Poursuivons notre exploration de l’IA dans la Santé

IA et cancer, le diagnostic infaillible ?

L’IA est-elle en passe de surpasser le médecin dans le dépistage, le diagnostic et/ou le choix de la meilleure thérapie dans le cancer dans ses diverses formes ? Quelles sont ces IA et quels sont leurs principes, leur logique? Sur quelles données se basent-elles et pour livrer quelles informations ?

Depuis le site de France Culture.

Selon l’Institut National contre le cancer, près de 4 millions de français sont touchés chaque année par l’une de ces pathologies. 4 millions de personnes, c’est autant de diagnostics à poser, de traitements à choisir, de patients à accompagner. Or comme chacun sait, l’être humain n’est pas infaillible, pas même un médecin au moment de lire une radio, une IRM, un scanner ou une échographie. C’est là qu’intervient l’intelligence artificielle. Non seulement dans l’aide au diagnostic, par l’analyse précise de l’imagerie médicale via un apprentissage par renforcement. Mais aussi au moment de la décision de traitement pour éviter les errances thérapeutiques. L’IA, futur outil indispensable dans la prise en charge du cancer ?

IA et cancer, le diagnostic infaillible ? C’est le programme algorithmique qui est le nôtre pour l’heure qui vient. bienvenue dans La Méthode scientifique.

Et pour tout comprendre à la façon dont certains algorithmes peuvent apporter une aide précieuse dans le diagnostic et la prise en charge de certains cancers, nous avons le plaisir de recevoir Nathalie Lassau, professeure de radiologie à l’université Paris-Saclay, co-directrice du laboratoire d’imagerie BioMaps à l’Institut Gustave Roussy et Alain Luciani, professeur de radiologie au CHU Henri Mondor à l’Université Paris Est Créteil.

Sur la page IA et cancer, le diagnostic infaillible ? vous trouverez un reportage audio sur ce sujet ; bonne écoute !

Lire également :

Selon l’UE : l’intelligence artificielle a un potentiel immense dans la santé

Comment l’Union européenne voit-elle les évolutions dans ce domaine alors que nous émergeons tout juste de la pandémie ? Nous avons interrogé la Commissaire européenne en charge de la santé, Stella Kyriakides, et trois eurodéputés sur le sujet.

La Commission européenne et le Parlement européen soutiennent tous deux, un nouveau programme de financement de 5,1 milliards d’euros appelé « L’UE pour la santé » qui est vu comme une réponse à long terme à la pandémie de Covid-19. Nous avons demandé à la Commissaire Stella Kyriakides selon quelles priorités l’UE allait orienter ces dépenses.

« Ce que l’on constate, c’est que les citoyens européens veulent plus d’Europe dans le domaine de la santé et c’est pour cela que nous lançons un programme ambitieux de 5,1 milliards d’euros appelé L’UE pour la santé, » indique Stella Kyriakides. « Son objectif, » poursuit-elle, « c’est de contribuer à rendre les systèmes de santé plus résilients, de renforcer le mandat du Centre européen de prévention et de contrôle des maladies (ECDC) et de l’Agence européenne des médicaments (EMA), mais aussi de se concentrer sur des domaines comme le plan européen de lutte contre le cancer et la nouvelle stratégie pharmaceutique. »

Utiliser les données de santé de manière sûre

« L’UE pour la santé » place beaucoup d’espoir dans la technologie. Cela nous demande de partager des données entre pays, d’adopter des solutions numériques et de faire confiance à ces systèmes. Nous demandons à la Commissaire européenne comment nous pouvons garantir que nous pourrons leur faire confiance et que nous les utiliserons à bon escient.

« La création d’un espace européen des données de santé a toujours été une priorité pour cette Commission, » répond-elle. « Il s’agit d’utiliser les données de santé de manière sûre, de les protéger pour pouvoir améliorer l’accès aux services de santé, aux soins délivrés aux patients et d’optimiser leur utilisation dans le domaine de la santé : le potentiel de l’utilisation de l’intelligence artificielle à cet égard est immense, » souligne-t-elle.

Réduire les inégalités en matière de santé

Nous avons aussi recueilli le point de vue de trois eurodéputés sur la stratégie sanitaire européenne. Ils ont tous été rapporteurs ou rapporteurs fictifs sur le programme « L’UE pour la santé ».

L’eurodéputée portugaise Sara Cerdas du groupe des Socialistes et Démocrates indique pour sa part que la santé est désormais prise en compte dans toute décision politique.

« Nous regardons pour chaque élément de législation quelles sont ses conséquences directes et indirectes sur la santé des populations, » assure-t-elle. « Et c’est de la plus haute importance parce qu’avec cette approche, nous allons réduire les inégalités en matière de santé à travers l’Union européenne, » estime-t-elle.

Bénéficier des progrès de médecine mieux personnalisés

La création d’un espace numérique sécurisé pour échanger les données de santé entre pays est un élément clé de la vision de l’UE. L’eurodéputée française Véronique Trillet-Lenoir, membre du groupe Renew Europe, nous explique pourquoi.

