Découvertes médicales imprévues AI: un cas sain d’associations inhabituelles
L’intelligence artificielle (IA) peut faire beaucoup de choses incroyables dans l’espace médical, de l’automatisation du tri et des tâches administratives pour aider à promouvoir la santé mentale et l’analyse des images médicales. De plus, parfois, l’IA fait de curieuses découvertes médicales et détecte des choses qui – au mieux de nos connaissances humaines – ne devraient pas être détectables à partir de données d’entrée.
Ces associations inhabituelles sont de nouveaux défis pour les professionnels de la santé qui doivent mieux comprendre à quel point les algorithmes intelligents parviennent aux conclusions qui ont échappé aux gens depuis des décennies. Dans cet article, nous envisageons des exemples frappants de la recherche de connexion en IA qui resteraient autrement invisibles avec les experts humains. De telles observations mettent l’accent sur le potentiel de la technologie et comment nous continuerons de nous surprendre dans les années à venir.
Débiasing et accélération de l’affichage radiologique
Avec la plupart des instruments médicaux de l’IA approuvés par la FDA axés sur l’utilisation radiologique, il n’est pas surprenant que cette technologie ait trouvé une association inhabituelle dans ce domaine.
Dans une étude intéressante, les scientifiques ont montré que les algorithmes d’apprentissage en profondeur peuvent prédire les images radiologiques que la race signalée des patients. Il s’agit d’une procédure que même les médecins les plus compliqués ne peuvent pas faire, et il n’est pas clair comment le modèle a fait. De telles connaissances peuvent avoir des utilisations pratiques car elles aident à faire face à des préjugés par leurs propres dossiers médicaux.
Chez UMass Memorial Health, au moins 40 outils d’IA aident aux flux de travail cliniques, traitant des tâches telles que la réalisation des résultats critiques des patients et l’aide de facturation. Ils aident également à améliorer la qualité des images radiologiques. Il était associé aux patients qui passent moins de temps dans des machines IRM. Le processus de scan est donc plus toléré et les patients se sentent moins anxieux.
“L’IRM est longue, désagréable et bruyante, mais ils sont vraiment précieux pour les décisions médicales”, a déclaré le Dr Elisabeth Garwood de UMass Memorial Health. “Les algorithmes d’accélération rendent notre IRM à 25% plus rapidement, et une expérience vraiment piratée du patient qu’ils sont dans l’IRM pendant une période plus courte.”
Amélioration des diagnostics avec des photos, des enregistrements vocaux et une numérisation d’haleine
La santé numérique et les données numériques sont obtenues sur le marché de la santé numérique qui donnent un aperçu de la santé, de la popularité de l’individu, mais il semble que l’IA semble dériver des connaissances de ses propres sources inhabituelles.
Les scientifiques ont formé un modèle d’analyse des enregistrements vocaux de 10 secondes pour diagnostiquer le diabète 2. Type basé sur certaines caractéristiques acoustiques. Bien qu’il n’ait pas montré les performances idéales, le modèle a apporté des résultats prometteurs qui étaient meilleurs que les chances d’identifier correctement les individus diabétiques. Cette évolution rend la possibilité de détecter les niveaux de glucose dans le smartphone assez crédibles.
Le Dr Jude Kong, dirigé par le Consortium de l’innovation AI & Data Innovation Africa-Canada AI et Global South IA pour un réseau de préparation et de réponse à la pandémie et à l’épidémie, coopère avec les gouvernements sur l’emploi de l’IA pour un diagnostic pratique par des moyens non conventionnels.
Par exemple, un modèle déployé en Éthiopie peut aider à déterminer si la paralysie du patient montre la paralysie basée sur la photo. Au Pérou, ils ont créé ensemble un analyseur respiratoire qui utilise la technologie de l’IA pour aider à diagnostiquer les maladies respiratoires.
Les scientifiques de Google ont également utilisé l’IA pour détecter les risques pour la santé des images. En particulier, ils ont formé des modèles d’apprentissage en profondeur pour identifier les symptômes indiquant des risques cardiovasculaires à long terme des images de la rétine.
Traditionnellement, afin d’évaluer ces risques, les médecins doivent regarder manuellement la rétine, effectuer des tests sanguins et considérer d’autres facteurs tels que l’âge et l’IMC. L’IA impressionnante a appris ce qu’il faut rechercher uniquement dans les images de la rétine après avoir suivi une quantité suffisante de données pour identifier les formules trouvées dans les yeux des personnes en voie de disparition.
