Comment les Réseaux de Neurones Peuvent être Utilisés dans L'industrie de la Santé : 10 Cas d'utilisation

Table des matières

#1. Chirurgie robotique
#2. Diagnostic d'imagerie
#3. Assistants de soins virtuels
#4. Flux de travail et tâches administratives
#5. Prédire les épidémies de maladies infectieuses
#6. Création de médicaments et de nouveaux traitements
#7. Médecine personnalisée
#8. Lutte contre la fraude
#9. Modification du comportement
#10. Collecte et analyse des données

Le marché de l'IA pour les soins de santé était évalué à 8,23 milliards de dollars en 2020 et devrait atteindre 194,4 milliards de dollars d'ici 2030, avec une croissance à un TCAC de 38,1 % de 2021 à 2030. Dans le même temps, les réseaux de neurones artificiels deviendront le principal moteur de la croissance du marché, car c'est grâce à eux que «l'esprit» numérique peut apprendre si rapidement et efficacement. Dans cet article, nous décrirons exactement comment les réseaux de neurones artificiels sont utilisés en médecine aujourd'hui.

Chirurgie robotique

Les procédures chirurgicales nécessitent des connaissances médicales approfondies, une grande précision, la capacité de s'adapter aux circonstances changeantes et une attention constante sur une longue période. Bien que les chirurgiens formés aient généralement toutes ces qualités, ce ne sont que des gens ordinaires et ils peuvent donc faire des erreurs, surtout s'ils ont un emploi du temps chargé. Selon une étude de l'Université Johns Hopkins, les erreurs chirurgicales se produisent plus de 4 000 fois par an aux États-Unis seulement . Par exemple, au moins
39 fois par semaine, un chirurgien laisse des objets étrangers à l'intérieur des patients, plus de 20 fois par semaine, les chirurgiens effectuent la mauvaise opération ou opèrent le mauvais organe.

La chirurgie robotique peut atténuer ce problème. En particulier, l'IA basée sur les réseaux de neurones peut être utilisée pour simuler et planifier une opération, évaluer les compétences d'un chirurgien et simplifier les tâches chirurgicales. En outre, les robots dotés de bras mécaniques peuvent effectuer des interventions chirurgicales de manière indépendante, ce qui accélérera et réduira le coût de ce type de service, tout en rendant plus courante la chirurgie hautement professionnelle - un chirurgien cool ne voudra probablement pas vivre dans les régions pauvres d'Afrique. ou en Asie, tandis qu'un robot chirurgien peut être placé dans n'importe quelle pièce avec électricité.

Et tout cela n'est pas que des mots : l'industrie de la chirurgie robotique est déjà valorisée à 40 milliards de dollars, et elle affiche d'excellents résultats :

• Les réseaux de neurones artificiels analysent les données des dossiers médicaux préopératoires pour guider l'instrument du chirurgien pendant la chirurgie, réduisant ainsi les séjours à l'hôpital des patients de 21 % ou plus.
• Une étude portant sur 379 patients orthopédiques a révélé qu'une procédure robotique basée sur un réseau de neurones entraînait cinq fois moins de complications que les chirurgiens travaillant seuls.
• Les chirurgiens cardiaques sont assistés par un robot Heartlander miniature . Il pénètre dans une petite incision dans la poitrine pour effectuer un sondage, une cartographie et un traitement stables et localisés sur toute la surface du cœur. Son utilisation réduit les dommages pour le patient si l'accès au cœur est nécessaire.
• Le robot chirurgical autonome Smart Tissue (STAR) a effectué de manière indépendante une tâche difficile sur les tissus mous du porc (reconnexion des deux extrémités de l'intestin), montrant des résultats nettement meilleurs que les chirurgiens humains.

Diagnostic d'imagerie

L'imagerie en médecine fait référence au processus de création de représentations visuelles des structures internes du corps pour l'analyse clinique et l'intervention médicale, ainsi qu'une représentation visuelle des fonctions de certains organes ou tissus. L'imagerie améliore le diagnostic lors de l'utilisation des rayons X, de la tomodensitométrie, de la mammographie, de l'IRM, de la TEP, de l'échographie et d'autres procédures.

La communauté médicale reconnaît depuis longtemps que l'imagerie peut augmenter considérablement la probabilité de détection d'une maladie. Mais souvent, même l'œil humain exercé d'un médecin ne peut pas reconnaître de petits détails dans les images. De plus, il ne faut pas non plus oublier le problème des yeux «flous»: des chercheurs de l'Université de Harvard ont ajouté l'image d'un gorille aux radiographies et les ont montrées aux médecins - 83% des radiologues n'ont pas remarqué l'image d'un gorille sur radiographies .

