Intelligence artificielle appliquée à la SANTÉ

La santé personnalisée consiste à utiliser les données biologiques, génétiques et génomiques de patient-es pour proposer le traitement et/ou le dosage médicamenteux le plus efficace et le plus adapté à chaque personne. Ces données sont traitées au moyen de l’intelligence artificielle, assurant une prise en charge médicale individualisée et la création d’outils diagnostiques digitalisés permettant une optimisation du traitement en termes de choix, de dose ou de modalité de prise en charge. Il s’agit idéalement de donner le bon traitement au moment opportun à chaque patient-e. 

Comprendre les maladies grace à l'AI

Diverses pathologies sont concernées par la santé personnalisée à l’aide de l’intelligence artificielle, car celle-ci permet de décrypter précisément la physiopathologie de nombreuses affections humaines. La révolution médicale en marche vise à rendre la médecine plus proactive afin d’augmenter la santé globale des personnes grâce à une médecine prédictive, personnalisée, préventive et participative (P4, L. Hood).

Faire le lien entre la médecine et la technologie

La biomédecine, soit la spécialité interdisciplinaire alliant médecine expérimentale et technique informatique vise à améliorer le diagnostic, le traitement, les soins aux malades, la rééducation et la qualité de vie des individus sains. L’intelligence artificielle, l’utilisation de mégadonnées (ou big data) et de capacités de calcul démultipliées, représentent l’avenir de la santé personnalisée. 

Les capacités d’observation et d’action sont augmentées grâce à l’informatique médicale qui joue un rôle d’assistance, d’aide au diagnostic, au choix thérapeutique ou à l’interprétation rapide et précise de données médicales. Les recommandations offertes au corps médical et la prise en charge de certaines tâches spécifiques et chronophages permettent à l’ensemble de la profession de gagner du temps qui peut ainsi être consacré à la relation patient-e.

Les analyses multimodales permettent d’explorer divers paramètres issus des examens médicaux effectués par les patient-es. EEG - Électroencéphalogramme, ECG - électrocardiogramme, PET-Scan - tomographie par émission de positons, IRM – Imagerie par Résonnance Magnétique, histopathologie et étude microscopique des tissus sont autant d’examens médicaux effectués pour déceler des maladies et proposer des traitements. 

Nos chercheur-euses s’intéressent également aux données provenant des questionnaires de mesure des résultats de soins remplis par les patient-es, tels que les PROMs – Patient Reported Outcome Measures, qui permettent de soutenir les personnes atteintes dans leur santé durant leur parcours de soin et de proposer des concepts et mesures d’amélioration aux institutions socio-sanitaires. Toutefois, l’analyse des données récoltées reste une activité chronophage pour les praticien-nes de la santé. C’est dans cette perspective que les techniques d’analyse basées sur des dispositifs d’intelligence artificielle sont mises en place par les équipes de recherche de l’institut informatique. 

Informatique biomédicale et analyse prédictive

L’informatique biomédicale élabore des solutions techniques pour parvenir à synthétiser des données phénotypiques et moléculaires complexes et à prédire, par exemple, le comportement tumoral grâce à la lecture d’images microscopiques de routine. Les approches d’apprentissage profond automatisé (ou deep learning) sur des images numériques à partir de scanner, de scanner OCT (tomographie en cohérence optique), d’IRM ou de lames histopathologiques montrent qu’il est possible d’entraîner un réseau neuronal profond à distinguer les lésions bénignes et malignes, à prédire l’évolution d’une tumeur ou de certaines maladies neurodégénératives telles que Parkinson, Alzheimer ou encore la sclérose en plaques. 

La classification TNM

La classification TNM (Tomor, Nodes, Metastasis) est un système international de classement des cancers selon leur extension anatomique (tumeur primitive, ganglions lymphatiques voisins et métastases à distance). Un travail important concernant la classification des sous-types de cancers est également mené afin de prédire la réponse thérapeutique appropriée et le comportement clinique à adopter selon l’avancement de la maladie, le volume tumoral, le diamètre de la lésion, la fixation aux organes voisins, la dimension des adénopathies (gonflement des ganglions lymphatiques) ou le/les siège/s des métastases. 

