Watson va travailler à l'hôpital

Conçu pour répondre Péril! questions, Watson d'IBM est de peu d'utilité au-delà de l'ensemble du jeu télévisé. Mais certaines des techniques qui ont aidé l'ordinateur à vaincre deux humains Péril ! champions de février se montrent prometteurs dans un nouveau contexte : l'hôpital. Des chercheurs au Canada utilisent des analyses comme celles qui ont aidé l'ordinateur à déchiffrer le langage des indices pour fournir un avertissement précoce lorsque les bébés dans une unité de soins intensifs contractent une infection transmise à l'hôpital.

Déluge de données : Les flux de données médicales provenant de bébés en soins intensifs peuvent fournir un avertissement précoce d'une infection.

Comme on peut s'y attendre, les bébés dans une unité de soins intensifs sont entourés d'équipements qui suivent leurs signes vitaux, mais une grande partie de ces données est gaspillée, dit Carolyn McGregor , chercheur à l'Institut de technologie de l'Université de l'Ontario. Ils produisent des flux constants de données, dit-elle, mais ces informations sont souvent distillées jusqu'à une lecture ponctuelle [infirmier] toutes les 60 minutes, écrite sur papier.

McGregor dirige un projet qui a développé un logiciel pour garantir qu'aucun morceau de ces données ne soit gaspillé. À l'unité de soins intensifs néonatals du Hospital for Sick Children de Toronto, ce logiciel, baptisé Artemis, recueille des données sur huit lits de nourrissons. Le système peut surveiller l'électrocardiogramme, la fréquence cardiaque, la fréquence respiratoire, le niveau d'oxygène dans le sang, la température et la pression artérielle du bébé. Il peut également accéder aux données des dossiers médicaux, telles que le poids à la naissance du bébé. McGregor et ses collègues développent des algorithmes qui utilisent ces signaux pour détecter les signes d'infection à l'hôpital avant les médecins et les infirmières.

La pratique actuelle utilisée pour diagnostiquer les infections dans les soins intensifs a un taux élevé de faux positifs, ce qui signifie que de nombreux bébés sont mal diagnostiqués et reçoivent des médicaments dont ils n'ont pas besoin, ou occupent un lit de soins intensifs plus longtemps que nécessaire. Les bébés diagnostiqués avec une infection ont, en moyenne, un doublement de la durée de séjour, dit McGregor. Nous voulons réduire cela.

Les chercheurs ont déjà montré qu'Artemis peut utiliser certaines des mêmes observations cliniques que les médecins utilisent pour diagnostiquer les bébés. Par exemple, le système peut détecter des épisodes d'apnée (une pause dans la respiration), dont la fréquence est censée augmenter lorsqu'une infection s'installe, explique McGregor. D'autres recherches ont montré qu'une variation de la fréquence cardiaque peut avertir d'une infection 24 heures avant l'apparition de la plupart des autres symptômes. Nous avons proposé notre propre algorithme qui utilise ces données, ainsi qu'un éventail plus large de données, pour détecter les signes d'infection, explique McGregor.

Deux versions légèrement différentes de cet algorithme sont testées dans l'USI. Les résultats devraient être publiés plus tard cette année. L'efficacité du logiciel sera jugée en comparant ses décisions et observations avec celles prises par le personnel médical. Des algorithmes qui tentent d'apprendre de nouveaux signes avant-coureurs d'infection sont également testés. Personne n'a eu accès à toutes ces données auparavant, nous ne pouvons donc pas toujours nous référer aux recherches antérieures, explique McGregor.

Artemis repose sur une plate-forme d'analyse appelée InfoSphere Streams qui, comme Watson, a émergé des recherches d'IBM sur la manière dont les logiciels peuvent prendre des décisions sur-le-champ en utilisant des données arrivant à grande vitesse à partir de nombreuses sources différentes.

Les paradigmes de traitement que nous avions auparavant ne correspondaient tout simplement pas au type de données en streaming que nous traitons, explique McGregor. Les logiciels ont traditionnellement effectué des analyses en parcourant systématiquement un stock de données fixe et bien organisé, comme une personne naviguant dans les piles d'une bibliothèque, explique-t-elle.

InfoSphere Streams, en revanche, est basé sur un modèle alternatif plus récent connu sous le nom de stream computing. Les informations circulent constamment dans le logiciel, où les algorithmes de questions-réponses agissent comme des filtres, extrayant les réponses des informations disponibles à un moment donné.

Cela permet d'accepter des données qui se déplacent trop vite pour être écrites sur des disques durs, qui sont relativement lents, explique Lipyeow Lim , chercheur à l'Université d'Hawaï qui travaillait auparavant au laboratoire TJ Watson d'IBM. Au fur et à mesure que les données arrivent, vous ne voulez les regarder qu'une seule fois, puis laissez-les partir, dit-il. InfoSphere Streams fournit une sorte de système d'exploitation pour cette approche, explique Lim, partageant le travail d'implémentation d'un programme particulier sur de nombreux ordinateurs afin que le système dans son ensemble puisse générer des réponses sans engager de données sur le disque.

Cela permet au groupe d'ordinateurs qui composent Artemis de suivre toutes les différentes sources de données en streaming pour différents bébés. Surveiller un bébé, vous pourriez probablement le faire avec un système et une conception de stockage traditionnels, explique Lim. Le défi vient quand vous voulez surveiller beaucoup d'entre eux.

La même approche a permis à Watson de répondre aux questions assez rapidement pour rivaliser avec les experts humains. Dès qu'un nouvel indice lui a été fourni, de nombreux algorithmes de traitement du langage naturel se sont mis à travailler en parallèle. Leurs résultats ont été transmis à un moteur d'analyse similaire à celui d'InfoSphere Streams, qui a réconcilié les différentes réponses et décidé de la meilleure réponse de Watson.

McGregor tire parti de la capacité d'Artemis à disposer de grandes quantités de données pour en faire une sorte de ressource de diagnostic à distance pouvant servir les unités de soins intensifs néonatals du monde entier. Nous avons mis en place une version cloud afin qu'un hôpital pour femmes du Rhode Island transmette des données à mon laboratoire via un lien Internet sécurisé, dit-elle. Deux hôpitaux en Chine connecteront leurs unités de soins intensifs néonatals à l'aide de cette technologie plus tard cette année.

Pendant ce temps, des machines qui ressemblent davantage au Watson qui a séduit Péril ! les téléspectateurs sont seuls, un chemin plus lent vers l'hôpital. IBM a commencé à collaborer avec la société de reconnaissance vocale Nuance pour étudier comment un système de type Watson qui digère la littérature de recherche, les dossiers médicaux et les notes du médecin pourrait conseiller les cliniciens.

cacher