Recommandé
Recommandé
Contenu connexe
Similaire à Intelligence artificielle et décision médicale
Similaire à Intelligence artificielle et décision médicale (19)
Dernier
Dernier (7)
Intelligence artificielle et décision médicale
- 1. S Intelligence artificielle et décision médicale : vers une révolution ? Hubert Nielly, Interne de Médecine interne Association des Jeunes Internistes Service de Médecine interne et Rhumatologie, Hôpital d’Instruction des Armées PERCY, Clamart
- 2. S Déclaration de liens d’intérêt potentiels Intelligence artificielle et décision médicale : vers une révolution ? Conférencier : Dr NIELLY Hubert, Issy-les-Moulineaux Je n’ai pas de lien d’intérêt potentiel à déclarer
- 3. S MeSH term: « Decision-making, computer-assisted » S introduit en 1987 S 77383 références en mai 2016 S surtout depuis 2003-2004 S Journaux S Artificial intelligence in medicine (impact factor 1,356 en 2013, 2,019 en 2014) S « Lois » de Moore S Nombre d’opérations par seconde: 2x1014 pour le cerveau humain (horizon 2019) Introduction
- 4. Applications S Systèmes experts S Détection de contre-indications S Logiciels de diagnostic médical S Logiciels de thérapeutique
- 5. Décevant jusqu’à présent S Revue systématique 2014 S pas de gain de mortalité S gain de morbidité marginal S pas de gain de coût S Surcroît de mortalité à l’hôpital de Pittsburg (2005) Moja L et al. Effectiveness of computerized decision support systems linked to electronic health records: a systematic review and meta-analysis. American Journal of Public Health 2014. 104(12):e12-22. Yong Y et al. Unexpected increased mortality after implementation of a commercially sold computerized physician order entry system. Pediatrics 2005. 116(6):1506-12.
- 7. Intelligence S Humains S Machines Cas singulier Règle générale Etude rétrospective Validation prospective Analyse des données Décision
- 8. Niveaux d’intelligence S Niveau 1 = exécuter S Niveau 2 = apprendre et réappliquer (algorithmes évolutifs) S Niveau 3 = s’adapter intelligemment (permet de traiter une situation inédite)
- 10. Niveau 2
- 11. Niveau 3 ?
- 12. Méthodes actuelles S Algorithmes évolutifs S Chainage avant ou arrière S Faits binaires ou exprimés en terme de probabilité (système Bayesien) S Reconnaissance de situations caractéristiques (patterns) S Machine learning (apprentissage automatique) S Deep learning
- 16. Deep learning
- 17. Exemple S Watson Health S À partir des données du patient S Interrogation d’une banque de données S Proposition de traitement avec justification par références S Aide pour S Le diagnostic S Le traitement S L’inclusion dans les essais cliniques S La recherche
- 18. Architecture S Structure / processeur S Bases de données « Big data » Représentation de connaissance Littérature médicaleDonnées du patient Question posée Réponses fournies Pondération Feed back
- 26. Informatique médicale S Réseau connecté S Information et retour d’information en temps réel
- 27. Limites / différence de conception S Quelle littérature est analysée? S Analyse de l’abstract ou du corps de l’article? S Démocratie intellectuelle? S Sécurité des données / anonymisation ? S Langage commun S Cas rares S Coût
- 28. Nécessaire pour l’avenir? S Masse d’information médicale S Masse de paramètres à prendre en compte pour chaque patient S Vers un dossier médical informatique connecté ?
