L'intelligence artificielle, ou l'IA, peut-elle potentiellement transformer les soins de santé pour le mieux?
Maintenant, levant le défi, une équipe de chercheurs de l'Arizona State University a construit un nouvel outil d'IA puissant, appelé ARK+, Pour aider les médecins à mieux lire les rayons x et à améliorer les résultats des soins de santé.
« ARK + est conçu pour être un outil ouvert, fiable et finalement utile dans les systèmes de soins de santé du monde réel », a déclaré Jianming « Jimmy » Liang, professeur ASU du College of Health Solutions, et auteur principal de l'étude récemment publié dans la prestigieuse revue Nature.
Dans une étude de la preuve de concept, le nouvel outil d'IA a démontré une capacité exceptionnelle dans le diagnostic, des maladies pulmonaires courantes à des maladies rares et même émergentes comme Covid-19 ou la grippe aviaire. Il était également plus précis et surperformé de logiciels propriétaires actuellement publiés par les titans de l'industrie comme Google et Microsoft.
Notre objectif était de construire un outil qui non seulement bien performé dans notre étude, mais peut également aider à démocratiser la technologie pour la mettre entre les mains de potentiellement tout le monde. En fin de compte, nous voulons que l'IA aide les médecins à sauver des vies. «
Jianming « Jimmy » Liang, professeur ASU du College of Health Solutions
Sommaire
Plus de coup pour les soins de santé
Les gens exigent certainement plus de coup pour leur argent de soins de santé.
Pourtant, avec les soins de santé désormais le principal moteur de l'économie américaine, les États-Unis continuent de se classer plus bas que de nombreux pays dans de nombreux indicateurs, dont 49ème Dans l'espérance de vie, selon la Banque mondiale. C'est inférieur à des pays comme Cuba et le Qatar.
Les patients veulent vivre une vie plus saine et avoir de meilleurs résultats. Et les médecins veulent s'assurer que le diagnostic est correct la première fois pour de meilleurs soins aux patients.
C'est à ce moment-là que l'IA entre dans la salle d'attente.
Un nouvel outil de santé d'IA
L'équipe de recherche de Liang voulait utiliser l'IA pour aider à interpréter le type de radiographie le plus courant utilisé en médecine, la radiographie pulmonaire.
Les radiographies thoraciques sont d'une grande aide pour les médecins pour diagnostiquer rapidement diverses conditions affectant la poitrine, y compris les problèmes pulmonaires (comme la pneumonie, la tuberculose ou la fièvre de la vallée), les problèmes cardiaques, les côtes cassées et même certaines conditions intestinales.
Mais parfois, ils peuvent être difficiles à interpréter, même pour les médecins expérimentés, ou ils peuvent manquer de diagnostiquer des conditions rares ou des maladies émergentes, comme cela a été observé au cours de la première année de la pandémie Covid-19.
L'outil ARK + facilite les rayons x en réduisant les erreurs, en accélérant le diagnostic et en rendant la technologie plus équitable en fournissant des outils de santé IA de haute qualité gratuits et en plein air dans le monde.
« Nous croyons en la science ouverte, a déclaré Liang. » Nous avons donc utilisé des données publiques et un ensemble de données mondiales, car nous pensons que cela développera plus rapidement le modèle d'IA. «
ARK + surpasse les outils de rayons X de la poitrine AI précédents
L'IA fonctionne en formant des logiciels informatiques sur de grands ensembles de données, ou dans le cas du modèle ARK +, un total de plus de 700 000 images mondiales de plusieurs ensembles de données aux rayons X disponibles.
Le principal fabricant de différence pour ARK + était d'ajouter de la valeur et de l'expertise de l'art humain de la médecine. L'équipe de Liang comprenait de manière critique toutes les notes détaillées des médecins compilées pour chaque image. « Vous apprenez plus de connaissances des experts », a déclaré Liang.
Ces notes de médecin expert étaient essentielles dans l'apprentissage de l'ARK + et l'obtention de plus en plus de précision car elles ont été formées sur chaque ensemble de données.
