Vision machine IA cherchant à révolutionner notre santé

Vision machine & santé

Ensemble avec les grands modèles de langage (LLM) comme ChatGPT, la vision machine est l’une des avancées les plus importantes récentes en IA. Les différentes méthodes utilisées pour y parvenir, telles que les réseaux neuronaux et l’apprentissage profond, permettent désormais aux ordinateurs de réellement voir leur environnement.

Une application de cette idée consiste à laisser les ordinateurs prendre le relais des tâches humaines comme la conduite ou à donner aux robots une autonomie complète dans le monde réel au lieu de rester confinés aux ateliers.

C’est l’un des principaux moteurs de l’adoption de la vision machine, un marché en forte croissance qui devrait atteindre 9,2 milliards de dollars d’ici 2029.

Source: EPAM

Mais une autre tâche tout aussi importante consiste à juger notre santé. De nombreux diagnostics médicaux reposent sur les évaluations visuelles des médecins. Cela inclut l’examen direct et l’analyse experte de la radiographie, des scanners et d’autres images médicales.

Dans la plupart des cas, ces inspections visuelles sont quelque peu subjectives. Un médecin doit accumuler de nombreuses années d’expérience pour être réellement confiant dans son évaluation. Et jusqu’à présent, la complexité de chaque corps de patient, légèrement différente, rendait la mesure automatisée trop complexe.

Cela change enfin, et de nombreuses entreprises explorent maintenant le déploiement de la vision machine IA pour créer des analyses supérieures des images médicales.

Examen visuel direct

Nous avons récemment étudié le cas de l’utilisation de l’IA pour détecter, mieux que le médecin humain, les otites dans notre article « AI Poised to Become Invaluable Medical Diagnosis Tool ».

Cela peut être étendu à de nombreuses autres pathologies ; par exemple, l’imagerie IA de Google peut être utilisée pour diagnostiquer 26 maladies cutanées différentes (80 % des cas observés en soins primaires), détecter la rétinopathie diabétique, ou même prédire le risque de développer une rétinopathie diabétique à l’avenir.

Plus surprenant encore, l’IA semble également capable de détecter des problèmes de santé à partir d’inspections visuelles que les humains ne peuvent pas utiliser ; par exemple, détecter l’anémie (normalement nécessitant une prise de sang) en regardant la rétine de l’œil. La même méthode pourrait également être utilisée pour prédire les risques de crise cardiaque.

Elle peut aussi détecter des lésions que l’œil humain manquerait ; par exemple, la plus grande précision de Iterative Health’s AI peut aider à détecter les cancers gastriques et colorectaux.

Analyse d’images médicales

Plus les images médicales provenant des rayons X, de la tomographie, des scanners CT, de l’échographie et d’autres modalités deviennent raffinées, plus l’analyse d’image devient complexe.

L’IA avancée peut désormais aider à améliorer la qualité des images, la gestion des données et l’analyse des données.

Par exemple, Cleery utilise l’IA pour analyser les données de l’angiographie par tomodensitométrie coronarienne (CCTA) afin de « générer un modèle 3D des artères coronaires du patient, identifier leur lumière et leurs parois, localiser et quantifier les sténoses, ainsi que identifier, quantifier et catégoriser la plaque. »

Butterfly Network (BFLY ) change la façon dont l’échographie est réalisée grâce à des puces semi‑conductrices remplaçant les capteurs piézoélectriques et à l’IA pour créer des modèles 3D mobiles des organes internes du patient.

Source: Butterfly Network

Verisound AI, une filiale de GE Healthcare fournit une orientation en temps réel au praticien, une capture d’image automatisée, et des IA spécialisées dédiées à l’imagerie générale, à la cardiologie, aux échographies mammaires, à la santé des femmes, aux nerfs, aux reins, au foie, etc.

Les IA de Google sont également utilisées pour aider à détecter le cancer du sein et à faire gagner du temps aux oncologues, contribuant à atténuer les pénuries de main‑d’œuvre.

ChestEye et ChestLink de Oxipit vérifient les images radiologiques pour d’éventuels tumeurs pulmonaires manquées.

Chirurgie

L’IA peut également aider les chirurgiens de nombreuses manières.

