Dans la santé

Les compétences françaises en mathématiques et en data science ne sont plus à démontrer

Et ce sont autant d’atouts, ajoutés à un système de santé centralisé – offrant un accès à de nombreuses données – pour faire de l’Hexagone un champion de l’intelligence artificielle au service de la santé. Que ce soit en médecine préventive ou en diagnostic médical, les enjeux vont du bien-être des citoyens, bien entendu, à une meilleure efficacité des services de soins, associée aux dépenses de l’État dans ce domaine, sans oublier la démocratie sanitaire. En améliorant l’efficacité du diagnostic et sa précocité, par exemple, l’intelligence artificielle permettrait une égalité d’accès aux soins pour tous et une amélioration du système de santé. Pour preuve les avancées dans le domaine de la cardiologie, rendues possibles grâce à l’approche innovante développée par des startups comme Implicity.

Partenariats startup / hôpitaux

Reste cependant quelques obstacles à lever pour que le marché se développe davantage en France. Par exemple si les données prises en compte par l’IA sont parcellaires, cela peut induire des biais dans les solutions proposées. Il faut aussi convaincre les autorités chargées de certifier ces nouvelles solutions de santé que ce ne sont pas des « boîtes noires », dotées d’algorithmes peu transparents. Et convaincre également praticiens et patients. La France, bien placée dans la course mondiale de l’IA, renforce sa position, elle doit faire émerger des poids lourds dans le secteur, qui pourront déployer leur technologie sur le marché mondial de la santé.

L’e-santé en plein boom

Sur fond de pandémie de Covid-19, l’année 2020 s’est imposée comme une année faste pour le financement de l’innovation en matière de santé. Comme le révèle le dernier rapport de Startup Health, les start-ups spécialisées dans ce secteur ont battu un nouveau record d’investissements l’année dernière, avec un total mondial de 21,5 milliards de dollars (près de 18 milliards d’euros), soit une hausse de plus de 50 % par rapport à 2019.
La crise sanitaire a entraîné une adoption généralisée des solutions de télémédecine et c’est sans surprise le segment de l’e-santé qui a le plus attiré les investisseurs. La somme mondiale des levées de fonds dans la télémédecine a ainsi presque triplé entre 2019 et 2020 pour dépasser 3 milliards de dollars. En France, on peut notamment citer l’exemple de la start-up parisienne Medadom qui a levé 40 millions d’euros fin novembre pour développer ses services de téléconsultation dans l’Hexagone.
En comparant le nombre et le montant total des financements chaque année, notre graphique met aussi en évidence des levées de fonds en moyenne plus volumineuses qu’auparavant, ce qui traduit, entre autres, le financement d’entreprises plus matures.

Les apports de l’IA dans la santé

L’IA s’appuie sur deux sortes d’approches :

L’approche symbolique
Fondée sur la logique, elle utilise le raisonnement à partir de règles. Elle consiste en l’utilisation de « systèmes experts », qui fonctionnent de manière autonome ou en interaction, en imitant les mécanismes cognitifs d’un expert humain afin de produire un raisonnement logique, et se basent sur des modèles de données représentant un ensemble de concepts dans un domaine précis et les relations qu’ils ont entre eux pour faire leur analyse.Cette approche demande un travail de modélisation des connaissances dans le domaine (description et raisonnement). L’avantage de l’approche symbolique est qu’il est possible de suivre le cheminement du raisonnement. En revanche, les machines produisent une quantité infinie de micro-raisonnements qui sont impossibles à analyser tels quels, c’est pourquoi les chercheurs travaillent sur un système de classification des différentes étapes du raisonnement.

L’approche numérique
Fondée sur les données de l’expérience passée, elle utilise l’analyse par algorithmes numériques ou fouilles textuelles pour extraire des connaissances. Elle n’utilise aucun modèle préétabli. L’inconvénient de cette approche est qu’il n’existe aucun raisonnement traçable, car les décisions de l’algorithme ne peuvent pas être analysées. Cela pose un problème éthique quant à la responsabilité de la décision médicale basée sur cette approche.

L’enjeu du futur consiste à trouver un moyen de combiner ces approches, afin de pouvoir profiter à la fois du raisonnement de l’une et de sa traçabilité, et des performances de l’autre.

