2. Plan
De l’IA en MI
01
05
04
02
Actuelles en MI et autres
06
03
Introduction
Défis et limitations Perspectives
Les bases théoriques
Conclusions
Applications de IA
2
3. “Si ce n’était pas la
grande variabilité entre les
individus ,
la médecine pourrait tout
aussi bien être une
science
et non un art ”
—WILLIAM OSLER
3
4. Introduction
● Conjuguer IA et médecine c’est parler de
médecine du futur mais davantage encore
d’amélioration de la qualité des soins.
● En tant que médecin, il est important de
comprendre les bases de l’IA et ses
applications potentielles .
● Loin d’être une solution miracle, la délégation
de tâches à l’IA soulève de nombreuses
questions…
4
5. Les bases théoriques de l’IA
défini en médecine interne comme « une nouvelle technologie permettant aux machines
d’apprendre et de comprendre les données médicales», de « traiter et d’analyser de
grandes quantités de données de santé », dans le but d’aider les médecins
« apprentissage automatique » : utilise des algorithmes* afin de modéliser un phénomène
ou un problème :
« apprentissage profond » dérivé du machine learning où la machine est capable
d’apprendre par elle-même, contrairement à la programmation où elle se contente
d’exécuter à la lettre des règles prédéterminées.
Intelligence artificielle?
machine Learning?
Deep learning?
5
6. Réseaux des neurones artificielles
• est un système dont la conception est à
l'origine schématiquement inspirée du
fonctionnement des neurones biologiques,
et qui par la suite s'est rapproché des
méthodes statistiques.
• Les réseaux de neurones sont
généralement optimisés par des méthodes
d'apprentissage (machine learning)
6
7. Big DATA
• L’informatisation des données patients crée
des entrepôts de données au sein des
hôpitaux capables d’entraîner des
algorithmes de DL.
• La mise en relation de ces entrepôts de
données créera de la big data indispensable
à la recherche clinique dans les maladies
rares ou systémiques vues en médecine
interne :
• IA et recherche clinique sont deux
entités intriquées.
7
9. ● Les liens entre l'IA et la médecine sont profonds et datent des débuts
mêmes de l'IA.
● MYCIN était l'un des premiers systèmes experts développés dans les
années 1970 qui utilisait l'IA pour identifier les bactéries causant des
infections graves, telles que la bactériémie et la méningite, et pour
recommander des antibiotiques adaptés (dont les noms contiennent
souvent le suffixe « -mycine », d'où le nom du système), avec un
dosage ajusté au poids du patient .
● MYCIN n'a jamais été utilisé dans la pratique, du fait de questions
éthiques – déjà il y a 50 ans !
Applications
9
10. Applications en MI>>intéret :
- Organisation des dossiers :
«fais-moi un graphique de la
fonction rénale de Mme P. sur
les 02 dernières années»
- Assistance vocale :« Alexa »,
«Ok Google » ou « Siri »
- la planification et la
disponibilité des fournitures
médicales, la gestion des stocks
il est possible de déduire un
diagnostic à partir de bases
de données constituées de
symptômes, de paramètres
(comme dans le cas des
ECG pour les arythmies),
d’images de radiologie (ce
dernier étant sans surprise
le domaine le plus
développé de l’IA en
médecine), d’endoscopie et
d’histopathologie.t
IA fait apparaître le concept de
médecine ̈ des 4P :
Prédictive, Préventive, Peronnalisée
et Participative
L’arrivée des « wearables », (montre,
T-shirt, bracelets, . . .) portés par
les patients, permettent de
récolter des données de santé
pouvant être utilisées à des fins
de télémédecine.
organisationnel diagnostique Suivi des patients
10
12. Exemples :
● Des chercheurs de VeriLy, ont créé un
programme informatique capable de
prédire les risques de maladies
cardiaques en analysant une image de
la rétine
● au CHU de Strasbourg, une IA est
capable de corriger le chirurgien sur la
meilleure stratégie pour une
cholécystectomie. : de quoi éviter des
erreurs subtiles .
