The Fort Worth Press - L'IA, meilleure que les médecins pour prédire les complications médicales

USD -
AED 3.672495
AFN 65.523004
ALL 80.67799
AMD 366.015789
AOA 917.000188
ARS 1498.39452
AUD 1.417224
AWG 1.8
AZN 1.696617
BAM 1.693927
BBD 2.01578
BDT 123.66241
BHD 0.37746
BIF 2989.511247
BMD 1
BND 1.280737
BOB 11.909804
BRL 5.107995
BSD 1.000788
BTN 95.326229
BWP 13.483
BYN 2.975429
BYR 19600
BZD 2.012836
CAD 1.393145
CDF 2270.502545
CHF 0.810425
CLF 0.023253
CLP 915.169949
CNY 6.747605
CNH 6.74632
COP 3135.82
CRC 454.372228
CUC 1
CUP 26.5
CVE 95.50102
CZK 21.022042
DJF 178.218336
DKK 6.47746
DOP 58.351233
DZD 132.769228
EGP 49.953199
ERN 15
ETB 161.835245
EUR 0.86645
FJD 2.2115
FKP 0.741752
GBP 0.739985
GEL 2.609768
GGP 0.741752
GHS 11.749575
GIP 0.741752
GMD 73.479364
GNF 8789.343311
GTQ 7.636312
GYD 209.597305
HKD 7.84629
HNL 26.827536
HRK 6.528401
HTG 130.862572
HUF 316.117005
IDR 17833.45
ILS 3.0016
IMP 0.741752
INR 95.405503
IQD 1311.10909
IRR 1374725.000309
ISK 123.209953
JEP 0.741752
JMD 158.943667
JOD 0.708988
JPY 159.204499
KES 129.399815
KGS 87.450246
KHR 4057.787748
KMF 426.000121
KRW 1414.939994
KWD 0.30894
KYD 0.834059
KZT 466.596512
LAK 22602.730828
LBP 89623.502715
LKR 335.424976
LRD 180.637171
LSL 16.19373
LTL 2.95274
LVL 0.60489
LYD 6.377994
MAD 9.332883
MDL 17.394053
MGA 4286.462867
MKD 53.287083
MMK 2099.549591
MNT 3594.253507
MOP 8.087684
MRU 40.143431
MUR 47.040446
MVR 15.449994
MWK 1735.458809
MXN 17.141203
MYR 4.090899
MZN 63.905015
NAD 16.19373
NGN 1361.220258
NIO 36.827564
NOK 9.49153
NPR 152.5317
NZD 1.698295
OMR 0.384501
PAB 1.000784
PEN 3.380579
PGK 4.425005
PHP 61.115972
PKR 277.852831
PLN 3.729155
PYG 5957.092994
QAR 3.648379
RON 4.5416
RSD 101.721972
RUB 82.500043
RWF 1470.257068
SAR 3.745256
SBD 8.065696
SCR 13.839796
SDG 600.495715
SEK 9.493101
SGD 1.280315
SLE 24.600541
SOS 571.992794
SRD 37.750501
STD 20697.981008
STN 21.219929
SVC 8.757183
SZL 16.191029
THB 33.101995
TJS 9.242228
TMT 3.51
TND 2.933756
TRY 47.737299
TTD 6.788528
TWD 32.245994
TZS 2645.038029
UAH 44.895264
UGX 3727.714047
UYU 40.316993
UZS 11941.84974
VES 755.762403
VND 26137
VUV 119.366412
WST 2.733717
XAF 568.142114
XAG 0.0154
XAU 0.000228
XCD 2.70255
XCG 1.803749
XDR 0.706586
XOF 568.129812
XPF 103.29163
YER 238.397564
ZAR 16.201202
ZMK 9001.200716
ZMW 18.720065
ZWL 321.999592
  • AEX

