Les innovations en IA continuent de révolutionner les soins de santé

Juin
14, 2021

5 minutes de lecture

Les avis exprimés par les contributeurs de Entrepreneur sont les leurs.

Les promesses de l'intelligence artificielle (IA) ont capté l'intérêt et l'imagination d'à peu près toutes les industries, et les soins de santé ne font pas exception. La radiologie est un domaine qui a déjà vu l'impact de l'innovation en IA. En fait, environ un tiers des radiologues utilisent actuellement l'IA dans leurs pratiques selon une récente enquête ACR Data Science Institute. Cependant, ces pratiques n'utilisent en moyenne qu'un peu plus d'un seul algorithme, suggérant un nombre limité d'outils disponibles et une marge de croissance importante une fois que les utilisateurs ont trouvé les applications d'IA adaptées à leurs besoins.

Bien que l'IA soit toujours en vigueur. enfance relative, il s'avère déjà utile dans une variété de tâches et au service de certains objectifs importants dans le domaine de la santé. Voici quatre façons dont l'IA remodèle la radiologie telle que nous la connaissons.

1. Signaler les irrégularités et hiérarchiser les flux de travail 

Un radiologiste combine ses connaissances, son expérience et un bon œil au processus de lecture des images médicales, en prenant souvent un certain nombre de détails différents dans une image pour tirer des conclusions. L'intelligence artificielle est encore loin de pouvoir reproduire cette capacité, mais l'IA s'est avérée capable de détecter certains problèmes potentiels dans les images médicales. Par exemple, des outils d'IA tels que MammoScreen et CMTriage de CureMetrix peuvent évaluer la probabilité de malignité dans les mammographies.

Bien que cette capacité ne puisse pas nécessairement être utilisée pour un diagnostic, elle peut aider à organiser et à hiérarchiser les images. afin d'optimiser le flux de travail d'un radiologue. En utilisant l'IA comme aide pour catégoriser les images ou attirer l'attention sur celles qui sont particulièrement inquiétantes, les radiologues peuvent utiliser leur temps plus efficacement.

Cette fonctionnalité a été mise à l'épreuve par CureMetrix, qui a mené un « AI Test Drive Challenge » lors du récent Réunion de la Radiological Society of North America, démontrant que les radiologues assistés par l'IA ont obtenu des résultats 40 % plus rapides sur les lectures et une précision améliorée de 25 %.

Connexe : Ces 5 carrières pourraient être l'avenir des soins de santé

2. Triage des urgences

Au cours de la crise de Covid, différentes régions ont été inondées de patients et ont eu besoin d'aide pour effectuer le triage — c'était particulièrement le cas dans les premiers mois de la pandémie, car les travailleurs de la santé étaient encore apprendre à diagnostiquer et à gérer la maladie.

Les hôpitaux et les cliniques débordés de patients présentant des symptômes de Covid devaient être en mesure de déterminer rapidement quels patients nécessitaient des soins médicaux immédiats, et l'imagerie – en particulier les radiographies pulmonaires – s'est avérée être un bon méthode pour reconnaître les symptômes troublants.

Ce besoin a inspiré la start-up de soins de santé Qure.ai à réutiliser son outil de radiographie pulmonaire alimenté par l'IA afin qu'il puisse rechercher des signes de Covid – permettant aux cliniciens de première ligne débordés du monde entier de mieux gérer les dossiers. C'est un exemple fantastique de la façon dont l'IA peut être déployée pour aider les travailleurs de la santé confrontés à des situations d'urgence, et comment une entreprise intelligente peut faire évoluer rapidement sa propre technologie pour répondre à une nouvelle demande.

3. Assurer l'accès aux soins dans les communautés mal desservies

Le problème persistant des fermes d'hôpitaux dans les zones rurales des États-Unis et le manque de spécialistes en nombre suffisant aux États-Unis et dans les régions éloignées à l'étranger, signifie qu'il peut y avoir un retard dans l'examen de l'imagerie médicale. Ainsi, même s'il est possible de fournir des équipements tels que des tomodensitomètres et des appareils à ultrasons aux zones qui en ont besoin, rien ne garantit qu'une personne expérimentée sera facilement disponible pour interpréter les résultats. ] dans ces régions aux ressources limitées. Les programmes d'IA capables de parcourir les images et de signaler celles qui semblent montrer quelque chose qui ne va pas peuvent aider à hiérarchiser les images qui peuvent nécessiter plus urgemment l'attention d'un radiologue. Le programme peut même être conçu pour envoyer automatiquement les images signalées par voie électronique à un radiologue situé à un autre endroit qui peut les examiner.

Connexe : 5 Digital Santé Trends Here to Stay for 2021

4. Permettre un partage d'images facile entre les professionnels et les patients

Un nouveau fournisseur vous a-t-il déjà demandé d'apporter vos précédents examens médicaux ? Certains patients sont choqués de découvrir qu'ils doivent se rendre dans un laboratoire de radiologie et s'y asseoir pendant qu'un administrateur grave leurs images sur un CD (un support presque disparu), puis apporte physiquement le CD au nouveau rendez-vous. Heureusement, l'IA permet de renoncer à cette méthode de partage d'images coûteuse, longue et très obsolète. De plus en plus de services de radiologie mettent des images en ligne pour tirer parti des nouvelles innovations technologiques, ce qui permet aux radiologues de partager facilement les images avec d'autres prestataires de soins de santé et les patients.

Pour ce faire, il faut adopter une plate-forme de cloud computing, un secteur qui explose alors que les entreprises de tous les secteurs cherchent à devenir plus interopérables.

Connexe : L'avenir des soins de santé est dans le cloud

Certains cabinets de radiologie, en particulier les plus petits, peuvent être réticents à adopter une nouvelle plate-forme en raison de préoccupations concernant les coûts ou les efforts nécessaires pour adapter tout le monde à un nouveau système. Cependant, les plates-formes cloud sont essentiellement l'infrastructure critique nécessaire pour faire bon usage de l'IA, il y a donc une solide analyse de rentabilisation à faire pour investir dans une telle transition –  d'autant plus que l'IA ne fera que continuer à devenir plus répandue .