Systèmes d'aide à la décision et gestion des données

Les systèmes d’aide à la décision (DSS), l’architecture de logiciels, la gestion des ensembles de valeurs et de l’information, la gestion décentralisée des données, l’interopérabilité des systèmes d’informations hétérogènes, le mappage sémantique sont autant de cas d’utilisation (use cases) sur lesquels notre institut de recherche appliquée travaille pour soutenir la prise de décisions diagnostiques et le classement histologique de divers types d’affections telles que les maladies neurodégénératives ou les cancers. 

Analyse multimodale et agents intelligents

L’analyse multimodale est au cœur de l’activité des différents laboratoires de l’unité eSanté qui utilisent aussi les agents intelligents afin de proposer des solutions de prévention et d’analyse de comportements. Les agents intelligents sont des logiciels qui exécutent des tâches, étant capables de prendre des mesures de manière autonome. 

Agents d'apprentissage et analyse comportementale

Les agents intelligents d’apprentissage créés à l’institut informatique vont au-delà des réponses fondées sur des règles, car ils s’adaptent et améliorent leurs performances grâce à des techniques d’apprentissage automatique. De nouvelles connaissances sont ainsi intégrées et mènent à l’ajustement de leur comportement en fonction de l’expérience accumulée. Ceci peut être particulièrement utile pour pallier certaines tâches chronophages, pour effectuer des analyses comportementales, pour analyser les possibilités de changements comportementaux ou de persuasion. 

Méthodes de recherche innovantes 

Les projets élaborés au sein de l’institut s’attachent aussi à mettre en place des méthodologies de recherche innovante (déductives ou abductives) et à préparer l’ensemble de l’écosystème logiciel qui permet l’élaboration et la mise en œuvre d’algorithmes d’intelligence artificielle.

Ces solutions innovantes d’aide à la décision et au dépistage précoce de maladies telles que les affections neurodégénératives ou les troubles du spectre autistique (TSA) facilitent la prévention tout en évitant les biais, notamment de genre dans le domaine de la santé. 

Renforcer la confiance dans les outils d'IA médicale

Ainsi, les recherches entreprises par l’unité eSanté de l’institut informatique mettent les patient-es et les soignant-es au cœur de leur dispositif. Travaillant en étroite collaboration avec le corps médical, les chercheur-euses s’attachent à rendre le fonctionnement de leurs algorithmes transparents grâce à un groupe d’expert-es en explicabilité des algorithmes. Il est, en effet, indispensable que des solutions d’aide à la décision dans des domaines aussi sensibles que la médecine et la santé puissent être utilisées avec confiance par les professionnel-les de la santé. 

La recherche appliquée se déroule sur le terrain avec les spécialistes en radiologie clinique qui sont parties prenantes de l’ensemble des projets de recherche. Il est également courant que les patient-es soient intégré-es à partir de la question de recherche, afin d’accroître confiance, transparence, fiabilité et usabilité des solutions développées en ingénierie logicielle. L’acceptabilité sociale de l’intelligence artificielle ne peut se construire que dans une optique de science ouverte et de confiance. Finalement, certains projets s’attèlent à quantifier le degré d’incertitude des prévisions d’un modèle d’IA et l’interprétation de ces valeurs. 

Réduire les biais de genre dans les diagnostics

Dans le même esprit, les chercheur-euses de l’unité eSanté s’attèlent à l’atténuation des biais de genre dans le diagnostic médical. Il existe une tendance, pour certaines affections tels que les troubles du spectre autistique, au sous-diagnostic chez les filles dont les symptômes sont souvent moins apparents ou différents de ceux des garçons. Ce biais est renforcé par des critères de détection traditionnellement axés sur les études masculines et par des attentes sociétales spécifiques au genre, menant fréquemment à un diagnostic retardé pour les filles. Une attention toute particulière est aussi portée lors du recrutement de nos doctorant-es afin d’atteindre une certaine parité et diversité en vue d’atténuer les biais possibles lors de la création d’algorithmes.