    3.2300

    1116.47

    +0.29%

  • BEL20

    -11.5400

    5756.4

    -0.2%

  • PX1

    2.6200

    8729.06

    +0.03%

  • ISEQ

    -139.9300

    14138.56

    -0.98%

  • OSEBX

    15.3000

    2055.83

    +0.75%

  • PSI20

    45.7700

    9200.77

    +0.5%

  • ENTEC

    -5.8300

    1416.23

    -0.41%

  • BIOTK

    -4.8300

    4388.06

    -0.11%

  • N150

    9.0600

    4324.6

    +0.21%

L'IA, meilleure que les médecins pour prédire les complications médicales
L'IA, meilleure que les médecins pour prédire les complications médicales / Photo: © AFP/Archives

L'IA, meilleure que les médecins pour prédire les complications médicales

L'intelligence artificielle a déjà prouvé qu'elle pouvait être utile pour analyser de l'imagerie médicale, et elle a même montré qu'elle pouvait passer avec succès les examens d'étudiants en médecine.

Taille du texte:

C'est à présent au tour d'un nouvel outil fondé sur l'IA de démontrer sa capacité à lire les bilans dressés par les médecins et à anticiper avec précision les risques de décès, de réadmission à l'hôpital et autres complications possibles.

Créé par une équipe de la faculté de médecine de Langone de New York, la Grossman School of Medicine, le logiciel est aujourd'hui testé dans plusieurs hôpitaux partenaires de l'université, dans l'objectif d'en faire à l'avenir une pratique courante dans le milieu médical.

Une étude sur son possible intérêt a été publiée mercredi dans la revue scientifique Nature.

Son principal auteur, Eric Oermann, neurochirurgien et ingénieur en informatique de la faculté de médecine de New York, explique que si des modèles prédictifs non fondés sur l'IA existent depuis un bon moment, ils sont peu utilisés en pratique car ils requièrent un lourd travail de saisie et de formatage des données.

Mais il y a "une chose qui est commune à la médecine partout, c'est que les médecins prennent des notes sur ce qu'ils voient, ce dont ils parlent avec les patients", relève-t-il dans un entretien à l'AFP.

"Donc notre idée de base était de savoir si on pouvait partir des notes médicales comme d'une source de données, et construire des modèles prédictifs à partir de ces dernières", poursuit-il.

Le modèle prédictif élaboré, nommé NYUTron, a été formé à partir de millions d'observations médicales issues des dossiers de 387.000 patients pris en charge entre janvier 2011 et mai 2020 dans les hôpitaux affiliés à l'université new-yorkaise.

Ces observations comprenaient les rapports écrits des médecins, les notes sur l'évolution de l'état des patients, les radios et l'imagerie médicale, ou encore les recommandations remises aux patients à leur sortie de l'hôpital, le tout formant un corpus de 4,1 milliards de mots.

L'un des principaux défis pour le logiciel était de réussir à interpréter le langage employé par les médecins, qui varie grandement selon les professionnels, notamment dans les abréviations utilisées.

Ils ont aussi testé l'outil en conditions réelles, en l'entraînant notamment à analyser des rapports issus d'un hôpital à Manhattan puis en comparant les résultats à ceux d'un hôpital de Brooklyn, à la patientèle différente.

En se penchant sur ce qu'il est advenu des patients, les chercheurs ont réussi à mesurer le nombre de fois où les prédictions du logiciel se sont révélées exactes.

- Pas un substitut -

Conclusion troublante, le logiciel NYUTron a identifié 95% des patients qui sont décédés dans les hôpitaux partenaires avant une autorisation de sortie, et 80% de ceux qui ont été réadmis moins d'un mois après leur sortie.

Des résultats qui ont dépassé les prédictions de la plupart des médecins, tout comme celles des modèles informatiques non fondés sur l'IA actuellement utilisés.

Mais, à la surprise de tous, un docteur très expérimenté, très respecté dans le milieu médical, a donné des prévisions "encore meilleures que celle du logiciel", a précisé Eric Oermann.

Le logiciel a aussi prédit avec succès à 79% la durée d'hospitalisation des patients, à 87% les cas dans lesquels les patients se voyaient refuser un remboursement des soins par leur assurance, et à 89% les cas dans lesquels le patient souffrait de pathologies additionnelles.

L'intelligence artificielle ne remplacera jamais la relation patient-médecin, assure le docteur Oermann. Mais elle pourra permettre "de fournir plus d'informations (...) aux médecins pour leur permettre de prendre des décisions éclairées".

T.Dixon--TFWP