« Les données médicales et scientifiques doivent pouvoir être compilées sous forme de données massives, analysées par l’intelligence artificielle et permettre à tout un chacun, de bénéficier des progrès de médecine mieux adaptés, mieux personnalisés, » indique-t-elle avant de préciser : « C’est également vrai dans les traitements des cancers. »

L’un des objectifs, c’est d’utiliser la technologie pour réduire les inégalités selon l’eurodéputé roumain Cristian-Silviu Bușoi, membre du Parti populaire européen (PPE).

« Quelqu’un qui habite dans une zone rurale et qui souffre d’une maladie très grave ou d’une maladie très particulière pourrait avoir accès à une consultation avec un professeur d’un grand hôpital universitaire via la télémédecine, voire bénéficier d’une opération menée avec l’aide de la télémédecine, » déclare-t-il, « parce que l’intelligence artificielle et la 5G feront beaucoup évoluer la manière dont fonctionne la médecine dans l’avenir. »

Source : EuroNews
Diffusé le 29 mars 2021 par Jeremy Wilks

Dépister l’autisme avec l’intelligence artificielle

L’’étude AUT ANT de médecins et chercheurs de Limoges, Marseille et Paris : dépistage de l’autisme avec l’IA

L’utilisation du machine learning peut permettre un dépistage dès la naissance du trouble du spectre de l’autisme et à terme offrir à ces bébés une prise en charge la plus précoce possible, c’est le projet sur lequel a travaillé une équipe, composée de médecins et chercheurs de Limoges (CHU et Université), de Marseille et de Paris. Ils viennent de publier les travaux de leur étude AUT ANT dans Scientific Reports.

L’étude AUT ANT

Cette étude préliminaire a duré 3 ans, a recueilli les données du suivi, depuis le début de la grossesse jusqu’à la naissance, de 65 enfants ayant reçu un diagnostic de TSA. Toutes les données sont issues du CHU de Limoges pour des enfants nés à l’hôpital de la mère et de l’enfant et diagnostiqués par le Centre Ressources Autisme Limousin.

Au total, 120 paramètres par grossesse (antécédents familiaux des parents, échographies obstétricales, test HT21, conditions d’accouchement, premiers jour de la vie…) ont été analysés grâce à un programme, de type « machine learning », développé par l’équipe de recherche. Il s’agit d’une technologie d’intelligence artificielle, permettant aux ordinateurs d’effectuer des analyses prédictives, à partir de données. Ces données ont été comparées à celles de 240 naissances dans la même maternité, qui n’ont pas eu ce diagnostic de TSA.

Le programme a permis d’analyser toutes les données sans aucun a priori et de déterminer l’impact de chacun des paramètres sur le pronostic final. L’équipe de chercheurs a démontré qu’il est possible d’identifier, grâce à ce programme d’intelligence artificielle, 95 % des bébés qui ne seront pas diagnostiqués plus tard avec des TSAs et 1 enfant sur 3 qui le sera, mais avec une précision de 75 %.
Cette avancée est en phase avec les recommandations des autorités insistant sur l’importance de la détection précoce des bébés/enfants à risque et leur prise en charge avec des techniques psychoéducatives adaptées.

Etape suivante : élargir l’étude pour conforter les résultats

Pour autant, il s’agit d’un pronostic, et non d’un diagnostic et sa fiabilité nécessite d’être consolidée par des estimations sur plusieurs centaines de bébés.

Cette première étude n’est donc qu’une étape. !

L’objectif de l’équipe est désormais de l’élargir à plusieurs maternités françaises et étrangères sur un nombre plus élevé de nouveau‐nés. Puis, si les premiers résultats sont confirmés, de faire une vaste étude prospective afin de préciser le pronostic et de mieux déterminer les paramètres qui le favorisent.

Si ces données étaient confirmées par les prochaines études, cela ouvrirait la voie à des prises en charge préférentielle des bébés à risque et une identification précoce qui est un des buts majeurs des programmes de protection et de traitement des TSAs.

Rapport de l’étude : Machine learning analysis of pregnancy data enables early identification of a subpopulation of newborns with ASD
Publié sur Scientific Reports le 25 mars 2021

L’Open Data en santé : Un allié précieux durant la crise

En me baladant sur le Web j’ai trouvé cet article et je vous en faite part.

L’Open Data en santé : Un allié précieux durant la crise

Nous le savons, le sujet des données de santé est sensible. C’est pourquoi notre propos ici ne concerne pas les données de santé personnelles mais les données de vente attenantes au domaine de la santé. L’open data connait depuis plusieurs années un véritable engouement de la part des instances publiques. Plus récemment, ce sont les acteurs privés, avec l’exemple concret d’IQVIA, qui impulsent ce mouvement dans l’optique d’offrir des clés de lecture à des problématiques institutionnelles. La crise sanitaire a eu pour effet d’accélérer ce processus.

L’Open Data en santé : Un allié précieux durant la crise
Publié sur Forbes le 2 février 2021 par Jean-Marc Lazard

Les bases de données santé vont transformer la recherche

Expert en intelligence artificielle et en datascience, Emmanuel Bacry détaille le projet de Health Data Hub, un puissant et controversé outil numérique d’analyse des données de santé destiné à la communauté scientifique.

