Les cas d’usage de l’intelligence artificielle en santé

L’IA est utilisée pour concevoir un système d’alerte précoce de la septicémie, un empoisonnement du sang qui peut survenir à la suite d’une infection. Des chercheurs recueillent actuellement 44 000 jours de données dans les dossiers médicaux électroniques de près de 8000 patients pour créer un modèle informatique. À terme, il serait possible de détecter une septicémie plusieurs heures avant qu’elle ne se produise, ce qui réduirait le risque de mortalité de 20 %.

On utilise l’intelligence artificielle et la modélisation pour identifier et surveiller en temps réel l’apparition et l’évolution de variants de la COVID-19. Un modèle développé à cette fin, nommé EWS, peut également prédire le potentiel infectieux des variants.

Au cours des tests réalisés, EWS a démontré sa capacité à identifier plus de 90 % des variants désignés comme préoccupants par l’Organisation mondiale de la santé, et ce, deux mois avant leur signalement dans la communauté.

La pandémie de COVID-19 a stimulé le développement de modèles d’apprentissage automatique et de modèles statistiques capables de prédire l’apparition de nouveaux virus, c’est-à-dire d’identifier les espèces animales qui représentent des hôtes potentiels de nouveaux virus pouvant être transmis à l’humain.

Comme l’échantillonnage d’animaux sur le terrain pour vérifier s’ils sont des réservoirs de virus s’avère coûteux, des chercheurs veulent utiliser les algorithmes et l’IA afin de déterminer les endroits et les espèces à analyser de façon prioritaire. Un projet teste présentement l’association hôte-virus chez les chauves-souris du monde entier.

Un algorithme a été développé pour cibler les principaux facteurs prédictifs du risque suicidaire. Une méthode d’apprentissage automatique a ensuite « fait le ménage » parmi 70 facteurs potentiels pour conclure que 4 d’entre eux permettent de dépister environ 80 % des comportements suicidaires : les pensées suicidaires, l’anxiété, les syndromes dépressifs et l’estime de soi. Ce projet ouvre la porte au dépistage et à la prise en charge plus rapides et efficaces des étudiants jugés à risque de suicide. La population étudiante présente un risque de suicide particulièrement élevé à cause de l’anxiété de performance, du passage à la vie adulte et de la charge de travail qui augmente sans cesse. La pandémie est venue exacerber ce risque en raison de l’isolement qu’elle a provoqué.

Le projet PsyCARE vise à améliorer la détection et l’intervention précoces pour la psychose, qui touche 3 % de la population au moins une fois dans sa vie. En effet, si la première psychose n’est pas traitée, elle peut évoluer vers un trouble psychologique persistant.

Les chercheurs basent leurs systèmes sur des biomarqueurs qui serviront au diagnostic et à la détection du stade de la maladie. L’IA analysera toutes les données (biomarqueurs, images médicales, symptômes) et identifiera les signes précurseurs de la psychose. Une fois terminé, le projet prendra aussi la forme d’une application mobile pour que les professionnels de la santé et leurs patients puissent échanger et personnaliser les thérapies.

Il est possible de prédire les crises d’épilepsie en surveillant l’activité électrique du cerveau grâce à des électrodes placées sur la tête ou dans la boîte crânienne. Plus récemment, des chercheurs travaillent sur un concept moins invasif : des capteurs miniatures installés dans des vêtements. Ceux-ci enregistrent continuellement le rythme cardiaque, la respiration et les mouvements du corps, qui changent à l’approche d’une crise épileptique. Les données sont ensuite analysées par des algorithmes et des techniques d’intelligence artificielle pour annoncer la crise avant qu’elle ne se produise. Les gens pourraient ainsi avertir un proche ou leur équipe médicale et auraient le temps de s’installer dans un endroit sûr pour éviter les chutes.

L’épilepsie touche près de 1 % de la population mondiale, ce qui en fait l’une des maladies neurologiques les plus fréquentes. Malgré les avancées dans les traitements, un tiers des patients continuent d’avoir des crises invalidantes et potentiellement mortelles.