L’IA intervient aujourd’hui dans différents domaines de la médecine :

• La médecine prédictive, en permettant d’anticiper une maladie et son évolution
• La médecine de précision, en aidant la préconisation de traitements personnalisés
• L’aide à la décision, en conseillant sur la pose d’un diagnostic
• La chirurgie assistée par ordinateur, en permettant des opérations de précision ou à distance
• La prévention, en prévoyant les épidémies et en agissant sur la vigilance pharmaceutique
• … liste non restrictive

L’IA appliquée à la médecine, une opportunité de business qui séduit
On assiste à une émergence régulière de start-ups spécialisées dans le domaine de l’IA appliquée à la santé.

La recherche n’en étant qu’à ses débuts et offrant de vastes perspectives, le champ des possibilités n’a presque aucune limite… en dehors de la réglementation de chaque état, notamment au niveau de la protection des données, qui ne permet pas de tracer les données d’un seul et même patient à différents endroits et dans le temps. C’est pourquoi les start-ups françaises commencent de plus en plus à s’exporter aux Etats-Unis, où elles bénéficient d’un meilleur accès aux données médicales.

Les limites de l’IA dans le domaine de la santé
Avec l’IA, les possibilités sont vastes et il faut donc pouvoir faire attention à structurer, tracer et protéger.

Une des limites actuelles réside dans le fait que, bien que les bases de données médicales soient énormes, les données n’ont pas été recueillies à la base dans cet objectif d’être analysées par des machines, et leur lecture est par conséquent parfois compliquée pour les logiciels et peut être source d’incompréhensions ou d’erreurs : c’est un point sur lequel il faut être vigilant.

Aussi, la législation concernant la protection des données ne cesse de se renforcer en Europe, il faut toujours pouvoir y rester conforme.

Enfin, une des limites de l’IA appliquée à la médecine consiste justement à fixer des limites : il faut pouvoir assister le médecin dans ses tâches pour lui offrir plus de rapidité, plus de précision, plus de choix, mais il faut qu’il puisse rester autonome face à la machine et à ses décisions. La machine ne peut pas remplacer le médecin, l’intervention humaine est éthiquement indispensable et le fonctionnement des systèmes doit être transparent, explicable et traçable.

En complément je vous propose de lire l’article : Santé et intelligence artificielle, des avantages pour tous ? Publié sur Hélium.

Pour aller plus loin : Comment évaluer les IA en médecine ? Publié sur Pour la Science par Mariana Lenharo

Pour ceux qui veulent aller plus loin sur ce sujet, je conseille la lecture les articles suivants :

• Comment nos données de santé sont exploitées Publié sur CNET France par Fabien Soyez le 26 mai 2022
• Comment évaluer les IA en médecine ? Publié sur Pour la Science par Mariana Lenharo le 25 septembre 2024

Pour faire simple, le processus appelé « repliement des protéines » correspond à la manière dont ces dernières se tordent pour former des structures en 3D. Dit autrement, les protéines s’amusent à faire des origamis. Mais on est loin du divertissement. En fait, c’est la forme de la protéine qui va déterminer sa fonction. Dans le monde du vivant, la protéine joue un rôle essentiel puisque la plupart des processus biologiques tournent autour d’elles. Leurs formes permettent alors de déterminer par exemple comment les anticorps combattent les virus ou bien comment l’insuline peut réguler le taux de sucre dans le sang. Vous saisissez l’importance ?

Le problème est qu’il existe plus de 200 millions de protéines. Pour l’instant, les scientifiques ne connaissent la structure que d’une infime fraction d’entre elles. Découvrir la forme d’une seule protéine nécessite un temps de recherche colossal, soit plusieurs années en laboratoire. Pourtant, le programme de DeepMind peut prédire la structure d’une protéine en quelques jours seulement, avec un taux de réussite proche de 90%. Comment est-ce possible ? L’algorithme a été nourri pendant quelques semaines d’une base de données publiques contenant environ 170 000 protéines et formes associées. Désormais, quand les scientifiques lui présentent une nouvelle protéine, la machine est capable de regrouper l’ensemble des informations en sa possession pour prédire la forme de cette nouvelle inconnue. Lors du dernier test, le programme a déterminé la forme d’environ deux tiers des protéines avec une précision comparable à celle des expériences en laboratoire.

Plus de 50 ans de recherche résolus en quelques semaines par une intelligence artificielle !

Le programme d’intelligence artificielle « AlphaFold » lancé en 2018, mené par la filiale de Google DeepMind, a réussi à prédire comment les protéines se replient. Cette information peut vous sembler vraiment anodine. Elle est pourtant primordiale pour mieux comprendre la structure biologique de la vie. Elle pourrait même permettre de lutter contre de nombreuses maladies comme certaines formes de cancers ou même le coronavirus. Les scientifiques planchaient sur le problème depuis un demi-siècle. On n’attendait pas des résultats concrets avant « des décennies » estime Venki Ramakrishnan, président de la Royal Society.