Ambitieux projet français destiné à la recherche médicale, le Health Data Hub est en suspens. Sa demande d’autorisation à la Commission nationale de l’informatique et des Libertés (Cnil) a été retirée. Elle devait permettre de mettre à disposition de la communauté scientifique, de façon pérenne, diverses bases de données de santé. Retour sur une initiative unique au monde, mais source de controverses, avec son directeur scientifique.

L’idée de créer le Health Data Hub est issue du rapport Villani sur l’intelligence artificielle publié en 2019. Comment est-elle née ?

On peut lier son émergence à un décret de décembre 2016 qui a ouvert aux chercheurs le Système national de données de santé (SNDS) sur le portail Internet de la Caisse nationale de l’assurance-maladie (Cnam). Ce système est la base de la carte Vitale. Il conserve les parcours de soins et les causes médicales de décès. Et s’il ne donne pas accès à des données cliniques, il garde la trace des remboursements par l’Assurance-maladie. Or, nous avons cette chance, en France, que presque tout le monde profite de ces remboursements, au moins partiellement. Le SNDS représente donc une mine d’informations sur les soins de l’ensemble des Français. Une base de données qui potentiellement est d’une très grande utilité.

Interview complète : Les bases de données santé vont transformer la recherche

Publié sur Sciences et Avenir le 27 février 2022 par Arnaud Devillard

Une IA permet de détecter automatiquement l’antibiorésistance

Le Centre national de la recherche scientifique (CNRS), le Centre d’énergie atomique (CEA), l’Université d’Evry, l’hôpital Henri-Mondor et Médecins sans Frontières ont développé une application mobile qui grâce à un système d’apprentissage automatique facilite le diagnostic de la résistance aux antibiotiques. Leurs travaux viennent d’être publiés dans la revue scientifique Nature Communications.

L’antibiorésistance, un enjeu central

L’antibiorésistance a été désignée par l’Organisation mondiale de la santé (OMS) comme l’un des défis sanitaires majeurs du 21 ème siècle. En effet, elle remet en cause notre capacité à soigner les infections, même les plus courantes, que ce soit en médecine de ville, hospitalière ou vétérinaire.

Dans les pays développés, la résistance aux antibiotiques est détectée grâce à des automates qui lisent et interprètent les antibiogrammes, une technique visant à tester la sensibilité d’une souche bactérienne vis-à-vis d’un ou de plusieurs antibiotiques supposés ou connus. En pratique, les professionnels de santé mettent en culture les bactéries du patient à traiter dans des boites de Pétri. Ils y déposent des disques de papier, appelés pastilles, contenant une concentration précise de chaque antibiotique. Lorsque la bactérie est sensible à l’antibiotique, elle disparait dans la zone concentrique autour du disque. C’est ce qui est appelée le halo ou la zone d’inhibition. C’est à partir de la mesure du diamètre de cette zone qui est comparé à certains standards qu’est définie l’antibiorésistance.

Automatiser le traitement d’image d’un antibiogramme

Or, les automates coûtent chers et nécessitent une certaine expertise dont sont privés les pays en voie de développement. D’où l’idée des chercheurs de créer une application mobile « gratuite et facile d’utilisation » pour « traiter efficacement l’image d’un antibiogramme sur un smartphone » destiné aux biologistes des pays sous-développés, détaille Amin Madoui, chercheur au laboratoire « Génomique Métabolique du Genoscope », à l’origine du projet.

En 2019, ces travaux décrochent une bourse au concours « Google AI Impact Challenge« , qui récompense les projets liés à l’IA tournés vers le progrès social. Ces fonds ont permis aux chercheurs d’être épaulés par 13 employés de la firme de Mountain View et de réaliser des essais pour améliorer les performances de l’application.

Un niveau de fiabilité de 98 %

 

L’application repose sur un algorithme de traitement d’image qui à partir de la photographie d’un antibiogramme va pouvoir analyser la zone d’inhibition. Elle guide le biologiste durant l’analyse des pastilles. A tout moment, il peut corriger les mesures automatiques si nécessaire. Le process atteint un taux de 98 % de concordance avec la mesure manuelle « la plus sûre », affirme l’étude.

L’application fonctionne sur Android et sans connexion internet, un point particulièrement important car les techniciens de laboratoire peuvent être dans des zones reculées.

Son code a été publié en open source.

L’intelligence artificielle optimise le diagnostic ophtalmologique

En automatisant l’examen à la lampe à fente, iSlit se propose de simplifier, affiner et enrichir le diagnostic de l’ophtalmologiste. L’outil, qui pourrait être une réponse aux déserts médicaux, s’appuie sur une base de données constamment enrichie et sur la technique du raisonnement automatisé.

Ophtalmologiste à Tel-Aviv, David Smadja a eu l’idée d’utiliser l’intelligence artificielle pour améliorer le diagnostic réalisé à la lampe à fente. Le praticien est parti du constat que plus d’un milliard de personnes dans le monde présentent une affection qui aurait pu être évitée ou qui n’est toujours pas traitée, notamment pour cause de déserts médicaux, et que 75 % des problèmes ophtalmologiques proviendraient d’un mauvais examen.