L’une d’elles est l’orientation chirurgicale, notamment en chirurgie assistée par robot, où l’IA peut fournir des informations supplémentaires ou des conseils au chirurgien en temps réel.

Sur la base de son examen de millions de vidéos chirurgicales, l’IA a la capacité d’anticiper les 15 à 30 secondes suivantes d’une opération et de fournir une supervision supplémentaire pendant la chirurgie

Dr. Eckhoff – fellow en intelligence artificielle et innovation au Surgical Artificial Intelligence and Innovation Laboratory du Massachusetts General Hospital

Un exemple est le français Pixee Medical, qui permet le suivi 3D avec un smartphone ou des lunettes intelligentes pour la chirurgie orthopédique.

L’IA peut aussi automatiser la procédure cruciale d’enregistrement de la chirurgie, surtout pour les tâches répétitives et sujettes aux erreurs. Comme les chirurgiens laissent des instruments à l’intérieur du patient dans environ 1500 chirurgies par an aux États‑Unis, la vision machine pourrait également aider à éliminer complètement ce problème en suivant automatiquement tout ce qui est utilisé pendant l’opération.

Gestion des données

Données patients

Bien que cela puisse sembler moins spectaculaire que la détection d’une tumeur, la réalisation d’un diagnostic sans intervention humaine, ou l’assistance aux chirurgiens, la gestion des données patients peut être tout aussi importante pour la récupération des patients.

La première partie où l’IA peut aider est la reconnaissance faciale et son association à l’ID patient et aux dossiers médicaux. Il existe toujours un risque de mauvaise correspondance d’identité dans l’environnement de travail à haute vitesse et à haute pression de la plupart des hôpitaux. Cette technologie est plus générale et peut être déployée par des fournisseurs de logiciels de reconnaissance faciale, comme Facia, par exemple.

La deuxième étape consiste à intégrer toutes les données possibles d’un patient dans un seul système. Par exemple, cela pourrait inclure des images du service de radiologie (et son logiciel associé), les dossiers généraux du patient, les documents de traitements antérieurs dans un autre hôpital, les prescriptions de pharmacie, etc.

L’intégration de toutes ces données peut être très complexe, et des outils IA comme CloudMedxHealth pourraient aider à exploiter tout le potentiel des données numériques médicales.

Source: CloudMedxHealth

Les données médicales peuvent également être agrégées à un niveau supérieur, comme le fait Komodo Health en créant une vue d’ensemble de l’ensemble du système de santé américain.

Surveillance

Un autre segment où l’IA peut aider est la surveillance de l’environnement hospitalier. Cela peut inclure le respect des bonnes pratiques d’hygiène (nettoyage, masques, etc.) ou tout autre procédé nécessitant une surveillance automatique.

Une surveillance similaire peut être fournie aux patients à domicile pour vérifier leur récupération. Cela peut rendre des choses comme la physiothérapie possibles à domicile, la rendant non seulement plus pratique pour les patients et les médecins, mais aussi moins coûteuse pour le système de santé dans son ensemble.

La surveillance à domicile peut également inclure la détection de chutes, avec l’appel automatique aux services d’urgence si nécessaire.

La télémédecine en général peut bénéficier de l’IA, par exemple la solution de Corti.AI. Nous avons également abordé ce sujet dans notre article « Heal From Home : Top 5 des actions de télémédecine ».

Amélioration de la recherche médicale

La biologie est souvent décrite comme le domaine scientifique le plus « souple » parce que les données médicales et biologiques ont tendance à être beaucoup plus « désordonnées » que celles de la chimie ou de la physique.

En partie, cela est inévitable, les échantillons biologiques étant extrêmement complexes et pouvant varier les uns des autres.

C’est également dû au fait que le domaine repose encore souvent sur le comptage manuel pour des choses comme le comptage de cellules au microscope. Il en va de même pour les analyses médicales comme le comptage sanguin. Naturellement, deux personnes différentes auront des méthodes légèrement différentes pour compter un échantillon complexe.

Cela peut être résolu avec la vision machine IA, grâce à des produits comme Shonit de Sigtuple qui peuvent désormais fournir des comptages fiables et standardisés de tous les types de cellules sanguines.