Qu’est-ce que le repliement des protéines et pourquoi est-ce si important ?

DeepMind concentrera ses recherches sur la lutte contre 3 maladies dont le paludisme

Pour l’instant, DeepMind compte se focaliser sur trois maladies : le paludisme, la maladie du sommeil et la leishmaniose. La prochaine étape ? Analyser des combinaisons encore plus complexes de protéines évoquées plus haut.

Il ne faut pas, tout de même crier victoire trop tôt ; ces résultats vont maintenant être soumis à un collèges d’expert pour validation définitive.

Cela reste une grande victoire pour DeepMind qui sort du domaine des jeux …

Autres articles sur ce sujet :
Une intelligence artificielle résout un problème scientifique publié sur CNews le 01/12/2020
L’IA AlphaFold résout un problème scientifique vieux de 50 ans publié sur Développer.com
Google réalise la première simulation quantique d’une réaction chimique par Antoine Gautherie le 28 août 2020 sur le JDG

L’IA sera plus à même de décider quand faire appel à un humain pour réaliser un diagnostic.

L’intelligence artificielle ne remplacera pas encore votre médecin. Alors que la quête vers l’IA médicale idéale ne cesse d’avancer, des chercheurs du MIT ont développé un système de Machine Learning capable de décider s’il peut faire son propre diagnostic ou s’il doit faire appel à un expert de la santé.

Difficile de discerner qui est le « mieux approprié » pour réaliser un diagnostic

D’ores et déjà apte à détecter la présence d’un cancer du sein, des poumons, du cerveau ou de la peau, l’IA sera désormais capable de discerner si elle a besoin d’une intervention humaine ou non, grâce à des chercheurs du MIT. Pourtant, cette tâche n’est pas aussi simple qu’elle en a l’air. En effet, savoir qui est « meilleur » pour faire un diagnostic n’est pas aussi évident qu’il paraît car le programme doit prendre en compte de nombreux facteurs, notamment le nombre d’années d’expérience ou la disponibilité de divers experts pour faire son choix.

Si on prend l’exemple d’un hôpital très actif, l’IA pourrait déterminer comment faire son diagnostic selon la complexité de la tâche et la disponibilité des divers experts présents. Bien qu’en 2019 la science prouvait déjà que l‘intelligence artificielle peut réaliser un diagnostic médical avec plus de précision qu’un humain, les chiffres montrent aujourd’hui que la combinaison humain-machine performe au minimum 8% mieux que l’un ou l’autre seul.

Un duo humain-machine grâce à l’IA

Ainsi, le système développé par le MIT est capable d’adapter la fréquence à laquelle il fait ou ne fait pas appel à un expert en se basant sur les critères développés précédemment. Toujours selon le MIT, la prochaine étape dans l’évolution de ce système sera de lui permettre de déférer un diagnostic à plusieurs experts en parallèle pour obtenir de meilleurs résultats selon la population et le problème spécifique.

Quoi qu’il en soit, malgré l’évolution de la technologie et l’histoire de l’intelligence artificielle, il semblerait que la machine ne soit pas encore prête à fonctionner parfaitement sans intervention humaine. Si l’humain, comme la machine, possède ses avantages propres, il semblerait que l’évolution ouvre la voie vers une meilleure symbiose entre ces deux acteurs.

Source : Une IA du MIT saura désormais décider quand faire appel à un expert
Publié sur SiècleDigital le 5 août 2020 par Mathieu Céraline

Milvue, une jeune entreprise créée par des radiologues, a développé une intelligence artificielle permettant d’interpréter automatiquement les radiographies.

Si près de 40 % des admissions aux urgences donnent lieu à une radiographie, moins d’une de ces radiographies sur cinq est examinée en temps réel par un radiologue, selon une étude de la Société française de radiologie. L’intelligence artificielle pourrait aider à résoudre le problème en automatisant une partie des examens.
C’est l’ambition de la jeune société Milvue, créée en 2018 par le radiologue Alexandre Parpaleix et une équipe d’informaticiens.

Source : L’IA au secours de la radiologie d’urgence
Publié sur Les Échos le 17 novembre 2020 par Franck NIEDERCORN.