Une telle technologie peut s’avérer être la vie de sauvetage, en particulier en ce qui concerne le fait qu’environ 17 millions de personnes meurent chaque année des maladies cardiovasculaires. Il peut aider les médecins et même les patients à effectuer un test de dépistage rapide et à évaluer leur risque et à prendre des mesures préventives ultérieures.
Amélioration des soins psychiatriques à l’aide d’ondes cérébrales, de détection et d’évaluation de l’Alzheimer précoce de la récupération du coma
Les soins psychiatriques sont dus à l’aide de l’IA. Aussi surprenant que cela puisse paraître, le choix du traitement antidépresseur est généralement basé sur l’expérience et les erreurs. C’est pourquoi seulement 30% des patients réagissent bien au premier antidépresseur prescrit, mais l’apport d’IA peut fournir une méthode plus efficace.
En étudiant les ondes cérébrales de patients, les scientifiques ont utilisé l’algorithme d’apprentissage automatique pour identifier le meilleur antidépresseur: dans ce cas Sertalin. Leurs résultats ont montré que 65% des patients présentant un schéma cérébral particulier ont indiqué une forte réponse à la sertraline. L’un des scientifiques a suggéré que cette méthode est “bien meilleure” que de s’appuyer sur des facteurs cliniques tels que certains symptômes, pour essayer de deviner si le médicament aura un effet bénéfique sur les patients.
Pour une condition telle que la maladie d’Alzheimer, les patients sont couramment diagnostiqués après les symptômes. Ils peuvent être très affaiblis, comme la perte de mémoire, la personnalité et les changements de dépression. L’équipe de recherche de l’Université de Californie à San Francisco a formé un algorithme pour rechercher les signes indicatifs de la maladie d’Alzheimer sous un angle différent.
Les scientifiques ont formé un algorithme profond de balayage FDG-PET, une méthode utilisée pour étudier l’activité métabolique des cellules cérébrales. Cela a appris l’IA à reconnaître les schémas métaboliques associés à la maladie d’Alzheimer. Dans les tests d’IA ultérieurs, elle a détecté un état avec une sensibilité à 100%, en moyenne plus de six ans avant le diagnostic final!
Être dans le coma ou un état végétatif peut être l’un des problèmes de santé les plus imposés par éthique. Sur la base des recommandations des médecins, les proches de ces patients peuvent décider de mettre fin à la fin de la vie. C’est un problème très discutable que la décision prolongera: la vie ou la souffrance du patient et en même temps des parents et du système de soins de santé. Dans ces cas, cependant, l’IA peut prendre une décision plus éclairée et prédire correctement si l’on retrouvera conscience même après la fermeture du médecin improbable.
Un tel système d’IA a été développé par l’Académie chinoise des sciences et l’hôpital général de l’APL à Pékin. Leur algorithme aurait atteint une précision d’environ 90% pour l’évaluation pronostique. Le logiciel analyse la numérisation cérébrale pour reconsidérer la décision du médecin. Dans au moins 7 cas où les médecins étaient sûrs que les patients ne retrouveraient pas la conscience, l’IA les contredit et ces patients se sont réellement réveillés dans les 12 mois suivant la numérisation du cerveau. “Notre machine peut” voir “des choses invisibles aux yeux humains”, Dr Song Ming, premier auteur de l’étude.
En effet, les patients sont évalués en balayant un cerveau avec une affichage fonctionnel de l’imagerie par résonance magnétique et il peut être difficile de détecter pour les médecins en développement rapide des activités nerveuses. D’un autre côté, l’algorithme d’apprentissage automatique peut détecter de petits changements indiquant une récupération continue. Cela pourrait aider les médecins et les parents à prendre une décision plus éclairée en termes de tels patients.
Au moyen de l’identification et du traitement des maladies rares
Si la maladie est rare, son identification et son traitement représentent un défi. Environ un demi-million d’enfants naissent chaque année avec une maladie héréditaire rare dans le monde. Cependant, bon nombre de ces cas sont des caractéristiques physiques spécifiques qui peuvent aider à les identifier. Les médecins pouvaient les manquer en raison du fait qu’ils n’avaient jamais vu de tels cas. De plus, les options de traitement sont souvent mal comprises en raison de la rareté de ces cas. Mais rien n’échappera à l’œil prudent de l’IA.