Les réseaux de neurones convolutifs (CNN) sont parfaits pour l'imagerie médicale . Les CNN sont conçus pour traiter des images, ce qui signifie qu'ils peuvent être utilisés en médecine, comme l'analyse d'IRM ou de rayons X, selon des scientifiques de l'Université de Stanford. De plus, les CNN surpassent souvent la précision humaine. Par exemple, chez les dermatologues professionnels, la précision de détection du mélanome est de 65% à 85%. Alors que des solutions telles que TensorFlow, scikit-learn ou keras affichent une précision de l'ordre de 87 % à 95 % .

En même temps, ils travaillent beaucoup plus vite que les gens, sans pauses déjeuner ni jours de congé : des chercheurs de la Mount Sinai Icahn School of Medicine ont développé un réseau de neurones capable de diagnostiquer des conditions neurologiques importantes, telles que les accidents vasculaires cérébraux et les hémorragies cérébrales, 150 fois plus rapidement. que les radiologues humains.

Voici quelques exemples supplémentaires d'imagerie médicale utilisant des réseaux de neurones :

• En 2019, les chercheurs ont utilisé un réseau neuronal convolutif construit sur les architectures ResNet50 et InceptionV3 pour analyser des ensembles d'images médicales et la dermoscopie. Cette solution a fourni le même niveau de précision que les diagnostiqueurs humains professionnels.
• L'un des outils de détection précoce du cancer du sein, développé par le Houston Medical Research Institute, interprète les mammographies avec une précision de 99 % et fournit des informations de diagnostic 30 fois plus rapidement qu'un humain.
• Un groupe de chercheurs chinois a développé un système de réseau neuronal pour analyser les images radiographiques des premiers signes de pneumonie causée par le COVID-19. Cet outil permet aux médecins d'économiser jusqu'à 40 % du temps de diagnostic, leur permettant d'identifier, d'isoler et de traiter plus rapidement les patients contagieux.
• scientifique espagnole a développé un algorithme d'apprentissage profond basé sur un réseau de neurones pour améliorer la résolution de l'IRM. Il aide à identifier les pathologies complexes associées au cerveau, notamment le cancer, les troubles de la parole et les blessures physiques.
• Facebook AI (maintenant Meta) et NYU Langone Health ont développé une IA appelée Il offre une nouvelle approche de création d'images IRM qui accélère le processus de numérisation de 4 fois. Lorsque de telles images étaient fournies aux radiologues, ils ne pouvaient pas faire la différence entre un scan traditionnel et un scan créé avec fastMRI.

Assistants de soins virtuels

Une autre chose que les réseaux de neurones peuvent aider est d'interagir avec les patients sur des questions telles que les demandes de renseignements des patients, la gestion des informations sensibles sur la santé des patients, la planification de rendez-vous avec les médecins, l'envoi de rapports de test, les rappels de rendez-vous médicaux, etc. Le transfert de ces tâches à l'IA pourrait permettre d' économiser 20 milliards de dollars par an sur le seul marché américain de la santé.

Les aides-soignants virtuels comme Care Angel sont capables d'effectuer un premier rendez-vous, d'organiser une visite à l'hôpital, de conserver partiellement les dossiers médicaux, de rapporter les résultats des tests et même d'effectuer un bilan de santé à l'aide de la voix. Un autre exemple de solution similaire est Sensely. Cet assistant virtuel est une application interactive conçue pour rationaliser le flux de travail médical, automatiser les processus de routine et réduire le coût du suivi des soins aux patients. Des études montrent que l'utilisation de Sensely peut réduire les coûts de main-d'œuvre pour le suivi des patients de 66 % par rapport à une procédure conventionnelle.

Flux de travail et tâches administratives

Une enquête du New England Journal of Medicine (NEJM) auprès de médecins britanniques a révélé que plus de 80 % des répondants considèrent l'épuisement professionnel des médecins comme un problème dans leur organisation . Dans le même temps, la moitié de ces répondants ont déclaré que le « déchargement des tâches administratives » peut résoudre complètement ou partiellement ce problème, permettant aux médecins de passer plus de temps avec les patients, ainsi que de consacrer plus de temps au développement professionnel. Et surtout des plaintes concernant la nécessité de maintenir les dossiers de santé électroniques (DSE) des patients qui utilisent de nombreux hôpitaux à travers le monde.

L'intelligence artificielle basée sur les réseaux de neurones peut prendre en charge une part importante du travail administratif de routine consistant à remplir des documents et des rapports, ce qui permettra d'économiser jusqu'à 18 milliards de dollars en soins de santé. Par exemple, un algorithme de transcription voix-texte peut vous aider à remplir un DSE, commander des tests, prescrire des médicaments, prendre des notes et d'autres choses en utilisant votre voix lors d'un examen patient.