Voir aussi : Une IA pour prévenir la jaunisse du nourrisson

Comme ces deux articles sont réservés aux abonnés ; je ne peux pas afficher le texte complet.

Voir aussi : “Grâce à notre technologie qui utilise l’IA, nous aidons les urgentistes et simplifions le travail des radiologues”
Publié sur Forbes France le 26 janvier 2022

Pour mieux adapter la suite du traitement des patients, une équipe du Centre de lutte contre le cancer Georges-François Leclerc de Dijon a mis au point une solution en open source qui mesure, de façon automatique, le risque de rechute du cancer du côlon. Son taux de réussite a été mesuré à 85 % et sa mise sur le marché pourrait intervenir d’ici à deux ans.

Au Centre de lutte contre le cancer Georges-François Leclerc (CGFL) de Dijon, en Côte-d’Or, l’idée émise par une interne en gastro-entérologie de trouver les marqueurs de rechute d’un cancer du côlon après l’opération, à partir du prélèvement de la tumeur, a fait son chemin…

L’Institut Curie et Google vont développer des systèmes d’apprentissage automatique pour comprendre les mécanismes d’évolution des tumeurs. L’objectif est de trouver les meilleurs traitements possibles en alliant data science biologie et biologie.

Étudier l’hétérogénéité tumorale :

L’équipe Dynamique de la plasticité épigénétique de l’Institut Curie et Google Research, vont travailler sur l’hétérogénéité des tumeurs, facteur déterminant de la réponse et de la résistance au traitement du cancer.

Celine Vallot, cheffe de l’équipe de l’Institut Curie explique : « Ensemble, notre objectif est de tirer parti de la science des données pour éclaircir les nouveaux mécanismes d’évolution des tumeurs« .

Pour rappel, une tumeur est causée par une multiplication anarchique des cellules. Elle n’est pas constituée d’un ensemble de clones de cette cellule anormale mais d’une imbrication de clones issus de plusieurs cellules anormales. C’est ce que l’on appelle l’hétérogénéité tumorale. L’analyse de l’activité de toutes ces cellules permet de retracer l’histoire du cancer et donc de mieux l’appréhender.

Les risques de la thérapie ciblée

La médecine moderne est de plus en plus personnalisée. Elle induit l’utilisation de thérapie ciblée considérée comme plus efficace mais plus difficile à appliquer à des tumeurs hétérogènes. Car, le risque est de proposer un traitement qui fonctionne uniquement sur une sous-population de cellules cancéreuses, celles prélevées lors de la biopsie mais pas sur l’ensemble des patients.

L’idéal serait donc de pouvoir étudier l’ensemble des mécanismes qui sous-tendent toutes les cellules anormales. Ce qui représente une quantité de travail astronomique car cela implique de décortiquer des milliers de données. D’où l’intérêt d’allier biologie et data science.

Prédire la résistance au traitement

Les scientifiques vont donc étudier les données épigénomiques, relatives à l’ensemble des modifications épigénétiques d’une cellule pouvant être transmis lors des divisions cellulaires, et transcriptomiques, en lien avec l’ensemble des ARN présents dans une cellule à instant donné. Le but final est de prédire la résistance au traitement et in fine, de trouver les meilleurs remèdes contre cette maladie grâce au développement de systèmes d’apprentissage automatique.

Site de l’Institut Curie.
Pour la recherche : Recherche

Lire aussi :
Institut Curie Recherche
L’IA pour analyser les dossiers cliniques

La start-up française Implicity a créé une plateforme pour simplifier la pratique quotidienne de la télésurveillance cardiaque. Au lieu d’être éparpillées sur les sites des fabricants, les données récoltées par les pacemakers et des défibrillateurs sont centralisées dans un seul et même outil, facilement consultable par les équipes soignantes.

Chaque année, en France, environ 65 000 pacemakers et 15 000 défibrillateurs sont implantés aux personnes atteintes de troubles du rythme cardiaque. Grâce à un transmetteur installé au domicile du patient, l’appareil récolte des données qui sont ensuite envoyées et répertoriées sur le site de chacun des cinq fabricants de prothèses cardiaques (Abbott, Biotronik, Boston Scientific, Medtronic et Microport). Il appartient ensuite au cardiologue de consulter ces plateformes pour contrôler la fréquence cardiaque de ses patients. Simple en apparence, ce système est en fait un vrai casse-tête.