Il s’était alors tourné vers le start-up studio La Forge, spécialisé dans l’intelligence artificielle au service de solutions médicales, qui a sélectionné son projet. Une collaboration R&D a été lancée avec la Satt Sayens et l’université de Bourgogne, puis iSlit est née en 2020 à Paris. Un an plus tard, le produit destiné à simplifier, affiner et enrichir le diagnostic est en phase de conception.

« Nous avons la base de connaissances ophtalmologiques : signes, symptômes et facteurs de risques, la plus complète du monde, et qui s’enrichit au fil de l’eau », s’enthousiasme Christophe Tricot, président de La Forge et directeur technique de la start-up. « L’IA simule les comportements intelligents en transposant une expertise dans un algorithme ». Pour la partie intelligence artificielle, iSlit a fait appel aux compétences en raisonnement automatisé du laboratoire de recherche CIAD dans le cadre d’un programme R&D mené en moins de douze mois.

La solution, qui intègre la vision par ordinateur, se propose d’aider le praticien dans son diagnostic – à distance si besoin – et dans la prise en charge du patient, en lui faisant gagner du temps et en limitant les risques d’erreur. Une centaine de maladies sont ainsi déjà dans la base et diagnosticables et les tests en cours sont encourageants, selon les partenaires praticiens en France, en Inde, en Israël ou encore aux Etats-Unis, qui alimentent l’algorithme.

Le travail de diagnostic est déjà réalisé et le chantier démarre maintenant pour l’extraction de signes. L’équipe cherche à présent des partenaires hardware et software pour l’intégration, qui est la prochaine étape.

Sources :

L’IA va-t-elle remplacer le médecin de famille ?

Aide au diagnostic, conseils de traitement : l’IA réorganise la santé. Laissant plus de place au dialogue patient-médecin.

Pas une semaine ne se passe sans qu’un algorithme soit annoncé plus performant qu’un médecin. À partir de radiographies, d’images de peau ou de fond d’œil, de données génétiques, les machines détectent aujourd’hui des dizaines de maladies de façon plus sûre et plus rapide. Diabète, cancers, affections oculaires, fractures… Au point de remplacer le bon vieux médecin de famille ?

Un médecin « augmenté »

De fait, « l’intelligence artificielle va transformer radicalement l’ensemble des métiers de la santé. Mais ce ne sont pas les généralistes qui seront les plus touchés, souligne le Dr Jacques Lucas, ancien premier vice-président du conseil national de l’Ordre des médecins et coordinateur du livre blanc sur la médecine et l’intelligence artificielle. Le généraliste est, par définition, ‘multitâche’, confronté à un éventail très large de pathologies, de la grippe au cancer. Mais c’est aussi le premier interlocuteur du patient. Ce rôle central va peu évoluer, mais les dispositifs d’IA l’aideront à affiner son diagnostic en cas d’hésitation et en feront un médecin ‘augmenté’. Par exemple, il pourra calculer la probabilité qu’un grain de beauté soit ou non suspect, avec une précision en théorie supérieure à celle des meilleurs dermatologues. » Idem pour un électrocardiogramme, une photo de l’œil… En revanche, les rendez-vous seront moins fréquents – mais de meilleure qualité, promet-on… Car des professionnels de santé non médecins, dotés eux aussi d’outils d’aide au diagnostic et au choix du traitement, prendront le relais.

Libérer du temps pour l’écoute

« Infirmiers, kinésithérapeutes, orthoptistes, téléopérateurs, etc., assureront le soin de proximité et une partie du suivi des maladies chroniques (diabète, certains cancers et maladies cardiovasculaires, asthme, maladies des yeux…) », explique de son côté le Pr Guy Vallancien. Remplaçant donc le docteur ? En partie. « L’essentiel, c’est de conserver l’humain dans la prise en charge », rappelle Bernard Nordlinger, chirurgien, co-directeur de l’ouvrage Santé et intelligence artificielle avec le mathématicien et député Cédric Villani. C’est d’ailleurs le sens de l’avis rendu en juin par le Conseil consultatif national d’éthique (CCNE), qui indique « qu’une relation personnelle directe doit subsister entre les professionnels de santé et les patients […], l’utilisation des technologies ayant aussi pour but de libérer du temps pour l’écoute et l’échange ». En dermatologie ou en ophtalmologie, les algorithmes ont déjà appris à poser un diagnostic et recommander un traitement. Certes. « Mais qui a envie, s’interroge Jacques Lucas, d’apprendre un dimanche matin, seul, par la voix d’un smartphone, que sa tache sur la peau a 80 % de risques d’être cancéreuse ? »

Article publié sur Science et Avenir le 27 juin 2021 par Hugo Jalinière

L’intelligence artificielle va-t-elle remplacer le médecin de famille ?

La start-up française Medical Intelligence Service et Sanofi lancent une IA pour le diagnostic des maladies rares

L’errance diagnostique est une problématique phare des maladies rares et a fait l’objet de plusieurs plans nationaux. “Une pathologie est dite rare lorsqu’elle touche moins d’une personne sur 2 000”, rappelle Lucie Albinet. “Il en existe aujourd’hui 7000, qui touchent plus de 3 millions de Français, soit 5 % de la population, et 25 millions de personnes sont concernées en Europe”, abonde Christian Deleuze. À 80 % d’origine génétique, la plupart du temps sévères, chroniques, invalidantes et évolutives, ces maladies constituent un enjeu majeur de santé publique.