Source: Sigtuple

Les images médicales reçoivent également une classification et une annotation standardisées grâce à des outils comme Enlitic, permettant aux chercheurs d’accéder à des ensembles de données de meilleure qualité.

Alors que la recherche médicale lutte pour gérer un flot de nouvelles données provenant des progrès des sciences analytiques en génomique, transcriptomique, protéomique, et la révolution globale du « multi‑omiques » que nous avons décrite dans « Multiomics Are The Next Step In Biotechnology ».

Cela inclut également l’édition génétique, avec maintenant une IA open‑source aidant les chercheurs à concevoir de nouveaux outils d’édition génétique comme discuté dans « AI-Enabled Gene-Editing Made Possible with ‘OpenCRISPR-1’ ».

Remplacement des sens défaillants

Une autre façon dont la vision machine peut transformer les soins de santé est en voyant les choses pour nous. Les personnes aveugles ou celles présentant d’autres déficiences peuvent obtenir l’aide de l’IA pour identifier les objets dans leur environnement.

L’IA peut également convertir du texte en parole qui serait normalement inaccessible.

Enfin, la vision machine peut aider les personnes handicapées à contrôler des appareils grâce aux expressions faciales ou aux gestes.

Entreprises de vision machine

1. Alphabet

Google est une entreprise technologique de premier plan dans de nombreux secteurs, avec bien sûr la recherche et son système d’exploitation Android comme bons exemples.

C’est également un leader en IA, avec une forte présence dans la vision machine pour la santé, allant de la détection du cancer et des maladies à la prévention et à l’amélioration des traitements.

L’IA est aussi exploitée dans d’autres domaines que la vision machine. Par exemple, l’IA AlphaFold de Google peut prédire la configuration 3D des protéines, données essentielles pour créer de nouveaux médicaments, et prédire l’efficacité et le profil de sécurité de nouvelles molécules. Nous avons expliqué comment les prédictions d’AlphaFold se sont avérées fiables et très utiles pour le développement de médicaments dans « Prospective Modelling Points to Bright Future for AI-based Drug Discovery ».

Source: News Medical

L’IA santé de Google comprend Med-PaLM, le premier grand modèle de langage à atteindre des performances d’expert sur des questions de type examen de licence médicale, l’Open Health Stack open source pour les développeurs, DeepVariant pour l’analyse génomique, et l’apprentissage profond pour les dossiers de santé électroniques.

Bien sûr, Google Vision AI possède de nombreuses autres applications au‑delà de la santé, y compris le transport, la génération de contenu (texte, image et vidéo), l’interprétation de documents, etc.

Dans l’ensemble, Alphabet (GOOG ) /Google est un géant non seulement de la technologie mais aussi de l’IA, y compris dans les soins de santé et les applications de la vision machine en santé.

2. Butterfly Network

Butterfly est à la fois le développeur d’un outil de diagnostic par ultrasons ultra‑portable avancé et d’un logiciel intégré utilisant l’IA pour aider au diagnostic, appelé « Compass ».

Source: Butterfly Network

L’entreprise est maintenant sur sa 3^e génération de sonde à ultrasons, avec le lancement en 2024 de l’iQ3, offrant un taux de transfert de données plus élevé et 2 fois la puissance de traitement de la version précédente. Comme toutes les sondes à ultrasons Butterfly précédentes, elle repose sur la technologie supérieure « ultrasound‑on‑chip » à base de semi‑conducteurs au lieu des capteurs piézoélectriques classiques.

l’iQ3 propose une expérience utilisateur supérieure, incluant la possibilité de visualiser simultanément à la fois la 3D et les multi‑plans, un logiciel cloud intégré, et un démarrage rapide, le tout à un prix plus abordable.

L’entreprise utilise l’IA pour améliorer les images, générer automatiquement des mesures pertinentes pour le diagnostic, et fournir des pratiques d’entraînement/enseignement.

Source: Butterfly Network

Butterfly s’étend rapidement à de nouveaux marchés en Asie (Singapour, Indonésie, Philippines, etc.) et également aux marchés vétérinaires, comme le contrôle de la santé du bétail en pâturage et l’exploitation de l’ultra‑portabilité de son outil à ultrasons.