Il existe plusieurs sources sue le Web ; la plus claire est celle diffusé par L’Usine Nouvelle le 9 septembre 2020 par Alice Vitard.
Implicity simplifie la télécardiologie grâce à l’IA

Des chercheurs ont développé un algorithme capable de prédire l’apparition de l’arthrose trois ans avant que les premiers symptômes se fassent sentir.

Des chercheurs américains ont développé un algorithme d’apprentissage qui permet de détecter sur imagerie des signes précoces d’apparition de l’arthrose. Cette atteinte douloureuse des articulations est due à une usure des cartilages qui se fissurent, s’effritent et finissent par disparaître.

Repérer les changements subtils dans la structure du cartilage

Cette équipe a développé une approche prédictive par intelligence artificielle (apprentissage profond) qui permettrait de repérer des changements subtils dans la structure du cartilage, invisibles à l’œil du clinicien, avant que les douleurs de l’arthrose ne débutent. Selon leur étude publiée par les PNAS, les chercheurs ont pour cela utilisé l’imagerie par résonance magnétique. Ils ont nourri leur algorithme de milliers d’IRM de genoux issues d’une banque de données suivant des patients sur plusieurs années. En se concentrant sur un sous-ensemble de patients qui présentaient peu de signes de lésions cartilagineuses au début de l’étude, la machine a repéré qui avait développé ou non de l’arthrose et a ainsi appris à reconnaître sur IRM ces modifications subtiles du cartilage.Selon les tests conduits, l’algorithme prédit l’arthrose  avec une précision de 78 % sur la base d’images effectuées trois ans avant l’apparition des premiers symptômes.

Un traitement préventif à développer

Les auteurs de cette étude rappellent qu’il n’existe pas de traitements curatifs contre l’arthrose si ce n’est à terme le remplacement des articulations par des prothèses (hanche, genou, épaule…). Cette approche prédictive appelle désormais au développement d’un médicament spécifique qui puisse prévenir l’arthrose présymptomatique pour empêcher le cartilage de se dégrader. Le marché est potentiellement énorme.  En France, on estime que l’arthrose touche environ 10 millions de personnes et constitue la première cause d’incapacité fonctionnelle pour les personnes de plus de 40 ans.

Comme quoi, mieux vaut prévenir que guérir !

La détection du Covid-19 est actuellement une préoccupation mondiale. Plus les tests seront rapides et faciles, plus il sera facile d’endiguer la propagation du virus. Voici une intelligence artificielle très prometteuse.

Il est aujourd’hui malheureusement très facile de s’inquiéter lorsque l’on commence à tousser. Est-ce que l’on est atteint du Covid-19 ou est-ce que l’on a simplement de s’éclaircir la gorge ? Ou peut-être est-ce une maladie des plus bénignes… Cela peut très facilement mettre à mal un moral déjà pas franchement au beau fixe. Des chercheurs du MIT ont mis au point une intelligence artificielle capable de reconnaître la présence du Covid-19 chez une personne en écoutant simplement celle-ci tousser, et ce même si cette dernière est asymptomatique.

Cette IA détecte le Covid-19 en vous écoutant tousser

Pour ce faire, les chercheurs du prestigieux Massachusetts Institute of Technology ont développé un grand nombre de réseaux de neurones capables de distinguer les plus subtils changements indicatifs des effets de ce nouveau coronavirus qui fait tant de dégâts sur toute la planète. Un réseau de neurones détecte les sons associés à la puissance vocale. Un autre écoute les état émotionnels qui reflètent un potentiel déclin neurologique, comme une frustration exacerbée ou un émoussement affectif. Un troisième réseau va, quant à lui, jauger d’éventuels changements dans la performance respiratoire. Un algorithme œuvre de son côté à vérifier une quelconque dégradation musculaire (id est, une toux plus faible que la normale) et viendra offrir un tableau plus complet de la santé de la personne testée.

Voilà qui pourrait simplifier les tests

Cette intelligence artificielle a montré une efficacité très élevée dans ses premiers tests. Après avoir entraîné leur modèle sur des dizaines de milliers d’échantillons de toux et de dialogues divers, la technologie a pu reconnaître avec précision 98,5% des personnes infectées par le Covid-19. Et elle a aussi identifié 100% des personnes qui étaient asymptomatiques.

Il y a cependant certaines limites évidentes. Cette technologie n’est pas conçue pour diagnostiquer les personnes asymptomatiques dans la mesure où celles-ci peuvent souffrir d’autres affections produisant des symptômes similaires. Et bien que l’ensemble soit tout à fait capable, vous ne voudriez pas l’utiliser pour poser un diagnostic définitif.

