Yahoo Actualités Santé Globale : les futurs défis de l'intelligence artificielle en médecine
L'utilisation de l'intelligence artificielle en santé est potentiellement révolutionnaire. Mais le domaine a aussi son lot de défis à relever. Une thématique abordée lors de la conférence "Numérique, intelligence artificielle, médecins et patients" de la conférence Santé Globale à Strasbourg.
Le numérique à l'hôpital avance à grands pas. Certains algorithmes y sont déjà capables de mieux diagnostiquer un cancer du poumon ou analyser une mammographie qu'un médecin. Cette technologie promet d'immenses avancées dans le futur, à condition de relever certains défis. Plusieurs acteurs et analystes du domaine, réunis lors de la table ronde "Numérique, intelligence artificielle, médecins et patients" de la conférence Santé Globale à Strasbourg, analysent les futurs challenges que le monde de la tech et le monde de la santé devront relever main dans la main.
Des données, oui, mais de qualité
"Pour avoir une bonne intelligence artificielle, il faut qu'elle fonctionne avec un bon algorithme. Et un bon algorithme se construit avec de bonnes données", explique Bernard Nordlinger, membre de l'Académie nationale de médecine et spécialiste de l'intelligence artificielle en santé. Les données de santé, récoltées par les hôpitaux et les structures de santé, doivent être calibrées, pertinentes et "nettoyées" de tout détail parasite qui perturberait leur interprétation. "On se souvient de l'intelligence artificielle Watson, créée par IBM, qui avait beaucoup déçu, notamment parce que les données de santé utilisées n'étaient pas idéales."
Les scientifiques ayant travaillé avec ce programme avaient expliqué avoir eu beaucoup de mal à comprendre les dossiers médicaux des patients : acronymes à détailler, erreurs à corriger, phrases abrégées. Chaque information doit d'abord être mise en forme pour être correctement analysée par le système. "Le problème a été le même lors de la crise du Covid-19. L'intelligence artificielle n'a pas su trouver sa place car les données générées à ce moment-là n'étaient pas d'une grande qualité", regrette le spécialiste. A contrario, lorsque les données sont précises et bien formulées, elles peuvent même avoir leur place dans un essai clinique. Il existe aujourd'hui des groupes de contrôle, c'est-à-dire le bras d'une étude clinique qui ne prend pas [...]
Lire la suite sur sciencesetavenir.fr
