Comment l'IA pourrait prévenir la cécité chez 415 millions de personnes (en ce moment)

Lorsque vous prenez une photo d'un chat et que les algorithmes de Google la placent dans un dossier appelé «pets», sans aucune direction de votre part, vous voyez l'avantage de la reconnaissance d'image AI. La même technologie est utilisée par les médecins pour diagnostiquer des maladies à une échelle jamais atteinte auparavant par les humains.

La rétinopathie diabétique, causée par le diabète de type 2, est la cause de cécité évitable qui augmente le plus rapidement. Chacun des plus de 415 millions de personnes vivant avec la maladie risque de perdre la vue à moins d'avoir un accès régulier aux médecins.

Dans des pays comme l'Inde, il y a tout simplement trop de patients à traiter pour les médecins. Il y a 4 000 patients diabétiques pour chaque ophtalmologiste en Inde, où les États-Unis en ont un pour 1 500 patients

C'est pire dans d'autres pays en développement. De tous les cas connus de rétinopathie diabétique, plus de 80 pour cent des personnes atteintes vivent dans des endroits avec peu ou pas accès aux soins. Ces personnes deviennent aveugles à cause de la pauvreté.

C'est pourquoi des sociétés telles que Verily l'une des nombreuses sociétés soeurs de Google sous Alphabet ont choisi la rétinopathie diabétique comme point d'entrée pour une échelle massive.

Comment ça marche

En fait, c'est un peu plus simple que vous ne le pensez – et tout dépend des données. Les algorithmes d'aujourd'hui et les réseaux d'apprentissage en profondeur sont bien adaptés pour traiter les segments individuels et les pixels d'une image et classer l'image dans une catégorie quelconque. Par exemple, ImageNet de Google (l'intelligence visuelle de base de l'entreprise) compte plus de 22 000 catégories contenant au moins 14 millions d'images.

L'IA peut diagnostiquer la rétinopathie diabétique de la même manière qu'elle détermine si quelque chose est un hot-dog ou non – qui est aussi la façon dont les médecins le font.

Les médecins diagnostiquent la rétinopathie diabétique en interprétant les scintigraphies rétiniennes. Similaire à l'examen d'une radiographie ou d'une IRM, le médecin scanne les images pour des indications spécifiques de marqueurs anormaux. Ils doivent être à l'affût d'artefacts indépendants tels que la poussière ou les poussées de lentilles, mais autrement, il suffit de rechercher des marqueurs spécifiques.

Le problème

Plus de 415 millions de personnes ont besoin d'un scanner rétinien annuel l'apparition de la cécité causée par le diabète. Même à un seul scan par an, ce sont des centaines de millions d'images nécessaires. Et il n'y a tout simplement pas assez de médecins pour examiner autant de données.

Au cours des trois dernières années, les développeurs d'apprentissage automatique ont réalisé plusieurs percées dans la création d'IA de reconnaissance d'images. Nous avons légitimement atteint un point où la capacité d'un ordinateur à effectuer un diagnostic médical basé sur l'examen des images dépasse celle des humains (dans des cas d'utilisation très spécifiques).

En 2016, les chercheurs de Google ont publié un réseau de neurones convolutionnels. un système d'apprentissage en profondeur ciblé – battre les ophtalmologistes dans la précision du diagnostic de la maladie. Cette année, le même CNN est passé d'ophtalmologistes généraux difficiles à battre les spécialistes de la rétine à détecter avec précision les signes de la rétinopathie diabétique.

Il est temps

cette planète à risque pour le diabète de type deux qui n'a pas un accès viable à un médecin qui peut diagnostiquer ces maladies joue à la roulette avec leur santé. Ce n'est pas seulement la vision qui est en jeu: le diabète peut ravager le foie et augmenter considérablement le risque de problèmes cardiovasculaires – parmi une myriade d'autres effets dommageables ou potentiellement mortels.

Mais l'IA peut complètement résoudre ce problème. Selon Lily Peng, chef de produit pour l'équipe d'imagerie médicale chez Google Research, la réponse pour les médecins débordés est de décharger les parties de leur travail qui peuvent être effectuées par des machines:

L'apprentissage en profondeur est bon pour les tâches que vous avez faites 10 000 fois et au 10 001 ^th temps vous en avez marre. C'est vraiment bon pour le domaine médical.

AI ne sera pas votre médecin à l'avenir, il est là pour aider votre médecin en ce moment. Jessica Mega, médecin en chef de Verily, croit que l'apprentissage automatique peut simplifier le processus de diagnostic:

La ​​technologie va-t-elle remplacer les médecins ou remplacer le système de santé? La façon dont j'y pense, cela ne fait qu'augmenter le travail que nous faisons. Si vous pensez au stéthoscope, il a été inventé il y a environ 200 ans. Il ne remplace pas le médecin, il ne fait que les augmenter.

Beaucoup de défis auxquels l'industrie des soins de santé est confrontée peuvent être résolus par l'apprentissage automatique, mais les développeurs travaillant sur ces problèmes ne peuvent le faire seuls. Google, Verily, IBM Intel Microsoft et des centaines d'autres entreprises font la course contre la montre pour trouver une façon de faire du domaine de la médecine une discipline proactive qui prévient les maladies plutôt que les réactions.

Et cela nécessitera une adoption massive par la communauté médicale, l'industrie des soins de santé et les organismes de réglementation de chaque pays.

L'IA n'est pas seulement l'avenir des soins médicaux, c'est le présent. Des vies sont en jeu, et chaque seconde compte pour quelqu'un qui vit une vie sans vue parce qu'il n'a pas le même accès à un professionnel de la santé que quelqu'un dans un autre lieu géographique.

Il est temps de repenser la façon dont nous abordons à propos de nous et l'un de l'autre. L'apprentissage automatique permet aux médecins d'arrêter d'être des analystes de données et de devenir les fournisseurs de soins dont le domaine a désespérément besoin.

La conférence 2018 du Next Web est presque terminée, et ce sera ??. Découvrez tout sur nos pistes ici .