Mais ce n’est pas non plus qu’un simple exercice théorique. Les scientifiques développent actuellement une application grand public qui pourrait servir d’outil de pré-test. Il suffirait alors de tousser à proximité De son smartphone chaque jour pour savoir si l’on était infecté ou non. Les chercheurs vont même jusqu’à suggérer que cela pourrait permettre d’endiguer la pandémie si l’outil pouvait être en mesure de vous écouter constamment en arrière-plan. Le “si” ici étant bien évidemment conditionné aux questions de respect de la vie privée.

Article source : Cette IA peut détecter le Covid-19 simplement en vous écoutant tousser
Publié sur BeeGeek le 11 novembre 2020 par Morgan Fromentin

L’Ecole polytechnique fédérale de Zurich, qui ouvre un nouveau centre de recherche dédié à l’intelligence artificielle, vient de mettre au point une application permettant de détecter la jaunisse des nouveaux-nés avant même que n’apparaissent les premiers symptômes.

Si la jaunisse est l’une des maladies les plus courantes chez les nouveaux-nés, elle peut, dans 10 % des cas, devenir critique, surtout si elle n’est pas traitée. L’Ecole polytechnique fédérale de Zurich vient de mettre au point une application mettant en œuvre une intelligence artificielle capable de détecter la maladie 48 heures avant l’apparition des premiers symptômes. Un enjeu sérieux, puisque avec le raccourcissement des durées d’hospitalisation, les symptômes apparaissent désormais souvent après le retour à la maison de l’enfant et de sa mère.

La suite sur : Une IA pour prévenir la jaunisse du nourrisson
Publié sur Les Échos le 26 octobre 2020 par Franck NIEDERCORN.

Owkin, a startup that deploys AI and Federated Learning technologies to augment medical research and enable scientific discoveries, announces a collaboration with the University of Pittsburgh. This pilot leverages the high-quality datasets and world-class medical research within Pitt’s Departments of Biomedical Informatics and Pathology, as well as Owkin’s pioneering technologies and research platform. Collaborations such as these have potential to advance clinical research and drug development.

Owkin, une startup qui déploie des technologies d’IA et d’apprentissage fédéré pour augmenter la recherche médicale et permettre des découvertes scientifiques, annonce une collaboration avec l’Université de Pittsburgh. Ce projet pilote s’appuie sur les ensembles de données de haute qualité et la recherche médicale de classe mondiale des départements d’informatique biomédicale et de pathologie de Pitt, ainsi que sur les technologies et la plate-forme de recherche pionnières d’Owkin. De telles collaborations ont le potentiel de faire progresser la recherche clinique et le développement de médicaments.

Plus d’informations sur :

• Owkin and The University of Pittsburgh Launch a Collaboration to Advance Cancer Research
  Publié sur BioSpace le 5 mars 2020
• Owkin and The University of Pittsburgh Launch a Collaboration to Advance Cancer Research
  Publié sur GlobeNewswire 5 mars 2020
• Signature d’un partenariat entre Owkin et l’Institut Bergonié
  Publié sur UNICANCER le 20 mai 2020
• L’INSERM et Owkin s’associent : L’IA au service de la recherche médicale
  Publié sur le site de l’Insern le 4 avril 2018
• Le groupe Servier s’associe à la licorne Owkin pour faire progresser la médecine de précision grâce à l’IA
  Les groupes pharmaceutiques se tournent de plus en plus vers les start-ups pour accélérer la découverte de nouveaux médicaments. Dans le cadre de ce partenariat pluriannuel annoncé le 17 octobre, Servier et la biotech Owkin ont pour objectif de faire progresser et accélérer des traitements mieux ciblés dans de multiples domaines thérapeutiques, plus particulièrement en oncologie, grâce à l’IA.
  Publié sur ActuIA par Thomas Calvi le 18 octobre 2023
• L’hôpital Bicêtre utilise la solution d’Owkin pour prédire les rechutes du cancer du sein
  La start-up franco-américaine va fournir aux médecins un dispositif (encore en développement) d’évaluation du risque de rechute pour les patientes atteintes d’un cancer du sein. Il leur permettra de préciser leur diagnostic et profitera de la large patientèle de l’hôpital Bicêtre pour se perfectionner.
  Publié sur L’Usine Digitale par Mélicia Poitiers le 20 décembre 2023
• Owkin officialise 3 partenariats clés avec Merck, Cerba Path et l’hôpital Bicêtre AP-HP
  Owkin annonce trois partenariats stratégiques avec des acteurs de premier plan : Merck, Cerba Path et l’hôpital Bicêtre AP-HP. Ces collaborations visent à accélérer de manière significative la découverte de médicaments, à optimiser l’efficacité des recherches et à perfectionner les diagnostics en oncologie en exploitant les solutions d’IA développées par Owkin.
  Publié sur ActuIA par Thierry Maubant le 21 décembre 2023
  D

Une vidéo diffusée sur BFM Business le 19 décembre 2020.