Un exemple d'une telle solution est Olive, une plate-forme alimentée par l'IA qui automatise plusieurs processus administratifs, tels que la validation des réclamations médicales non fondées, le transfert des données médicales nécessaires aux professionnels de santé appropriés, etc. Olive s'intègre facilement aux outils logiciels de santé existants.

Des services similaires sont fournis par K2 Process Automation. Cette plateforme utilise l'intelligence artificielle pour optimiser la gestion des établissements médicaux et de leur personnel. En particulier, AI K2 peut automatiquement mettre à jour les données du dossier patient, traiter les demandes des patients en leur envoyant des notifications lorsqu'ils reçoivent les résultats des tests, enregistrer les appels et enregistrer les informations en conséquence.

Prédire les épidémies de maladies infectieuses

Fin décembre 2021, la plateforme BlueDot a prédit l'épidémie de coronavirus en Chine . L'intelligence artificielle BlueDot, après avoir étudié l'actualité dans 65 langues, les conversations des gens sur les réseaux sociaux et les rapports sur la maladie, a signalé une épidémie d'une nouvelle infection pseudo-grippale une semaine plus tôt que l'Organisation mondiale de la santé (OMS). Et ce n'est pas le premier cas de ce genre. Auparavant, BlueDot avait prédit une épidémie de virus Zika en Floride en 2016, six mois avant qu'elle ne se produise. Encore plus tôt, BlueDot avait prédit l'épidémie d'Ebola de 2014 et sa propagation au-delà de l'Afrique.

Metabiota est une autre startup qui a montré sa capacité à prédire les épidémies de maladies infectieuses. La plateforme a aidé à stopper la propagation d'Ebola en Sierra Leone, selon TechCrunch.

Création de médicaments et de nouveaux traitements

En 2015, lors de l'épidémie d'Ebola en Afrique de l'Ouest, la société pharmaceutique américaine Atomwise, utilisant la puissance de l'intelligence artificielle, s'est associée à IBM pour cribler des composés capables de se lier à une glycoprotéine qui empêche Ebola de pénétrer dans les cellules à l'intérieur du corps. Cette analyse a été réalisée par le réseau de neurones Atomwise en moins d'une journée, bien que ce processus prenne généralement des mois voire des années.

C'était la première fois que l'IA accélérait autant le processus de développement de médicaments. Dans 5 ans, les États-Unis approuveront le premier médicament, presque entièrement créé par l'IA, le médicament DSP-1181 pour le traitement des troubles obsessionnels compulsifs. Ce médicament a été créé par Exscientia et, selon sa direction, il n'a fallu que 12 mois.

Mais cette période n'est pas la limite. Insilico Medicin affirme que leur IA, GENTRL, est capable de créer de nouveaux médicaments contre certaines pathologies en seulement 3 semaines. Il faudra encore environ 25 jours pour choisir la meilleure option et la tester. Ainsi, il ne faut que 46 jours pour créer des médicaments en utilisant GENTRL.

Cependant, le projet le plus ambitieux dans ce sens est Deep Genomics. Cette société développe une IA appelée Project Saturn pour découvrir de nouvelles méthodes pour éliminer les effets des mutations génétiques. Deep Genomics a déjà évalué 69 milliards de molécules d'oligonucléotides contre 1 million de cibles in silico pour créer une bibliothèque de 1 000 composés validés expérimentalement pour manipuler la biologie cellulaire comme prévu.

Médecine personnalisée

La médecine personnalisée est un autre domaine des soins de santé à forte intensité de ressources où les réseaux de neurones artificiels peuvent être utiles. Le fait est que chaque cas de traitement est unique, puisque chaque personne a une immunité, des antécédents médicaux et un état de santé actuel uniques. Et tout cela doit être pris en compte pour une efficacité maximale du traitement. Mais le médecin, premièrement, ne peut pas toujours voir toutes les nuances de l'état du patient, et deuxièmement, le médecin n'a pas la compétence nécessaire pour prendre une décision globale sur l'élaboration du plan de traitement le plus efficace, en tenant compte de toutes ces nuances - pour cela vous devez avoir les connaissances les plus approfondies dans tous les domaines de la médecine, ce qui est irréaliste.