Les maladies rares touchent 3 millions de Français dont la moitié sont des enfants de moins de 5 ans. Leur diagnostic est encore trop souvent tardif, ce qui induit une perte de chance pour les patients. Sanofi propose une solution basée sur l’intelligence artificielle pour réduire ce délai.

La start-up française Medical Intelligence Service vient de nouer un partenariat avec Sanofi pour mettre l’IA au service e la détection de maladies rares.

Source :

 

A deep generative model enables automated structure elucidation of novel psychoactive substances

Une IA pour détecter les drogues de synthèse (ou en inventer de nouvelles)

Une description complète (en anglais) : A deep generative model enables automated structure elucidation of novel psychoactive substances
Publié sur Nature 15 novembre 2021

Introduction

Les drogues de synthèse sont un fléau pour les services de police. Ces substances imitent les effets des produits classiques comme la cocaïne, les amphétamines ou la MDMA, mais ce ne sont pas les mêmes molécules qui entrent dans leur composition. Ces produits, qui ne sont pas répertoriés dans les législations antidrogue, ne sont techniquement pas interdits –un avantage certain pour les chimistes et les dealers.

Lorsqu’une drogue de synthèse se popularise, les autorités l’ajoutent à la liste des molécules illégales, mais parce qu’elles ont un coup d’avance sur la législation, ces nouvelles substances psychoactives (NSP) ont hérité du surnom de «drogues légales» («legal highs» soit défonces légales).

La plupart du temps commercialisées sur internet, ces NSP ne restent jamais «légales» très longtemps. Mais le temps qu’elles soient identifiées, que la législation s’adapte et que la police dispose des tests nécessaires pour les détecter, ces drogues ont déjà été remplacées par de nouveaux produits.

Prédictions

Dans la lutte contre la prolifération de ces substances, les autorités ont peut-être trouvé une nouvelle alliée: l’intelligence artificielle. Des scientifiques affirment avoir mis au point un programme qui détecte les structures chimiques de ces nouvelles substances psychoactives, peut-on lire dans la revue Nature.

Ce programme, baptisé DarkNPS a été entraîné sur 1.700 drogues de synthèse connues, collectées auprès de laboratoires des polices scientifiques du monde entier afin d’identifier les structures chimiques récurrentes.

Plus de détails sur : Une IA pour détecter les drogues de synthèse Publié sur Korrii. le 17 novembre 2021

 

Quelques articles complémentaires

 

Comprendre le repliement des protéines

Lire également :

Encore quelques articles divers…

L’État veut faire émerger les futurs champions technologiques français dans la santé

Quatorze projets ont été choisis par le gouvernement la semaine dernière dans le cadre d’un appel à manifestation d’intérêt pour améliorer le positionnement de la France sur le sujet de la santé numérique. Des innovations de pointe, qui pourront compter sur une importante aide financière publique pour se développer. Reste à savoir en combien de temps…

Les lauréats de l’appel à manifestation d’intérêt (AMI) « Santé numérique » ont été dévoilés le 26 septembre. Cet AMI a été lancé en octobre 2021 et opéré, pour le compte de l’État, par Bpifrance dans le cadre du plan d’investissement « France 2030 », qui vise à « transformer durablement, par l’innovation technologique et industrielle les secteurs clefs de l’économie ». Celui de la santé notamment, et c’est l’objectif de cet AMI : « faciliter l’émergence de la médecine du futur et faire de la France un leader en santé numérique. »

Quatorze lauréats sélectionnés

Sur 198 projets déposés, quatorze ont été retenus, dont près de la moitié sont des dispositifs médicaux numériques. Des projets comme Iktos Robtotics, qui vise le développement d’un laboratoire autonome et intelligent capable de découvrir 24h/24 de nouvelles molécules pouvant potentiellement devenir des médicaments ; ou encore Mila-Learn, une application digitale conçue comme un dispositif d’accompagnement thérapeutique à destination des enfants atteints de troubles spécifiques et d’apprentissages.

Demagus, projet proposé par la start-up Mag4Health, s’appuie sur certaines propriétés quantiques. Il consiste à produire une nouvelle génération de magnétoencéphalographes donnant accès à l’intégralité de l’activité neuronale et pouvant notamment améliorer les diagnostics épileptiques. Matthieu Le Prado, directeur général de l’entreprise, tient à préciser que l’objectif est « d’installer des usines de fabrication de l’appareil à Grenoble » pour répondre à l’enjeu actuel de relocalisation des industries de santé.

Autre idée intéressante, présentée par Loamics, société française de deep tech experte du big data et de l’intelligence artificielle : créer le premier entrepôt de données de soins de médecine de ville à l’échelle nationale grâce à une technologie de données dynamiques.

Des alliances entre secteur public, grands groupes et start-up

Aux manettes, des start-up, mais aussi de grands groupes comme Dassault Systèmes, associés à des hôpitaux, des universités, des centres de recherche publics comme l’Inserm, et des laboratoires.