Santé connectée: où en est-on ?

Une intelligence artificielle développée par des chercheurs du MIT a identifié trois antibiotiques jusque-là inconnus. L’un d’eux, un composé initialement expérimenté pour traiter le diabète, viendrait à bout de nombreuses bactéries pathogènes sans qu’elles puissent développer de résistance.

Regina Barzilay, chercheuse en science informatique, et son équipe d’ingénieurs ont d’abord mis au point un réseau de neurones artificiels qui, grâce à des méthodes de « deep learning », pouvait identifier des structures moléculaires aux propriétés antibactériennes uniques. Pour cela, elles se sont attelées à lui apprendre les caractéristiques de 2 335 molécules connues pour limiter, combattre ou vaincre la croissance d’une colonie d’Eschirichia coli, une bactérie infectieuse commune. Parmi elles, 300 sont des antibiotiques industriels et 800 des composés naturels d’origine végétale, animale ou microbienne. Une fois l’algorithme en mesure de reconnaître sans faute des molécules potentiellement antibiotiques, les chercheurs lui ont donné pour tâche d’analyser et de trier les 6 000 molécules référencées dans le Drug Repurposing Hub, une base de données qui recense toutes les substances médicamenteuses en cours d’évaluation. L’IA avait pour objectif de prédire laquelle de ces substances pouvaient agir contre une bactérie comme E. coli. En seulement quelques heures, elle arrive à sa conclusion avec une pré-sélection de 100 candidats possibles. Après des tests biologiques, les scientifiques du MIT en identifient un aux capacités insoupçonnées.

Un antibiotique découvert par une IA et inspiré par une autre

Celui-ci, l’halicine, provient à l’origine d’un traitement expérimental du diabète. Les chercheurs du MIT et leur IA ont constaté qu’il est non seulement efficace contre E. coli mais parvient même à mettre en déroute des microbes plus dangereux et résistants comme Clostridioides difficile, responsable de la diarrhée nosocomiale, l’Acinetobacter baumannii, autre bactérie infectieuse opportuniste, et surtout la Mycobacterium tuberculosis, à l’origine de la tuberculose.

Pour continuer sur leur lancée, les chercheurs ont gavé leur algorithme de 107 millions de formules moléculaires supplémentaires, provenant d’1,5 milliards de substances chimiques connues et issues de la base de données ZINC15 sans aucun lien avec le monde médical. Des 23 composés chimiques pré-sélectionnés (en trois jours !) et des 8 testés biologiquement, deux se seraient révélés aussi prometteurs que l’halicine. Les chercheurs s’empressent de continuer leurs investigations et de soutenir de premiers tests cliniques pour l’halicine, qui conduiront peut-être à sa commercialisation.

Google travaille sur une IA capable de dépister un cancer du sein à partir de résultats de mammographies avec autant de précision, voire plus, que les radiologues experts. Elle espère que son algorithme pourra un jour servir officiellement pour réduire le pourcentage de diagnostics manqués et le pourcentage de surdiagnostics.

La firme Google travaille depuis longtemps sur un programme informatique capable de dépister un cancer du sein à partir de résultats de mammographies avec autant de précision, voire plus, que les radiologues experts. Elle espère que son algorithme pourra un jour servir officiellement pour réduire le pourcentage de diagnostics manqués et le pourcentage de surdiagnostics.

Neuroprothèses, aide au diagnostic, interprétation d’images médicales… De nouvelles approches d’intelligence artificielle permettent aujourd’hui de développer des dispositifs de plus en plus fins et performants.