Notes de l'éditeur
- 20 minutes tout compris (donc 17 min) Je passe après les objets connectés et les sms, et avant les réseaux sociaux
- Chacun d’entre nous a déjà eu recours à une décision médicale assistée par un ordinateur (exemple holter ECG, systèmes experts de détection de contre-indications) La vraie question c’est quelle place prend l’ordinateur, notamment pour les décisions critiques de diagnostic ou de traitement Quelle est la différence entre ce qui se développe aujourd’hui et un simple moteur de recherche comme Pub Med MeSh = Medical Subject Headings
- Manque de maturité des systèmes, manque de formation ou d’habitude des utilisateurs Poids des études anciennes Pediatrics 2005 Han et al passage de 2,8 à 6,57% de mortalité; OR 3,28 après analyse multivariée NB articles de artificial intelligence in medicine: que des auto-évaluations Étude 2015 médiatisée avec meilleur diagnostic par la machine que par les experts
- Comprendre ça se comprend tout seul, concevoir une réalité invisible mais sous-tendue par la somme des cas réels (règle générale) et au final articuler les connaissances pour avoir l’audace de croire que l’on connaît qqchose Comprendre les règles fondamentales au-delà de leur simple application visible
- Test de Turing = se faire passer pour un être humain Exécuter = niveau distributeur (externe) Niveau 2 = interne Niveau 3 = expert
- Watson d’IBM Deep Mind Health de Google
- Chainage avant = aboutir à un diagnostic ou à une décision à partir de données Chaînage arrière: identifier quel examen manque pour conclure Algorithme totaux ou exploration des nœuds de décision hiérarchisée (heuristique) ou choix de la meilleure solution à chaque fois (mais du coup seule la solution la plus probable est donnée); problème de la hiérarchie entre le fréquent et le grave; probabiliste = Bayesien; Système bayesien: établit une probabilité à chaque étape et fournit un degré de certitude de la réponse I-internist
- Algorithme peut être simple (à gauche) ou plus compliqué avec de multiples possibilités. Il peut être évolutif puisqu’on voit bien que selon le bas que cette jeune femme va choisir pour sortir ce soir, la probabilité de choisir chaque haut n’est pas la même, et donc le système peut s’adapter en permanence; l’avantage du système c’est qu’il peut faire ses choix rapidement grâce au développement techniques du nombre d’opérations par seconde possibles. Et même sur le fond, le système Watson d’IBM a été utilisé pour inventer des recettes de cuisine, on pourrait tout à fait imaginer une application dans la mode…
- On laisse le système détecter des signaux faibles qui combinés deviennent plus forts que des signaux forts qu’un programmeur aurait pu édicter (règle) (pblème du moteur de règle = l’exception qui si elle se multiplie rend vite le système impossible à gérer et contradictoire; analyse du contexte aussi aide l’ordinateur (exemple du A du haut à droite: est-ce un 8 ou un A? ATTENTION: nécessite un entraînement avec des sujets contrôlés Idem pour les questions posées: on fournit au système différentes manières de poser la même question
- On laisse le système détecter des signaux faibles qui combinés deviennent plus forts que des signaux forts qu’un programmeur aurait pu édicter (règle) (pblème du moteur de règle = l’exception qui si elle se multiplie rend vite le système impossible à gérer et contradictoire; analyse du contexte aussi aide l’ordinateur (exemple du A du haut à droite: est-ce un 8 ou un A? ATTENTION: nécessite un entraînement avec des sujets contrôlés Idem pour les questions posées: on fournit au système différentes manières de poser la même question
- La recherche: identification de liens entre différentes entités
- NB démarche du Memorial Sloane Kettering cancer Center = partager leur expertise avec les hôpitaux généraux Nécessité de droits pour la littérature (accords avec Elsevier, etc)
- Recueil de données en temps réel et exploitation des big data = détection d’effet indésirable plus rapidement en phase 4, et pondération des « mauvaises études »
- NB démarche du Memorial Sloane Kettering cancer Center = partager leur expertise avec les hôpitaux généraux Nécessité de droits pour la littérature (accords avec Elsevier, etc) Exemple PMSI pyélonéphrite vs néphropathie interstitielle (to be checked) Démocratie intellectuelle: partir du principe qu’il y a plus de vrai que de faux et que le feed-back améliore le système (mais finalement: quelle est la référence?) / Wikipedia est plus à jour que Brittanica (loi du nombre de personnes expertes qui peuvent intervenir) Watson est une aide pour les cas rares si un certain nombre de cas a déjà été décrit; en recherche, Watson permet d’établir des liens, la pertinence des liens est apportée par /dépendante de la manière d’entraîner le système
- Pr d’endoc à Lyon (Pugeat?) qui se demandait comment on allait pouvoir intégrer toutes les infos génétiques De toute façon, ça va être l’avenir
- Gandhi les 7 fautes sociales de l’humanité comprennent « la connaissance sans volonté, la science sans humanisme » Les médecins resteront car il faut qqn pour « nourrir » le système, il faut une relation médecin patient « La technologie n’a pas capacité à humaniser la relation de soins »