● en Finlande, la lecture des
angioscanners par IA permet de
prédire les patients à risque de
maladies coronariennes et définit la
meilleure stratégie de prise en charge
● À Bozen en Italie, une IA s’occupe de
la surveillance des patients atteints de
diabète , de gérer automatiquement à
distance leur traitement par insuline,
et de prévenir les complications
permettant de limiter les
hospitalisations, et de proposer un
traitement personnalisé.
12
13. IA et Endoscopie
• Détection des polypes
• Carectérisation:Adénome Vs non
adénome
• Lésions invasives et non invasives!!!
13
14. 14
IA dans le diqgnostic génétique des maladies rares :
● L’utilisation de l’intelligence artificielle peut rationaliser le long
processus actuellement requis pour interpréter cliniquement un
génome.
● "deep learning" peut accélérer la priorisation des variantes génétiques
lors de l’interprétation des données génomiques en éliminant une
grande partie du biais humain ,
15. 15
IA & cancérologie :
● Diagnostic plus précoce ,plus certain
● Définir les patients qui répondront bien
● Adapter les traitement : plus ou moins agressif
● L’outil d’IA développé par Oncompass® a pour objectif de classer les
différentes mutations des cellules tumorales d’un patient donné en
tenant compte de leurs interactions, afin de proposer le traitement le
plus pertinent !
17. IA face aux experts internistes
• Les PMI sont des journées de
formations pour les internistes
francophones. Les cas cliniques
présentés à ces journées sont
complexes. Cette étude vise à
évaluer les capacités
diagnostiques des IA non
spécialisées (modèles de
langage) ChatGPT-4 et Bard ,
19. à quand les IA capables,
plus rapidement et précisément
que l’Homme,
d’identifier les rechutes chez les
patients atteints de connectivites
ou de vascularites ?
19
21. Défi & limites
“curse of
dimensiality”
• en nécessitant pour atteindre
une bonne performance un
grand nombre de variables.
Effts
“boite noire”
• Création d’un modele
incomprhénsible
• pour un esprit humain “catastrophic
forgetting”
• Le talon d’achille des IA !!
• affectant les réseaux
neuronnaux artificiels
1
2
3
Problems
21
22. Limites
22
Data en médecine
• Confidentialité des données de
santé,
• sécurité physique et
psychologique des utilisateurs
• exactitude des informations
fournies par le système.
23. Limites
23
• Il n’est pas capables de saisir les nuances de notre monde, ni de
prendre des décisions en fonction du contexte.Pire encore, la start-
up Nabla, spécialisé dans le chatbot en santé, rapporte des
résultats inquiétant avec l’exemple où ChatGPT a conseillé à un
patient fictif de se suicider !!
• il a déjà été montré que ChatGPT peut présenter aux patients des
données contradictoires avec le discours médical, par exemple, sur
le lupus et la grossesse où il souligne les dangers liés à
l’hydroxychloroquine!!
L’IA n’est pas intillégente
24. Perspectives
• Moins de technique
• Plus d’humain ,d’empathie
Jusqu’à quand?
Le médecin artificiel?
• Robots humanoïde
• Imitation des émotions humains
26. Conclusions
• Longtemps redoutées, les IA seront vraisemblablement nos
alliés au quotidien.
• La médecine interne prend en charge des maladies rares, le
recueil de data est inexorablement plus long, c’est pourquoi la
création d’outils d’IA pour l’interniste nécessitera des outils de
collaboration à l’échelle nationale et internationale.
• Mais attention l’IA ne doit pas devenir intrusive, elle ne doit
pas nous échapper et elle doit elle aussi s’inscrire dans la
pertinence des soins .
26
Face à des diagnostics complexes, les experts internistes ontréussi à identifier neuf des 12 énigmes, tandis que ChatGPT-4 ena discerné trois et Bard seulement . Si ces résultats sont imparfaits, ils sont déjà remarquables Un des cas résolus par ChatGPT-4 n’a pas été résolu par l’expert interniste. Lesintelligences artificielles avaient un temps de réponse de quelques secondes.