Des projets chiffrés à plusieurs millions d’euros pour lesquels le gouvernement est prêt à contribuer entre 950 000 et 17,14 millions d’euros pour le projet le plus généreusement financé (l’hôpital du futur, mené avec l’Hôpital Hôtel-Dieu à Paris). Rappelons que dans le cadre d’un AMI, chaque euro est versé à condition qu’il trouve un équivalent provenant du secteur privé en face. En clair, (et dans les grandes lignes !) pour recevoir 1,37 millions d’aides de l’État, il faut trouver 1,37 millions de fonds privés. Pour les investisseurs qui choisiront de les suivre, le fait que chaque euro investit soit abondé par un euro de Bpifrance est évidemment un argument encourageant.

Simuler l’effet qu’aura tel médicament sur tel patient

La plupart des candidats sont donc à l’étape de la levée de fonds. C’est le cas d’Exact Cure, une start-up de l’e-santé qui développe ce qu’on appelle des jumeaux numériques. L’entreprise simule la réponse des patients aux médicaments de manière personnalisée suivant son poids, son âge, ses pathologies, s’il a une insuffisance rénale ou non, s’il est fumeur ou non…

L’article complet : L’État veut faire émerger les futurs champions technologiques français dans la santé
Publié sur L’Usine Digitale par Mélicia Poitiers le 7 octobre 2022

Les algorithmes décuplent le pouvoir de l’imagerie

Les liens entre intelligence artificielle et médecine seront au cœur des Rencontres du Grand Est sur le thème de la santé globale, événement organisé par Sciences et Avenir – La Recherche le 25 novembre 2022, à Strasbourg. Exemple avec la radiomique, nouvelle discipline qui pourrait révolutionner le diagnostic des cancers.

Santé globale, le nouveau défi

Cette première édition des Rencontres du Grand Est aura lieu à Strasbourg le 25 novembre 2022. Cet événement organisé par Sciences et Avenir – La Recherche est gratuit, ouvert à tous ; l’inscription est obligatoire sur le site officiel www.lesrencontressanteglobale.fr. Cette inscription ouvre les portes du siège de la région Grand Est pour assister à ces Rencontres en « présentiel ». Elle donne aussi accès à la vidéo qui permettra d’assister à cet événement en direct depuis le web, pour qui n’a pas la possibilité d’être sur place le jour « J ».

Les buts

Automatiser les meilleurs diagnostics possibles des cancers pour le plus grand nombre, à partir de simples imageries, sans biopsie ni examen invasif. C’est l’incroyable promesse que porte la radiomique, discipline née dans les publications scientifiques en 2012 seulement – deux études cette année-là, 912 en 2019 et plus de 2200 en 2022. Depuis tout juste dix ans, cette technique d’imagerie médicale entraîne des algorithmes à révéler, dans de simples images, non seulement l’organisation et l’architecture des tissus, mais aussi leur composition cellulaire et moléculaire. Or, les tumeurs ne sont pas qu’une masse de cellules cancéreuses indifférenciées, mais des environnements complexes dont chaque caractéristique peut s’avérer pertinente pour choisir le traitement le plus adapté. L’hypothèse de départ de la radiomique est ainsi particulièrement adaptée au cancer, l’idée étant d’utiliser l’intelligence artificielle pour extraire d’une IRM, d’un scanner ou d’un PET scan des informations génétiques, protéiques, métaboliques, physiologiques et, bien sûr, anatomiques.

« Il existe beaucoup de preuves de concept, mais aucun outil de radiomique n’est encore utilisé en routine », rappelle Irène Buvat, directrice du Laboratoire d’imagerie translationnelle en oncologie à l’institut Curie, à Paris, qui interviendra à ce sujet lors des Rencontres du Grand Est le 25 novembre à Strasbourg (Bas-Rhin). « Nous manquons encore de recul pour garantir que les machines donneront des informations utiles au traitement quel que soit le cancer « , ajoute l’experte lauréate du prix Ruban Rose Avenir 2021 décerné aux chercheurs faisant avancer la lutte contre les cancers du sein.

Des algorithmes pour déterminer les caractéristiques des tumeurs

Reste que l’intelligence artificielle peut bel et bien être entraînée pour révéler dans des images numérisées des informations en apparence invisibles. Ainsi, deux algorithmes travaillant sur les lames d’anatomopathologie, ces échantillons de tumeurs prélevés lors d’une chirurgie ou d’une biopsie, viennent d’obtenir leur marquage CE, qui ouvre la voie de leur mise sur le marché en Europe. Au contraire de la radiomique qui travaille sur de l’imagerie médicale in vivo, prise sur le patient, ces deux algorithmes de la start-up franco-américaine Owkin analysent les échantillons de tumeurs pour déterminer leurs caractéristiques. En l’occurrence, le programme RlapsRisk BC est conçu pour prédire la probabilité pour une personne atteinte d’un cancer du sein précoce de rechuter après le traitement, permettant ainsi aux oncologues de déterminer quelles patientes à haut risque peuvent bénéficier de thérapies ciblées et quelles patientes à faible risque pourraient éviter la chimiothérapie.

