd'hui, presque aucun hôpital ou cabinet médical n'obtient ces données de manière fiable pour un pourcentage important de patients. Une partie du problème est que les hôpitaux ont été lents à adopter des pratiques modernes, axées sur les données. Les soins de santé ont adopté la technologie avec un retard embarrassant, déclare Manish Kohli, médecin et expert en informatique de la santé à la Cleveland Clinic.
Là où les données existent, IBM les a souvent simplement achetées. Elle a acquis des sociétés telles que Truven Health Analytics, Explorys et Phytel, qui étaient toutes actives dans le traitement de grands ensembles de données dans les hôpitaux et les populations de patients. Et même après la disparition de l'accord avec M.D. Anderson, IBM a des partenariats essentiels qui améliorent son accès aux données des patients.
L'un d'eux est avec Atrius Health, un réseau de près de 900 médecins principalement de soins primaires dans la région de Boston. Le partenariat vise à développer et à tester un système basé sur Watson capable d'extraire des pépites d'informations essentielles pour un patient individuel à partir d'un océan de notes, de dossiers et d'articles. La recherche de toutes les informations pertinentes est une tâche onéreuse pour les médecins de soins primaires dans l'état actuel des choses, déclare le médecin-chef d'Atrius, Joe Kimura. Les dossiers de santé électroniques ont peut-être aggravé le problème, ajoute-t-il, car l'avènement de tels systèmes a énormément augmenté la quantité de données générées à chaque visite, sans fournir de format standard pour permettre une récupération facile.
De manière critique, bon nombre des notes les plus importantes dans les dossiers des patients sont des phrases qu'un système informatique conventionnel ne peut pas comprendre. Mais Watson peut appliquer les compétences de traitement du langage naturel développées pour Péril! afin d'en tirer un sens. Idéalement, il pourrait alors suggérer des façons pour les médecins d'aider les patients à éviter le besoin de soins intensifs. Pourquoi devrions-nous nous concentrer uniquement sur la vérification que nous avons fait le meilleur travail possible avec les patients qui se cassent la hanche, demande Kimura, alors que nous pouvons essayer de prédire quels patients sont à risque de chute et les aider à ne pas se casser la hanche du tout ? Nous devons pousser nos soins en amont.
Courtney DiNardo, médecin spécialiste de la leucémie chez M.D. Anderson, a utilisé le système Watson d'IBM lors d'une consultation avec un patient en 2013.
IBM a annoncé en 2015 que les capacités de diagnostic de Watson seraient renforcées par les données obtenues de Merge Healthcare, une société de gestion d'imagerie médicale qu'IBM a achetée pour environ 1 milliard de dollars.
Watson Health s'associe également à la Central New York Care Collaborative, une agence financée par le gouvernement de l'État qui travaille avec quelque 2 000 prestataires de soins de santé dans six comtés. Le partenariat vise à soutenir l'objectif d'une réduction de 25% des admissions aux urgences et des réadmissions à l'hôpital, lorsque les patients qui ont reçu leur congé d'un hôpital doivent revenir pour résoudre des problèmes connexes. Il offre également un accès potentiel à de grandes quantités de données sur les patients.
Il existe d'autres moyens d'obtenir ces données. L'une des sociétés sœurs de Google essaie de l'obtenir directement auprès des patients eux-mêmes. Verily Life Sciences, une division de soins de santé d'Alphabet, s'associe à Duke et Stanford pour développer une base de données de santé hautement structurée sur quelque 10 000 volontaires. La base de données sera remplie d'informations provenant non seulement de leurs visites cliniques, mais également d'appareils portables de surveillance de la santé. Cela pourrait être une avancée prometteuse dans l'accès aux données, même si cela pourrait prendre une décennie ou plus pour produire des résultats hautement utilisables.
Le groupe de Fuchs au Memorial Sloan-Kettering espère former un système d'IA pour lire les lames de coloration des tissus, un processus qui nécessitera une grande bibliothèque de lames annotées numériquement avec des diagnostics confirmés et d'autres données critiques. Le groupe se prépare donc à produire seul 40 000 diapositives de ce type par mois. C'est bien plus que n'importe qui d'autre, dit Fuchs. C'est une tâche énorme à cause de toute la variabilité de la biologie.
Même M.D. Anderson, malgré le sort du projet Watson, poursuit un vaste programme qui a débuté à peu près à la même époque, axé sur la collecte de 1 700 types de données cliniques sur chaque patient qui franchit ses portes. Andy Futreal, le scientifique qui dirige le programme, affirme que la combinaison de ces informations sur les patients avec des données de recherche sera cruciale pour les types de capacités que des systèmes comme Watson pourraient fournir. Une fois que nous avons les données en place, vous pouvez maintenant vous lancer dans l'apprentissage automatique de l'IA en découvrant les facteurs qui dictent qui fait et qui ne fait pas bien avec différents traitements, dit Futreal.
IBM, de son côté, continue d'accumuler les données des partenariats. Pour le diagnostic et les soins du cancer uniquement, la société s'est associée à Memorial Sloan-Kettering, à la clinique Mayo, au Broad Institute affilié à Harvard et au MIT et au géant des tests médicaux Quest Diagnostics. La collaboration Memorial Sloan-Kettering a déjà produit un système qui passe au crible la littérature des revues pour éclairer les décisions de traitement, et il a été déployé au Jupiter Medical Center en Floride et dans une chaîne d'hôpitaux en Inde. Sur le front de la découverte de médicaments, Watson Health travaille avec le Barrow Neurological Institute, où Watson a aidé à trouver cinq gènes liés à la SLA qui n'avaient jamais été associés à la maladie auparavant, et avec l'Ontario Brain Institute, où Watson a identifié 21 médicaments potentiels prometteurs. candidats.
Watson finira-t-il par faire une différence dans l'amélioration des résultats de santé et la réduction des coûts ? Probablement, dit Stephen Kraus, associé de la société de capital-risque Bessemer Venture Partners qui se concentre sur les soins de santé et a investi dans des startups de soins de santé IA. Tout est pour de vrai, dit Kraus. Il ne s'agit pas de sortir du vaporware pour faire grimper le cours des actions. Mais Kraus se joint à la plupart des experts pour mettre en garde contre des délais ou des promesses irréalistes — dont certains proviennent d'IBM lui-même. C'est dur, dit-il. Cela ne se produit pas aujourd'hui, et cela pourrait ne pas se produire dans cinq ans. Et cela ne remplacera pas les médecins.