Le logiciel SUOG vise à améliorer la qualité des examens échographiques de grossesse. Ces examens présentent une complexité croissante et il manque d’experts pour en interpréter les résultats. Le système assiste les professionnels de la santé en présence de caractéristiques inhabituelles d’échographie. Les images échographiques archivées dans une banque de données permettent au système de les comparer aux images présentant des anomalies pour proposer des avis intelligents qui sont validés par des experts. Ces conclusions validées aident la prise de décisions du médecin afin qu’il pose le bon geste.

L’ostéoporose est une maladie silencieuse des os qui se déclare souvent quand survient une fracture. Le système Epifractal permettra la détection de l’ostéoporose en identifiant les patients à risque élevé de fractures liées à cette maladie, dans le but de les suivre de façon personnalisée. Ceci est rendu possible grâce à l’analyse de milliers de comptes rendus médicaux et de données cliniques par des algorithmes de détection automatique.

Une technologie toujours en développement pourrait aider les personnes atteintes d’une maladie rénale chronique à mieux gérer leur maladie de façon à ce qu’elle ne progresse pas vers une insuffisance rénale.

À l’aide d’une montre connectée (p. ex. Fitbit) et d’un tensiomètre compatible Bluetooth, une personne enregistre de façon continue ses principaux signes vitaux (pression artérielle, fréquence cardiaque) et ses activités (sommeil, exercice). Ensuite, ces données sont traitées par une application conviviale installée dans le téléphone mobile de la personne. Cette application propose notamment des conseils personnalisés relatifs à l’alimentation et à l’activité physique, et fait des rappels de la médication à prendre.

Les données sont également partagées avec un professionnel de la santé (p. ex. un médecin de famille) qui peut les visualiser dans un portail Web et envoyer au besoin des messages à la personne par le biais de l’application.

Des recherches en IA ont aussi pour but d’arriver à mieux analyser les données des patients afin de trouver des corrélations qui pourraient permettre de mieux comprendre la maladie et ainsi de faire de meilleures recommandations aux patients.

L’arythmie cardiaque est une anomalie de la fréquence cardiaque qui peut, dans certains cas, provoquer une crise cardiaque. Des chercheurs ont conçu un algorithme intelligent qui évalue les cicatrices du tissu cardiaque afin d’identifier les patients les plus à risque d’avoir une crise cardiaque au cours des 10 prochaines années. Par l’apprentissage profond et les réseaux de neurones, l’IA peut analyser les images de cœurs malades, les antécédents des patients et leurs cicatrices cardiaques.

Plusieurs chercheurs tentent d’automatiser l’interprétation de radiographies ou d’images médicales tirées de l’imagerie par résonance magnétique. Une société de logiciels d’IA spécialisés en neuro-oncologie propose une technologie capable d’extraire des anomalies dans les images par résonance magnétique afin de détecter les lésions du cerveau, qui échappent souvent aux professionnels de la santé. En cancérologie, l’automatisation de l’interprétation des radiographies (abdominales ou pelviennes) et des mammographies permet de poser des diagnostics plus précis pour mieux établir les traitements de radiothérapie.

Une équipe de chercheurs québécois a recours à l’intelligence artificielle pour concevoir des outils d’évaluation de l’arthrose du genou, une maladie qui affecte 13 % de la population canadienne selon l’Agence de la santé publique du Canada. L’outil de mesure aidera aussi les cliniciens à évaluer les risques de progression de la maladie. Les chercheurs utilisent des outils basés sur des méthodes en intelligence artificielle pour conduire leurs travaux. Ils classifient et analysent des données biomédicales pour mettre au point un système d’aide à la prise de décision clinique.

Grâce à l’analyse des yeux par l’IA, il est possible de dépister des commotions cérébrales, des maladies neurologiques ou ophtalmologiques ou encore des problèmes cardiaques.

Par exemple, un algorithme d’apprentissage profond parvient à dépister avec 98,5 % de précision la rétinopathie diabétique à partir d’une banque d’images de rétines de 225 000 patients dans 16 pays. Cette pathologie se caractérise par la détérioration des petits vaisseaux sanguins dans la rétine, provoquant une altération du champ visuel chez les personnes vivant avec le diabète.