L’intelligence artificielle a bouleversé le domaine de la santé, notamment la collecte, la gestion et l’analyse d’importante quantité de données. Les praticien-nes adaptent leurs méthodes de travail alors qu’avec l’essor d’internet, les patient-es recherchent régulièrement des informations sur leur santé.

Innover grace à l'AI

L’unité eSanté travaille sur divers domaines de l’intelligence artificielle, tels que le raisonnement qui inclut la représentation des connaissances médicales et le raisonnement automatisé. L’unité propose aussi des projets en lien avec la planification qui inclut des sous-domaines de l’intelligence artificielle permettant la planification et l’ordonnancement des données, la recherche et l’optimisation. 

C’est également dans le domaine de l’IA que constitue l’apprentissage avec l’apprentissage automatique qu’excelle les équipes de recherche. La perception qui recouvre un pan important dans le domaine de l’IA permet à nos équipes de recherche de concentrer une partie de leur activité sur la vision par ordinateur (computer vision). Mais les tâches d’intégration et d’interaction à l’aide de l’IA sont aussi importantes, notamment dans la conception de systèmes multi-agents (agents intelligents). 

Aide à la décision

Finalement, nos chercheur-euses ont également développé tout un panel de compétences et de connaissances relatives à l’éthique et au service, par exemple dans l’analyse comportementale, l’explicabilité des algorithmes ou la relation entre agents conversationnels et utilisateur-trices.

Dans une approche de santé personnalisée, notre institut mène des projets de recherche afin de faciliter le travail des praticien-nes en leur fournissant une aide à la décision grâce à l’analyse de données médicales. De plus, nos équipes de recherche travaillent à améliorer la prise en charge des patient-es et des proches aidant-es.

Les compétences pointues de notre institut en matière de divers sous-groupes d’intelligence artificielle sont reconnues par nos partenaires de terrain tels que le CHUV, les HUG ou encore l’Hôpital du Valais et par nos bailleurs de fonds tels que le Fonds National Suisse pour la Science (FNS), l’agence suisse à l’innovation (Innosuisse) ou le programme de financement des projets européens. Les connaissances spécifiques de nos équipes couvrent de larges domaines de l’intelligence artificielle appliquée à la santé :

1. réseaux de neurones : Neurones artificiels appelés « nœuds » qui sont regroupés en plusieurs couches et fonctionnent en parallèle. Un neurone artificiel reçoit un signal digital, le traite et le transmet aux autres neurones auquel il est relié. Le renforcement neuronal parvient à une meilleure reconnaissance des schémas, une expertise supérieure et une amélioration d’apprentissage général.
2. deep learning : Algorithme d’« apprentissage profond » grâce à de nombreuses couches du réseau de neurones artificiels traitant d'immenses volumes de données complexes et hétérogènes.
3. machine learning : Algorithme auto-apprenant qui tire des enseignements des données et progresse avec l'expérience, au lieu d'être programmé pour le faire.
4. intelligence artificielle : Système capable de saisir son environnement et de prendre des mesures pour optimiser les chances d'atteindre les objectifs fixés. Ce système est capable d’apprendre en interprétant et en analysant des données et de s’adapter au fur et à mesure de son apprentissage.
5. agent intelligent : Logiciel qui exécute des tâches, mais, contrairement à un agent conversationnel standard, est capable de prendre des mesures de manière autonome. Ce logiciel peut être installé sur une plateforme Internet ou dans un objet, tel qu’une montre.
6. IdO – Internet des objets : Interconnexion entre un objet et internet. L’objet doté d’une connexion internet devient ainsi un environnement physique capable de récolter des données et de les transmettre. Le suivi des patient-es ou l’interaction avec ces dernier-ères est possible grâce à des montres connectées, des objets dotés de caméra ou de micro.
7. analyse et structuration sémantique des données patient-es : Analyse des données textuelles permettant aux machines de comprendre le sens réel d’une suite de mots en fonction du contexte. Les données sont structurées puis analysées pour mieux comprendre le langage humain et affiner son traitement.