Mais il est sous le pouvoir de l'intelligence artificielle. Il est capable d'étudier et d'analyser d'énormes quantités de données et de prendre une décision qui tiendra compte de toutes les données disponibles sur l'état du patient et ses options de traitement. Jusqu'à présent, il n'y a pas beaucoup de projets de ce type (ils sont trop complexes et nécessitent d'énormes quantités de données médicales de haute qualité). Mais les premiers succès en ce sens sont déjà là : AI Merative d'IBM (anciennement appelé Watson Oncology) est conçu spécifiquement pour résoudre de tels problèmes.

Lutte contre la fraude

Un autre problème majeur dans le domaine de la santé est la fraude. Les médicaments contrefaits, la fraude à l'assurance et les services médicaux de qualité inférieure, illégaux et délibérément inefficaces sont aussi préjudiciables à l'industrie que la recherche clinique falsifiée et de qualité inférieure. Aux États-Unis seulement, selon des estimations prudentes , la fraude en matière de soins de santé coûte au pays environ 68 milliards de dollars par an, soit 3 % des dépenses de santé du pays tout entier.

L'intelligence artificielle basée sur les réseaux de neurones peut également faire face à ce problème. Par exemple, la société médicale Aetna dispose d'environ 350 modèles de réseaux neuronaux pour la sécurité et la protection contre la fraude. Highmark Inc possède également son propre NN anti-fraude et, selon l'entreprise, son produit de réseau neuronal a déjà aidé l'entreprise à économiser 245 millions de dollars .

Modification du comportement

Combien de fois avez-vous oublié de prendre vos médicaments, oublié ou ignoré l'examen de votre médecin ? Les enquêtes montrent qu'il s'agit d'un problème très courant et que les médecins n'ont que peu ou pas de contrôle dessus. De plus, les instructions et les critiques du comportement des patients par les médecins ne font qu'exacerber le problème, car les patients deviennent gênés par leur maladie et arrêtent tout simplement d'aller à l'hôpital.

Mais divers gadgets et applications qui corrigent le comportement des gens peuvent aider à cela. L'exemple le plus évident est celui des bracelets de fitness et des montres connectées qui permettent de fixer des objectifs (par exemple, marcher 4 kilomètres par jour) et de suivre leur réalisation, ainsi que de rappeler les examens préventifs et la nécessité d'une activité physique. Des applications plus sophistiquées comme Somatix suivent les activités quotidiennes d'un patient et indiquent ses habitudes et ses routines afin qu'il puisse se concentrer sur son élimination et sa guérison.

N'oubliez pas non plus les diverses applications pour éliminer les mauvaises et créer de bonnes habitudes. Ils créent le « contrôle externe » dont le patient a besoin, qui est souvent un facteur de motivation plus efficace que les conseils des médecins, les demandes ou même les menaces des proches. Dans le même temps, ces applications sont particulièrement efficaces si elles utilisent des éléments de gamification - l'utilisation de pratiques de jeu (récompenses, réalisations, récompenses, niveaux, croissance de compte) dans un contexte non ludique.

Collecte et analyse des données

Le dernier mais non le moindre sur notre liste est la collecte et l'analyse de données médicales de haute qualité. Et ce n'est pas seulement la collecte de l'histoire du patient, mais aussi diverses données connexes, en commençant par l'endroit où le patient travaille et la fréquence à laquelle il va au gymnase et se terminant par les films qu'il regarde et la nourriture qu'il mange - idéalement, tout cela devrait également être pris en compte lors de l'élaboration du plan de traitement.

Le problème est que la collecte de telles données est très difficile et coûteuse. Les gens ne veulent pas signaler chaque achat, diffusion ou film d'horreur qu'ils regardent. Mais cela peut être fait par des plateformes basées sur l'intelligence artificielle. Si une telle solution est intégrée à un smartphone, une montre intelligente, un réfrigérateur, une banque en ligne et d'autres sources, l'intelligence artificielle collectera automatiquement et en toute confidentialité ces statistiques pour chaque patient.

Il existe de nombreux exemples de telles solutions. Par exemple, un gadget de Current Health doté d'une intelligence artificielle pour le suivi médical de l'état d'une personne. Cet appareil portable a été l'un des premiers à recevoir l'approbation de la Food and Drug Administration (FDA) des États-Unis pour un usage domestique. Le gadget peut mesurer la fréquence cardiaque, la respiration, la saturation en oxygène, la température et la mobilité des patients pour fournir ces données au médecin, qui fera des recommandations au patient.

Un exemple plus populaire est l'Apple Watch, qui, en plus des capacités de santé actuelle, peut également prendre des électrocardiogrammes (ECG) et envoyer des messages à l'hôpital le plus proche, à des parents ou à des amis si la montre détecte une chute ou un rythme cardiaque irrégulier - ces fonctionnalités ont sauvé la vie de plus d'une personne.