D’autres chercheurs utilisent des balayages (scans) rétiniens pour prédire les infarctus du myocarde (crises cardiaques) 12 mois avant qu’ils ne se produisent. Le balayage rétinien est un examen très rapide qui utilise une source lumineuse de faible intensité et un capteur pour numériser les vaisseaux sanguins à l’arrière de la rétine. Comme certaines caractéristiques de ces vaisseaux (densité, dilatation, etc.) sont associées à la fonction cardiaque, les chercheurs ont examiné plus de 5000 balayages rétiniens pour cibler ceux qui correspondaient aux patients qui avaient eu une crise cardiaque par la suite. Ils ont ensuite entraîné un algorithme à reconnaître les anomalies à l’aide de la technique d’apprentissage profond.

L’application mobile SkinIO est capable de détecter en quelques minutes et à distance un possible cancer de la peau sur des photos de lésions cutanées téléversées. Les prédictions s’avèrent équivalentes à celles avancées par les dermatologues. L’outil fonctionne avec un algorithme d’apprentissage profond qui a été entraîné à détecter les anomalies cutanées avec quelque 130 000 images de cancer de la peau. Un dermatologue pourra, selon les prédictions de l’application, demander de voir rapidement un patient jugé à risque.

L’intelligence artificielle joue également un rôle dans la découverte de médicaments. L’apprentissage automatique, par exemple, permet d’analyser rapidement des données afin de sélectionner les meilleures molécules pour la fabrication d’un médicament en fonction de critères comme leurs propriétés, les coûts et la disponibilité.

Les informations recueillies et analysées par des systèmes intelligents servent à créer des modèles 3D qui sont ensuite utilisés pour concevoir et tester l’efficacité d’une molécule de façon virtuelle, avant de passer à de véritables tests cliniques. Certaines technologies peuvent même analyser le profil des patients afin de déterminer quels groupes répondront le mieux aux médicaments créés.

Un outil informatique intelligent (algorithmes d’apprentissage automatique et réseaux de neurones) intégré à un processus de design peut concevoir des couronnes dentaires qui s’arriment parfaitement avec les dents du patient. Cette technologie s’apparente aux hypertrucages (deepfakes) pour reproduire les creux, les pics, les bosses et autres caractéristiques uniques des dents.

Une technologie en développement veut combiner l’IA et le criblage à haut débit par microscope – une technique qui permet d’analyser rapidement un vaste éventail de molécules et de mutations génétiques – afin de trouver de nouveaux antibiotiques que les bactéries n’auraient jamais côtoyés. L’IA se chargera d’analyser la masse de données obtenues par criblage et de prédire quelles molécules offrent le plus fort potentiel d’activité antibiotique, pour ensuite les synthétiser et les tester cliniquement.

Il est possible d’exploiter l’intelligence artificielle pour concevoir ou optimiser plus rapidement des molécules thérapeutiques. Des modèles informatiques intelligents peuvent prédire quelles sont les molécules d’intérêt qui devraient être testées en laboratoire, faisant ainsi gagner un temps précieux aux chercheurs qui passent actuellement un nombre incalculable d’heures à synthétiser et à tester des dizaines de molécules dans l’espoir de trouver de bonnes candidates. Ces modèles peuvent aussi prédire la toxicité des molécules, évitant de devoir rejeter un médicament à la toute fin du processus.

Depuis quelque temps, le milieu médical utilise la réalité virtuelle et la réalité augmentée pour former les futurs professionnels de la santé ou améliorer les compétences des équipes en place. Ces technologies permettent de simuler des environnements cliniques afin de placer le personnel médical dans des situations semblables à la réalité. Combinées à l’IA, elles servent de tuteur ou de professeur médical en fournissant une rétroaction concrète en temps réel.

Des études scientifiques révèlent que les simulateurs de réalité virtuelle s’appuyant sur l’apprentissage automatique peuvent, entre autres, évaluer avec précision les compétences des neurochirurgiens pendant les séances de chirurgie virtuelle et les aider à parfaire leur expertise avant d’entrer en salle d’opération.