Frank* souffre d’une sclérose latérale amyotrophique qui paralyse presque entièrement les muscles de ses bras. Pourtant, le voici qui tape un message sur son clavier d’ordinateur, clique et zoome quasiment sans erreur. Et ce, par la seule force de son cerveau ! Cette prouesse, publiée en octobre 2020, par l’équipe de Thomas Oxley, du Melbourne Brain Center à l’hôpital royal de Melbourne (Australie), a été rendue possible grâce à une neuroprothèse nommée Strentrode, implantée dans les vaisseaux cérébraux de Frank, au contact du cortex moteur. Ce dispositif décrypte les ondes corticales (électrocortigraphie) émises pendant que le patient imagine le mouvement qu’il souhaite faire, et les traduit aussitôt en commandes motrices effectives. Le dispositif utilise pour cela un décodeur fonctionnant grâce à un algorithme d’intelligence artificielle qui apprend à détecter les intentions de mouvement dans les signaux cérébraux. « Les commandes motrices variant d’une personne à l’autre, l’IA est apte à en analyser les particularités dans les signaux cérébraux afin de les interpréter, explique Fabien Lotte directeur de recherche à Inria (Institut national de recherche en sciences et technologies du numérique), et membre du Labri (Laboratoire bordelais de recherche en informatique) de l’université de Bordeaux . En l’occurrence, les algorithmes mathématiques utilisés sont dits d’apprentissage (machine learning) , c’est-à-dire qu’ils s’améliorent au fur et à mesure qu’ils décryptent des exemples de signaux cérébraux, en discriminant ceux qui correspondent à une intention de mouvement de ceux qui signent un état de repos. » À l’automne 2019, un patient tétraplégique avait ainsi réussi à mouvoir un exosquelette grâce à une autre neuroprothèse, au centre de recherche Clinatec à Grenoble.

« Travailler avec une interface cerveau-ordinateur, ça s’apprend »

La suite est réservée aux abonnés…

Article source : Neuroprothèses, aide au diagnostic : quand l’IA répare et soigne

Publié sur Science et Avenir le 10 janvier 2021 par Elena Sender

Évaluation d’un système d’IA pour la détection automatisée du glaucome à partir de photographies stéréoscopiques de disques optiques

Article source : Evaluation of an AI system for the automated detection of glaucoma
Publié sur PubMed en novembre 2019

Avez-vous déjà senti lors d’un appel téléphonique avec un·e ami·e que celui-ci ne va pas bien ?
Uniquement à partir de sa voix, vous avez réussi à deviner son état de santé.
Sur quels indices votre cerveau s’est-il basé pour émettre une telle conclusion ?

L’audition humaine, un outil bien rodé

Mauvaise estime de soi, fatigue, ou troubles du sommeil, il suffit d’écouter les plaintes de ses ami·e·s – c’est-à-dire le contenu de ce qu’ils disent – pour savoir qu’ils ne vont pas bien. Mais même quand la réponse est un petit « ça va, ça va », vous arrivez malgré tout à percer à jour leur mal-être : ce que la personne dit n’est pas le seul indice que votre cerveau exploite pour analyser l’état de santé de votre interlocuteur.

En effet, des maladies telles que la dépression, Parkinson, ou Alzheimer ont un impact sur le fonctionnement neurologique des patients qui en sont affectés, et peuvent modifier la façon dont ils parlent. Ainsi, en plus du contenu, le « contenant » du discours d’un individu – sa voix – recèle des informations sur son état de santé. Que la personne parle dans sa barbe, articule moins, parle plus lentement ou encore allonge les voyelles, votre cerveau analyse à votre insu de nombreux paramètres vocaux, principalement divisés en deux catégories.

D’une part, des paramètres acoustiques, mesurant la qualité de la voix, comme la fréquence, l’énergie, la nasalité ou l’amplitude de la voix. Est-ce que la voix est aiguë, grave, forte, douce ? La voix fait-elle de grandes variations ou est-elle monotone ?

D’autre part, des paramètres que l’on appelle « prosodiques », tels que la durée des voyelles, la vitesse d’élocution, la longueur des pauses. Ces marqueurs de la qualité du phrasé permettent de rendre compte du rythme de la parole, de la prononciation et de l’articulation du locuteur. Les voyelles sont-elles allongées ? Certaines syllabes sont-elles altérées ?

Les paramètres extraits de la voix permettent d’inférer des connaissances sur l’état de santé de l’interlocuteur. Vincent Martin, Author provided
Toutes ces informations sont des marqueurs vocaux qui sont utilisés pour estimer de très nombreuses informations sur votre interlocuteur, de manière indirecte – on parle d’« inférence ».

Article complet : Votre état de santé… dans votre voix
Publié sur The Conversation le 3 janvier 2021 par Vincent Martin

Artificial intelligence detects prostate cancer with a urine test

Passer à la seconde partie : IA dans la Santé – seconde partie