Le second, MSIntuit CRC, repère sur un échantillon de tumeur colorectale un biomarqueur révélant un défaut dans la capacité des cellules à corriger les erreurs qui se produisent lorsque l’ADN est copié. Une information cruciale pour administrer le traitement avec le plus de chances de succès. Pour mettre au point ces deux outils, Owkin a collaboré avec l’institut Gustave-Roussy (Villejuif) qui a fourni des milliers de ces lames anatomopathologie numérisées ainsi que les données de patient correspondantes : réponse aux traitements, informations génétiques, cliniques, etc.

« Avec l’IA, un petit centre hospitalier traitant peu de cancers pourrait offrir un diagnostic aussi bon que ce qui se fait dans les meilleurs centres« 

« C’est le principe de l’apprentissage supervisé : on indique au programme des caractéristiques a priori non visuelles correspondant aux images qu’il analyse. De cette façon, il apprend à les interpréter au-delà de ce simple aspect visuel « , précise Irène Buvat. La différence entre l’analyse anatomopathologique sur des prélèvements de tumeur et la radiomique, c’est que la première n’est pas forcément représentative de l’ensemble du cancer puisqu’elle n’analyse qu’un échantillon. « L’avantage dans les deux cas n’est pas forcément de faire mieux que les meilleurs spécialistes, prévient Irène Buvat. S’ils font aussi bien, cela permettrait déjà de gommer les inégalités qui existent entre différents hôpitaux. Avec un tel outil, un petit centre hospitalier traitant peu de cancers dans l’année pourrait offrir un diagnostic aussi bon que ce qui se fait dans les meilleurs centres anticancer « , et donc de meilleures chances de survie. Par ailleurs, l’automatisation permise par ses programmes pourrait réduire les délais de prise en charge.

« Il est important d’insister sur le fait que l’IA n’est qu’un outil, qu’elle ne remplacera pas les médecins, contrairement à ce que certains confrères aiment parfois dire « , rappelle le Pr Bernard Nordlinger, qui dirige à l’Académie de médecine le groupe de travail « Intelligence artificielle et santé » et qui interviendra lui aussi à Strasbourg. « Mais les praticiens devront se former à son utilisation, des radiologues jusqu’aux médecins généralistes. La santé du futur sera prise en charge par des médecins augmentés en quelque sorte, mais pas des docteurs automatiques « , conclut-il.

D’ici là, il faudra mettre au point des systèmes d’évaluation des algorithmes eux-mêmes pour tenter de comprendre comment ils parviennent à leur conclusion. C’est en effet l’angle mort de l’IA, crucial dans le domaine du soin : si l’on sait à partir de quoi la machine a appris et les résultats qu’elle donne, le comment reste un mystère, souvent désigné « effet boîte noire » dans le domaine.

 

Lire aussi l’interview de M. Thomas Clozel : De la médecine aux algorithmes prédictifs

Formé en France et aux Etats-Unis, l’hématologue a cofondé la start-up Owkin, qui utilise l’intelligence artificielle pour trouver le traitement le mieux adapté à chaque patient.

A 15 ans, il se rêvait médecin chercheur avec un microscope. Vingt-cinq ans plus tard, l’hématologue Thomas Clozel a troqué sa blouse blanche de chef de clinique pour une tenue décontractée de start-upeur. Spécialisée en intelligence artificielle (IA), l’entreprise franco-américaine Owkin, qu’il a cofondée en 2016, est même devenue une « licorne » (valorisée à plus de 1 milliard d’euros) depuis que Sanofi a investi 159 millions d’euros dans son capital, en novembre 2021. « C’est juste une façon différente de faire ce que j’aime : de la recherche », assure celui qui, ces trois dernières années, a cosigné plusieurs articles scientifiques dans des revues cotées avec une kyrielle d’experts en oncologie issus du centre Léon-Bérard (Lyon), de l’institut Gustave-Roussy (Villejuif), de l’hôpital Henri-Mondor (Créteil), de l’Imperial College (Londres), etc.

Article réservé aux abonnés : Thomas Clozel, de la médecine aux algorithmes prédictifs
Publié sur Le Monde par Laure Belot le28 octobre 2022

Lire également : L’AP-HP et Owkin prolongent leur collaboration afin d’accélérer l’innovation en IA médicale
L’Assistance Publique-Hôpitaux de Paris (AP-HP), premier centre hospitalier universitaire d’Europe, et Owkin, licorne franco-américaine spécialisée en biotechnologie, annoncent une reconduction pour 5 ans de leur partenariat.
Publié sur ActuIA le 27 septembre 2024, par Pierre-yves Gerlat.

Intelligence artificielle et soins de santé : quatre défis à surmonter

Une présentation écrite par Craig Rhodes de la société NVidia :

Qu’il s’agisse de l’utilisation d’un chatbot pour aider à diagnostiquer des symptômes en télémédecine ou d’améliorer l’imagerie médicale et le suivi des patients, les professionnels de santé recourent de plus en plus au support de l’intelligence artificielle.