« ARK + accumule et réutilise les connaissances », a déclaré Liang, expliquant l'acronyme. « C'est comme ça que nous la formons. Et à peu près, nous pensions à une nouvelle façon de former des modèles d'IA avec de nombreux ensembles de données via un apprentissage entièrement supervisé. »
« Parce qu'avant cela, si vous vouliez former un grand modèle à l'aide de plusieurs ensembles de données, les gens utilisaient généralement l'apprentissage auto-levé, ou que vous le formez sur le modèle de maladie, l'anormal et une radiographie normale. »
De grandes entreprises comme Google et Microsoft ont développé des modèles de soins de santé de l'IA de cette façon.
« Cela signifie que vous n'utilisez pas les étiquettes d'experts », a déclaré Liang. « Et donc, cela signifie que vous jetez les informations les plus précieuses des ensembles de données, ces étiquettes d'experts. Nous voulions que l'IA apprenne des connaissances d'experts, pas seulement des données brutes. »
Ainsi, dans un cas de David contre Goliath, l'équipe de recherche petite mais courageuse de Liang, y compris les étudiants diplômés, Dongao MA et Jiaxuan Pang, a travaillé sur le projet avec le financement des National Institutes of Health, de la National Science Foundation et du financement des semences d'une collaboration de longue date avec la clinique de Mayo Arizona Radiologist Michael Gatway.
Le nouvel outil de l'ASU peut être le slinghot nécessaire pour donner un coup de pouce à la médecine, car il a été démontré qu'il surpasse les logiciels privés et immobiliers développés par les géants.
Les autres points forts clés du projet pilote comprennent:
• Modèle de fondation pour les rayons X: ARK + est formé sur de nombreux ensembles de données de rayons x de thorats différents des hôpitaux et des institutions du monde entier. Cela le rend meilleur pour détecter un large éventail de problèmes pulmonaires.
• Ouvert et partable: L'équipe a publié le code et des modèles pré-entraînés. Cela signifie que d'autres chercheurs peuvent l'améliorer ou l'ajuster pour les cliniques locales.
• Apprentissage rapide: ARK + peut identifier les maladies rares même lorsque seuls quelques exemples sont disponibles.
• S'adapte aux nouvelles tâches: ARK + peut également être fini pour repérer des problèmes pulmonaires nouveaux ou invisibles sans avoir besoin de recyclage complet.
• Résilient et juste: ARK + fonctionne bien même avec des données inégales et se bat contre les biais. Il peut également être utilisé de manière privée et sécurisée.
Parmi les aspects les plus importants de la sortie des sociétés propriétaires, il y avait le logiciel ARK + et gratuit pour tous.
« Si nous rivalisons directement, il est peu probable que nous allons gagner », a déclaré Liang. « Mais avec des logiciels open source, nous invitons des collaborations avec de nombreux autres laboratoires. Et avec toutes les personnes impliquées, je pense que nous sommes plus puissants qu'une seule entreprise. »
Mettre l'IA entre les mains des médecins
Liang note également que le logiciel peut être adapté à tout type de diagnostic d'imagerie médicale, y compris CT, IRM et d'autres outils d'imagerie, élargissant ainsi son impact à l'avenir.
Liang et son équipe de recherche espèrent que Ark + deviendra un fondement des futurs outils d'IA en médecine, ce qui permet de mieux soins, peu importe où les patients vivent.
L'équipe ARK + espère commercialiser davantage le logiciel pour les hôpitaux afin que les chercheurs du monde entier utilisent et s'appuieront sur leur travail. En partageant tout ouvertement, ils veulent aider les médecins de tous les pays, même les lieux ruraux sans ressources de Big Data.
Leur objectif est de rendre l'IA médical plus sûr, plus intelligent et plus utile pour tout le monde.
« En rendant ce modèle complètement ouvert, nous invitons les autres à se joindre à nous pour rendre l'IA médicale plus juste, précise et accessible », a ajouté Liang. « Nous pensons que cela aidera à sauver des vies. »
C'est une meilleure pilule pour les soins de santé américains que chaque Américain aimerait avaler.
