Apports de l’intelligence artificielle dans la prise de décision en médecineRetour
FR
Apports de l’intelligence artificielle dans la prise de décision en médecine
L’intelligence artificielle est appelée à jouer un rôle de plus en plus important en médecine. Il semble utile de faire un point concernant son utilisation dans la prise de décision médicale. Celle-ci nécessite plusieurs étapes comportant anamnèse, examen clinique, établissement d’un diagnostic différentiel probabiliste, réalisation de tests, confirmation du diagnostic et mise en route du traitement.
Nous comparons les performances de l’homme et de la machine à chacune de ces étapes. Le cerveau humain procède par raisonnement, inférences logiques ou par automatismes généralement acquis par l’expérience. Ces mêmes deux modes décisionnels coexistent en ce qui concerne la machine. Les algorithmes de type raisonnement, basés sur les connaissances, utilisent un mode de fonctionnement similaire aux humains mais leur mise en oeuvre est plus complexe et ils exigent une collaboration avec les experts et/ou l’exploitation ingénieuse de la littérature médicale. Ils utilisent des systèmes à base de règles, des représentations structurées de la connaissance (type ontologie), des arbres décisionnels et/ou des modèles graphiques. Pour la seconde famille d’algorithmes, non basés sur les connaissances, des résultats impressionnants ont été obtenus par des réseaux de neurones (notamment dans leur version dite « profonde »), essentiellement dans l’interprétation des tests diagnostiques comportant un traitement d’images ou de signal comme des séries chronologiques.
Certains problèmes restent à résoudre : la reproductibilité des études, la généralisation des modèles et l’accessibilité à des bases de données fiables. L’utilisation des techniques d’intelligence artificielle pour l’optimalisation des prises en charge des patients reste encore un défi.
EN
The potential of artificial intelligence in medical decision making
Artificial intelligence is set to play an increasingly important role in medicine. It seems useful to review its use in medical decision-making. It requires several steps including history taking, clinical examination, establishment of a probabilistic differential diagnosis, doing tests, diagnosis confirmation and treatment initiation.
We compare the performance of humans and machines at each of these stages. The human brain proceeds by reasoning, logical inferences or by automatisms generally acquired through experience. These same two decisionmaking modes co-exist in the case of the machine. Reasoning-type algorithms use a similar mode of operation to humans, but their implementation is more complex, and they require collaboration with experts and/or ingenious exploitation of the medical literature. They use rule-based systems, structured knowledge representations (ontology type), decision trees and/or graphical models. For the second family of algorithms (non-knowledge based), impressive results have been obtained by neural networks (especially in their so-called «deep» version), mainly in the interpretation of diagnostic tests involving image or signal processing such as time series.
Some problems remain to be solved: the reproducibility of studies, the generalization of models and the accessibility of reliable databases. The use of artificial intelligence techniques to optimize patient care is still a challenge.