Mais alors que l’IA sort du seul cadre de la recherche et gagne du terrain dans les soins cliniques et la découverte de médicaments, il reste un certain nombre d’obstacles critiques qui détermineront le succès ou l’échec de son utilisation dans les soins de santé et les sciences de la vie.

Pour les surmonter, nous devons concevoir des solutions qui en tiennent compte – en veillant à ce que la souveraineté des données, l’éthique et la vie privée des patients soient prises en considération et respectées à chaque étape du processus. Par ailleurs, l’apparition de nouvelles techniques telles que les données synthétiques et l’apprentissage fédéré apportent des réponses à certaines de ces problématiques.

1 . Se concentrer sur l’éthique et la gouvernance

La réglementation européenne RGPD constitue un modèle pour l’IA appliquée au secteur de la santé mais il est nécessaire d’aller encore plus loin. Les systèmes d’IA ne peuvent être pensés comme des boîtes noires et les patients doivent impérativement être informés sur la façon dont leurs données sont stockées et utilisées.

La manière dont l’IA sera utilisée et la garantie que les données sur lesquelles elle a été entraînée reflètent bien la diversité de la population devront être prises en compte pour chaque cas d’utilisation de l’algorithme. De plus, il est primordial de s’assurer que ces algorithmes ont été entraînés et annotés avec précision, afin d’éviter les conclusions erronées et de garantir que le bon diagnostic est posé.

Cette approche est similaire au travail effectué pour les véhicules autonomes, qui consiste à s’assurer que les données d’entraînement sont correctes et garantir la sécurité des routes.

2. L’annotation des données

La disponibilité de données bien annotées, par des experts formés, est un obstacle supplémentaire. Des programmes tels que le London Medical Imaging Center et le AI Centre for Value Based Healthcare, PathLAKE, et l’Industrial Centre of Artificial Intelligence Research in Digital Diagnostics (iCAIRD), voient les volumes de données grimper en flèche, passant d’une poignée d’images à un million en l’espace d’un an.

Ce travail est en train de passer d’un grand exercice d’ingénierie technique à une tâche particulièrement laborieuse consistant à étiqueter rapidement les données cliniques en faisant preuve d’une grande précision. Ainsi, le même soin apporté dans le diagnostic d’un patient atteint d’un cancer, doit être apporté à l’annotation d’une image pathologique avant qu’elle ne soit intégrée à un algorithme dédié à la recherche de soins.

Face à l’augmentation des volumes de données, nous devons être en mesure de suivre le rythme de la conservation et de leur annotation afin de garantir leur pertinence et leur utilité. Par chance, nous assistons aujourd’hui au développement de techniques d’annotation semi-automatique, qui apportent une aide précieuse dans cette tâche.

3. Une adoption croissante de l’apprentissage fédéré

En plus de tirer parti de l’IA pour la collecte et l’analyse des données, les techniques d’apprentissage fédéré permettront d’améliorer le partage des données entre départements, établissements et entreprises tout en respectant la souveraineté des données et les réglementations en matière de confidentialité.

L’apprentissage fédéré est une technique de préservation de la confidentialité qui amène le modèle d’IA aux données locales, entraîne le modèle de manière distribuée et agrège tous les apprentissages en cours de route. De cette façon, aucune donnée n’est échangée ou ne quitte l’établissement de santé. Le seul échange qui se produit concerne les gradients du modèle.

Des programmes tels que le AI Center for Value Based Healthcare utilisent l’apprentissage fédéré pour construire des modèles d’IA plus robustes. Des partenariats publics et privés similaires peuvent s’appuyer sur une plateforme open-source pour garantir que les données restent privées et ne quittent pas l’établissement.

4. Créer des données synthétiques

Les données synthétiques offrent aux chercheurs la possibilité de créer des outils, des modèles et des tâches en simulant des données réelles, qui, n’étant pas associées à des patients, peuvent être facilement partagées entre les établissements de recherche tout en garantissant leur confidentialité.

Les données conservent les caractéristiques des dossiers médicaux sur lesquels elles ont été formées, mais ces dossiers générés par l’IA pourraient être utilisés pour compléter et équilibrer les ensembles de données afin de mieux représenter la population des patients et d’aider à éliminer les biais.

Par exemple, les instituts de recherche pourraient utiliser des données synthétiques pour créer des dossiers médicaux de patients diabétiques numériques présentant des caractéristiques similaires à celles d’une population réelle. Le King’s College de Londres s’efforce de générer des images cérébrales synthétiques via cette approche pour mieux comprendre l’évolution de maladies du cerveau comme la maladie d’Alzheimer, dans le but d’en améliorer le diagnostic et le traitement.

Afin de favoriser une large adoption de l’IA dans les soins de santé, une collaboration et une coordination entre les gouvernements, les industriels et les acteurs technologiques sont nécessaires pour relever tous ces défis et améliorer la précision des modèles, pour soutenir au mieux les professionnels de santé lors des diagnostics et décisions de traitement. Nous espérons que ces outils commenceront à accélérer le dépassement de ces défis, permettant à l’IA d’entrer dans le chemin clinique aussi rapidement que possible.

Article source : Intelligence artificielle et soins de santé : quatre défis à surmonter
Publié sur ActuIA le 28 octobre 2022

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