Les scientifiques de l’Université de Pennsylvanie ont utilisé l’outil prédictif de l’IA pour identifier un médicament approprié pour sauver la vie d’un patient atteint d’une maladie de Castleman multicentrique idiopathique (IMCD). Cette condition rare se caractérise par une mauvaise survie et un manque de traitement.
Cependant, après avoir analysé des milliers de médicaments existants, le système d’IA a prédit qu’un anticorps monoclonal approuvé par la FDA utilisé pour traiter d’autres conditions fonctionnerait probablement pour l’IMCD; Et c’était. Le patient a maintenant été près de deux ans de rémission, et cette approche pourrait également s’appliquer à d’autres maladies rares.
Des scientifiques basés en Allemagne ont développé et formé un algorithme qui aide à identifier les maladies causées par le changement d’un seul gène. Il s’agit notamment de conditions telles que la mucopolysaccharridose, le syndrome de Mabry et le syndrome de Kabuki, où les personnes touchées ont des caractéristiques faciales caractéristiques.
Les scientifiques ont formé le réseau neuronal en profondeur avec 30 000 photographies de portraits de ceux qui ont des conditions aussi rares. “En combinaison avec l’analyse du visage, il est possible de filtrer les facteurs génétiques décisifs et de préférer les gènes”, a déclaré le professeur. Krawitz, qui a travaillé sur cette étude. “La fusion des données dans un réseau neuronal réduit le temps d’analyse des données et conduit à un diagnostic plus élevé.”
Leurs résultats ont montré qu’avec l’aide de l’IA, l’identification des maladies rares était beaucoup plus précise. L’utilisation de cette technique pourrait rapidement surveiller l’identification et le traitement des affectés dès le début.
Synchronisation des salles chirurgicales
Bien qu’il existe un avenir technologique prometteur de la chirurgie, l’accent est principalement mis sur l’aide de chirurgiens au lieu de toute l’équipe chirurgicale à travailler dans les coulisses. Pour augmenter la coopération et la synchronicité des équipes chirurgicales, la startup Exex a développé une plate-forme d’IA dédiée. Il utilise le casque Apple Vision Pro pour améliorer la communication, la clarté et l’orientation dans l’appartement chirurgical.
Leur produit combine un modèle de langue avec un modèle de vision par ordinateur qui aide les équipes chirurgicales à répondre aux questions pendant la procédure et à les aider à naviguer dans la salle.
“L’application exécutée sur le casque est pleine de conscience spatiale en temps réel et comprend exactement où est l’utilisateur, et sait même ce que l’utilisateur regarde”, a expliqué Nicholas Cambata, COO Exex. Par exemple, un assistant chirurgical pourrait créer un plateau avant la procédure et demander un chèque de l’IA. L’outil peut identifier tout appareil manquant et les utilisateurs de leader à l’emplacement exact dans la pièce.
Système de points pour évaluer le besoin d’hospitalisation
Il s’agissait d’une condition préalable à un projet pilote de Bering Research et GPS sur la chirurgie d’Axbridge à Aglowet, en Angleterre. Un algorithme a été déployé qui prédit quels patients pourraient être nécessaires pour accepter à l’hôpital et aider les médecins généralistes à travailler sur la réduction des risques.
L’IA alloue des points sur la base d’une échelle en pourcentage en fonction des conditions de santé de base et des facteurs contributifs tels que l’augmentation de la pression artérielle ou le tabagisme. Plus les points sont élevés, plus le patient sera probable que le patient aura besoin d’une hospitalisation.
L’objectif est d’intervenir un GPS plus tôt, de faire des prédictions précises de l’admission à l’hôpital et d’aider les hôpitaux à planifier leurs ressources.
Bien que ces associations inhabituelles donnent un éclair d’espoir à des millions de patients dans le monde, nous devons faire attention à la façon dont nous prenons ce rapport. Les expériences effectuées doivent être vérifiées et répétées à plus grande échelle, tout en considérant d’autres facteurs contributifs tels que la comorbidité.
Il montre cependant que l’intelligence artificielle peut devenir une partie intégrante non seulement du traitement des patients, mais aussi de l’identification des risques et de la prise de mesures préventives auxquelles nous n’avons jamais pensé auparavant.
Le poste d’IA est des découvertes médicales imprévues: un cas curieux d’associations inhabituelles est apparue pour la première fois sur un futuriste médical.
