Des systèmes basés sur l'intelligence artificielle pourraient considérablement améliorer à la fois le coût et la qualité des soins de santé, selon une étude publiée dans la revue Artificial Intelligence in Medicine.

Alors que la plupart des décisions médicales sont basées sur le cas par cas et l'expérience, il semble de plus en plus évident que les décisions de traitement complexes pourraient être mieux prises grâce à la modélisation qui repose sur de grandes bases de données (les "big data") plutôt que sur la seule intuition, expliquent les chercheurs.

Les patients, soulignent-ils, reçoivent un diagnostic et un traitement corrects moins que la moitié du temps lors d'une première consultation aux États-Unis. Par ailleurs, le délai actuel de transfert des nouvelles connaissances issues de la recherche dans les soins cliniques est de 13 à 17 ans.

Casey Bennett et Kris Hauser de l'Université Indiana ont développé un système d'intelligence artificielle basé sur des modèles d'apprentissage automatique (qui permettent l'acquisition de nouvelles connaissances par le système). Ces modèles d'apprentissage ont notamment permis de créer des systèmes de reconnaissance vocale, des voitures sans conducteurs et des systèmes de détection de fraude avec cartes de crédit.

Leur modèle de prise de décision séquentielle simule les résultats de plusieurs alternatives de traitement dans le futur, maintient un état du statut de santé hypothétique de la personne en cas de mesures non disponibles ou incertaines et replanifie constamment à mesure que de nouvelles informations sont disponibles. "En d'autres mots, il peut penser comme un docteur". Cette approche n'est pas spécifique à une maladie et peut fonctionner pour tout diagnostic ou maladie simplement en ajoutant les informations pertinentes au système.

"Nous utilisons des approches computationnelles modernes pour apprendre à partir des données cliniques et développer des plans complexes au moyen de la simulation séquentielle de plusieurs voies alternatives de décision", explique Bennett.

Les chercheurs ont eu accès aux données cliniques concernant plus de 6700 personnes qui avaient reçu un diagnostic de dépression majeure, dont environ 65 à 70 % avaient aussi des problèmes de santé chroniques comme le diabète, l'hypertension et les maladies cardiovasculaires.

Pour 500 personnes choisies au hasard dans ce groupe, une comparaison de la performance actuelle de leur médecin et les résultats des modèles informatiques montrait une grande disparité de coût par unité de résultat: $189 pour le système d'intelligence artificielle et $497 pour le traitement habituel. Alors que les résultats pour les patients étaient de 30 à 35 % supérieurs.

"La modélisation permet de voir plus de possibilités à partir d'un point distant, ce qui est difficile à faire pour un médecin", dit Hauser. "Ils n'ont tout simplement pas toutes les informations à leur disposition"

La voie la plus efficace sera de combiner l'intelligence artificielle avec les cliniciens humains, commente Bennett. "Que les humains fassent ce qu'ils font bien, et que les machines fassent ce qu'elles font de bien. Au final, nous pouvons maximiser le potentiel des deux."

Psychomédia avec source: Indiana University
Tous droits réservés.