Explorer l'impact révolutionnaire de l'intelligence artificielle sur l'avenir des soins de santé

La médecine est l'une des frontières les plus passionnantes pour l'intelligence artificielle, mais où l'IA aura-t-elle un réel impact sur l'avenir des soins de santé ? Rachel Roumeliotis, vice-présidente de la stratégie de contenu chez O'Reilly Media, répond ici.

Comment les données amélioreront le diagnostic

Peu d'industries sont aussi gourmandes en données que la médecine. Les données médicales se présentent sous de nombreuses formes : images, audio, vidéo, texte non structuré et informations structurées. Toutes ces données sont soumises aux problèmes traditionnels rencontrés par d'autres secteurs : informations manquantes, valeurs corrompues, valeurs aberrantes suspectées, étiquettes manquantes, erreurs typographiques, etc.

À mesure que les bases de données médicales se développent, les informations sur le nettoyage et l'étiquetage deviennent de plus en plus importantes. Bien que nous soyons encore loin de résoudre ce défi, nous constatons des progrès importants comme Holoclean et Snorkel. Le premier est un système open source basé sur l’apprentissage automatique pour la détection et la réparation automatiques des erreurs qui a été utilisé avec succès dans diverses applications médicales, notamment les hôpitaux.

Pendant ce temps, Snorkel est un outil de programmation de données open source qui automatise la tâche fastidieuse de création et d'étiquetage par programme de grands ensembles de données pour la formation d'applications d'apprentissage automatique. Cette technologie a déjà connu un succès majeur dans le domaine médical. Un projet visant à classer les malformations rares de la valvule aortique a utilisé un vaste ensemble de données à l'échelle de la population provenant de la biobanque britannique et, grâce à la programmation des données, a pu étiqueter automatiquement environ 4 000 séquences IRM auparavant non étiquetées - ce qui autrement aurait dû être fait à la main.

Les mêmes outils de programmation de données ont également apporté le succès à l'analyse d'images biomédicales, ainsi qu'à l'extraction de connaissances cachées dans les ressources existantes. Par exemple, les développeurs de Snorkel ont créé un outil d’extraction de données qui parcourt la littérature biomédicale pour extraire les associations entre les traits et les variantes génomiques. De cette manière, l’IA améliore nos connaissances médicales tout en fournissant des diagnostics plus rapides et plus précis – une considération particulièrement importante compte tenu de la pénurie de personnel médical qualifié.

Bibliothèque de modèles globale avec « apprentissage collaboratif »

L'un des défis déterminants en matière de données dans le secteur de la santé est la nature extrêmement sensible des informations. Non seulement nous devons tenir compte des antécédents médicaux personnels des gens, mais les entreprises pharmaceutiques et autres entreprises médicales protègent naturellement farouchement leurs données. Cependant, un grand pas en avant nécessite que nous rassemblions ces données pour trouver des informations qui peuvent aider à mieux comprendre la maladie et à améliorer les traitements.

Lors d'une conférence sur l'IA à Pékin, Ion Stoica, directeur de RISELab à l'Université de Californie à Berkeley, a décrit de nouveaux projets qui permettent aux organisations de collaborer sans réellement partager de données. Ce nouveau modèle de collaboration – appelé « co-opetition » – collecte des données anonymisées pour créer une bibliothèque globale de modèles que chaque participant peut utiliser pour ses propres projets.

Ce qui est particulièrement intéressant dans l’apprentissage compétitif, c’est qu’il a des applications dans d’autres secteurs disposant de vastes ensembles de données sensibles. Par exemple, les institutions financières pourraient utiliser ce modèle pour créer des modèles de fraude plus précis et plus robustes, démontrant ainsi comment une technologie pionnière en médecine améliorera bientôt d’autres domaines de nos vies.

Nouvelle économie et marchés

Cependant, ce modèle n'est qu'un exemple des nouveaux marchés en cours de développement dans le secteur de la santé. Par exemple, Computable Labs est une entreprise qui crée la technologie du futur, une startup qui crée des outils pour créer ces nouveaux marchés de données, résolvant des problèmes importants tels que la gouvernance du marché, attribuant de la valeur aux données sur le marché et garantissant un accord de confidentialité.

RISELab va encore plus loin dans cette idée en envisageant de nouveaux marchés bifaces médiés des deux côtés par l'IA. Pour ne donner qu'un exemple de la façon dont cela fonctionne, disons que vous êtes diabétique et que vous utilisez un service qui recommande des recettes en fonction de votre état de santé, mais que vous n'aimez pas la plupart des plats recommandés par le service. Dans un marché bidirectionnel basé sur l'IA, votre moteur de recommandation apprend vos goûts et vos besoins, puis communique avec d'autres moteurs pour négocier un menu satisfaisant.

Cependant, le développement de nouveaux mécanismes de marché fondés sur les flux de données n’aura pas seulement des implications significatives pour le secteur de la santé ; il représente en réalité une tentative incroyablement ambitieuse de réinventer le fonctionnement interne du capitalisme lui-même. Bien que le secteur de la santé, qui utilise beaucoup de données, soit un endroit évident pour que cela se produise, les applications sont potentiellement illimitées. Ce n’est là qu’un exemple de la manière dont la médecine non seulement nous aide à vivre assez longtemps pour profiter d’un avenir meilleur et plus avancé technologiquement, mais contribue également à le créer.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!