Intelligence artificielle, imagerie médicale et automatisation des flux de travail

Au cours de la dernière décennie, l’une des technologies les plus populaires en informatique a dû être l’intelligence artificielle.

L’analyse comportementale en ligne, les prévisions basées sur de grandes données, la météorologie, les voitures autonomes ou la reconnaissance vocale reposent tous sur des technologies qui emploient, à un certain degré, l’intelligence artificielle. Mais qu’est-ce donc exactement cette ‘intelligence artificielle’? À quel point est-elle réellement intelligente ? Et enfin, devrions-nous la craindre ?

Alors qu’est-ce que l’intelligence artificielle ?

Traditionnellement, lorsqu’un développeur écrit un morceau de code, par exemple, disons une application Java, il effectue généralement un ensemble de calculs ou fournit une fonctionnalité, et la manière dont il le fait est très minutieusement décrite dans la programmation qui finit par le faire fonctionner. L’efficacité avec laquelle l’application fonctionnera dépend des ressources qu’elle a à sa disposition, mais deux applications identiques hébergées sur deux serveurs identiques fonctionneront toujours de la même manière et cela ne changera pas avec le temps tant que les ressources sous-jacentes restent également constantes.

Voici la partie intéressante avec l’intelligence artificielle (nous l’appellerons IA pour faire court) – plus vous lui fournissez de données, mieux elle s’améliore avec le temps pour résoudre la tâche initiale qui lui a été assignée.

Quand sera-t-elle plus intelligente que les humains ?

Probablement jamais. Pas sous cette forme en tout cas. Par exemple, disons que vous avez un algorithme qui doit identifier des lampadaires à des carrefours. Au départ, vous devrez lui fournir toutes sortes d’images avec des lampadaires étiquetés clairement ‘lampadaire’ ou ‘pas de lampadaire’, que l’algorithme utilisera pour ‘apprendre’ à quoi ressemble réellement un lampadaire et comment il se positionne à des carrefours, comment il se distingue des arbres ou d’autres objets en arrière-plan, et ainsi de suite.

Lorsque cette quantité d’images devient suffisamment importante et que l’algorithme a vu des dizaines ou peut-être des centaines de milliers d’images étiquetées avec des lampadaires, il sera capable d’inverser le processus et donc, étant donné des photos non étiquetées de toutes sortes de routes, il sera capable de détecter quels carrefours ont des lampadaires et lesquels n’en ont pas. La capacité à ‘évoluer’ ou à devenir plus efficace au fil du temps dans la tâche à accomplir en recevant une quantité suffisante de données pour ‘apprendre’ est ce qui a conduit à ce que ce type de technologie soit qualifié d’ ‘intelligent’.

Bien sûr, après un certain temps, il sera plus efficient pour identifier les lampadaires aux carrefours que vous et moi, mais cela ne signifie pas qu’il sera plus intelligent que n’importe lequel d’entre nous de sitôt.

Le jugement dernier est-il une vraie menace ?

Eh bien, pas exactement. Tout d’abord, l’IA est utilisée pour résoudre des problèmes pour lesquels elle a été initialement entraînée. Cela signifie avoir des données initiales qui nécessitent un étiquetage de qualité (‘lampadaire’ ou ‘pas de lampadaire’, n’est-ce pas ?) et ensuite les renvoyer à l’algorithme. Ainsi, en fin de compte, l’algorithme sera juste capable d’identifier des lampadaires, mais c’est à peu près tout.

Vous avez probablement entendu parler de l’‘apprentissage automatique’, mais cela a juste un son plus effrayant ; c’est essentiellement la même chose – c’est juste un morceau de logiciel qui est bon pour identifier des motifs de toutes sortes. Il reste encore beaucoup à faire avant que l’intelligence artificielle puisse devenir une menace pour l’humanité, si cela arrive un jour.

Certaines des plus grandes esprits et entrepreneurs du monde ont déjà réfléchi au sujet et ont même écrit une lettre ouverte qui avertit des dangers auxquels nous pourrions être confrontés, mais à ce stade, il n’y a vraiment pas besoin de s’inquiéter. https://futureoflife.org/ai-open-letter

Automatisation du workflow des radiologistes utilisant l’intelligence artificielle

Vous vous souvenez comment l’intelligence artificielle était excellente pour identifier des motifs dans des images ? Cette technologie est utilisée dans les voitures autonomes, les logiciels qui permettent la reconnaissance faciale ou les applications pour smartphones qui identifient avec précision des objets dans des photos. Chez Medicai, nous utilisons le logiciel d’une manière très similaire, nous l’utilisons pour identifier des motifs dans des IRM, des CT ou des PET-CT. Par exemple, l’une des façons dont nos chercheurs utilisent cette technologie est pour la segmentation d’organes (ou pour distinguer les organes individuels de l’arrière-plan ou du premier plan).

Imaginez que vous avez une poitrine MRI et que vous devez suivre l’évolution de ce qui semble être une tumeur. Ce dont vous avez besoin, c’est d’un radiologiste qui analyse manuellement le test d’IRM et essaie de distinguer la tumeur des éléments de fond et de premier plan. Ensuite, il aurait besoin d’un moyen efficace de calculer son volume afin d’avoir un point de départ pour suivre son évolution. Et pour ce faire, il devrait passer par tout ce processus une fois de plus avec un test d’IRM de suivi où il devrait répéter toutes ces tâches pour la comparaison. Voici où la technologie entre en jeu – nous avons développé un algorithme qui analyse les IRM et est automatiquement capable de segmenter les organes (ou de les distinguer de l’arrière-plan) et même de calculer leur volume.

L’automatisation de cette partie du workflow des radiologistes a un énorme impact sur le bien-être des patients – les radiologistes n’ont plus besoin de perdre du temps à effectuer ces tâches manuellement et disposent d’un moyen beaucoup plus précis de comparer l’évolution des tissus à portée de main. Il suffit de récupérer les nouveaux tests, d’exécuter le logiciel et de voir la différence entre les volumes. Cela signifie plus de temps pour les patients et une efficacité là où cela compte vraiment – en fournissant aux patients le meilleur traitement possible.