Utiliser l’IA pour lutter contre le COVID-19

Le coronavirus 2 du syndrome respiratoire aigu sévère (SARS-CoV-2) appartient à la Coronavirdiae famille et peut être caractérisé comme un virus à ARN simple brin de sens positif, qui infecte principalement les oiseaux, les mammifères et les humains. Le SRAS-CoV-2, qui a émergé à Wuhan, en Chine, provoque la maladie à coronavirus 2019 (COVID-19). À ce jour, environ 173 millions d’infections ont été confirmées dans le monde, avec un taux de mortalité de 2,19 %.

Pour lutter contre le SRAS-CoV-2, les scientifiques ont développé une poignée de vaccins qui ciblent directement le virus ou bloquent son entrée dans le corps. Cependant, il n’y a pas de nouveaux traitements disponibles pour la maladie COVID-19, et la plupart des thérapies cliniques visent à faire face aux symptômes. Plusieurs médicaments réutilisés, tels que le remdesivir, ont été testés et approuvés pour traiter les patients atteints de COVID-19 sévères.

En raison du manque de traitements spécifiques, la recherche est toujours en cours pour développer de nouvelles thérapies.

L’intelligence artificielle (IA) s’est avérée être une méthode efficace pour résoudre divers problèmes dans divers domaines, il est donc facilement évident qu’elle est bien adaptée pour aider COVID-19.

Une étude basée à Taïwan et publiée dans le Journal de médecine clinique se concentre sur le rôle de l’IA dans la gestion du COVID-19 par le biais d’images numériques, d’analyses cliniques et de laboratoire telles que le dépistage et le diagnostic.

Application de l’IA pour lutter contre le COVID-19

Modèles d’IA

Avec des algorithmes d’IA illustrant les capacités à prédire et à diagnostiquer les tendances épidémiologiques des maladies, il est possible qu’il puisse également être appliqué pour lutter contre le COVID-19.

L’article taïwanais donne un aperçu des algorithmes d’IA qui s’exécutent à partir d’une forêt aléatoire, un algorithme simple, diversifié et performant fondé par Tin Kam Ho. Cet algorithme fonctionne en générant plusieurs arbres de décision et en les calculant en moyenne afin de faire une prédiction précise.

Il existe également d’autres algorithmes d’apprentissage automatique tels que la machine à vecteurs de support (SVM), qui est généralement utilisée dans les problèmes de classification et de régression, ou l’algorithme de réseau neuronal convolutif (CNN) qui se compose de plusieurs couches de réseau telles que l’entrée, la convolution, la mise en commun maximale, mise en commun moyenne et couches de sortie. Le modèle CNN a prouvé son efficacité, ce qui potentialise son utilisation dans un cadre clinique pour COVID-19.

Les réseaux de neurones artificiels (ANN) sont l’un des principaux outils de l’IA. Les réseaux neuronaux utilisés dans les RNA sont modelés d’après les neurones d’un cerveau biologique.

Potentiel de COVID-19

Avec des taux d’infection du virus SARS-CoV-2 qui montent en flèche dans les pays du monde entier, la dépendance vis-à-vis des systèmes de santé a été immense. Cette dépendance a causé un manque de lits pour les patients gravement infectés ainsi qu’un approvisionnement limité. Les images numériques telles que les rayons X et les tomodensitogrammes peuvent être utilisées pour détecter des anomalies chez les patients COVID-19, et récemment l’apprentissage en profondeur a montré que les images numériques peuvent être utilisées pour détecter la maladie elle-même avec précision.

L’article illustre comment le développement de l’IA peut être utilisé pour aider les médecins à dépister efficacement les patients COVID-19 et aider avec les conséquences des approvisionnements limités qui peuvent survenir pendant les pandémies.

L’étude mentionne un article de Kumar et al., qui ont développé un système de classification basé sur l’apprentissage automatique pour prédire les résultats pour les patients infectés. De plus, Karim et al. ont développé un modèle de prédiction d’apprentissage en profondeur explicable à l’aide de 15 959 images de radiographie thoracique de trois catégories de patients (COVID-19, normal et pneumonie), et lors de l’évaluation de leur modèle, les résultats positifs semblaient favoriser la précision et le rappel.

Explorer les limites de l’IA

Bien que l’IA puisse être avantageuse pour COVID-19, l’étude décrit comment l’utilisation de ces modèles d’apprentissage automatique tels que CNN dans un cadre clinique peut avoir des limites.

La recherche en IA sous-jacente à ces applications manque d’une taille d’échantillon représentative, d’une validation externe, ainsi que d’une évaluation de modèle appropriée qui suggère qu’elle ne serait pas fiable pour une utilisation clinique.

Un degré élevé de biais peut être présent dans les études qui examinent l’utilisation de ces algorithmes et, par conséquent, leurs résultats en milieu clinique peuvent ne pas être fiables.

Cependant, avec de nombreux patients hospitalisés en raison d’infections graves au COVID-19, l’IA pourrait aider à identifier des prédicteurs de la gravité de la maladie, ce qui peut aider les médecins et les travailleurs de la santé dans le processus de triage et leur permettre de hiérarchiser les patients en fonction de la gravité et du risque de mortalité.

Cette application a été explorée par Cai et al., qui ont utilisé des images CT de patients infectés pour développer un modèle de prédiction qui stratifie la gravité de la maladie en groupes, y compris les cas modérés, sévères et critiques.

L’examen de Taïwan explore comment l’application de l’IA pourrait aider à réduire les taux d’infection au COVID-19 grâce à son utilisation pour prédire la gravité et la mortalité de la maladie, ainsi que d’autres tâches telles que la détection du COVID-19 et la réaffectation de médicaments pour trouver des médicaments candidats efficaces.

L’article conclut que bien que ces applications soient importantes pour COVID-19, des recherches supplémentaires dans ce domaine sont nécessaires pour évaluer l’efficacité réelle de l’utilisation de modèles d’IA dans un cadre clinique réel.