Un modèle d’intelligence artificielle révolutionnaire
Ce modèle de « deep learning », soit d’apprentissage profond, a été développé à l’Université de l’État de Washington, et pourrait considérablement accélérer la recherche sur les maladies mais aussi améliorer le diagnostic médical, par exemple en détectant en quelques minutes un cancer à partir d’une image de biopsie, un processus qui prend généralement plusieurs heures à un humain.
Une avancée prometteuse
Dans leur étude détaillée, l’équipe de chercheurs américains explique avoir entraîné ce modèle d’IA à l’aide d’images provenant de biopsies, c’est-à-dire d’un prélèvement d’une très petite partie d’un organe ou d’un tissu pour effectuer des examens. C’est ainsi que les chercheurs ont découvert que le nouveau modèle d’IA identifiait non seulement correctement les pathologies, mais aussi plus rapidement que les modèles précédents. Dans certains cas, l’IA trouvait même des cas qu’une équipe humaine avait manqués.
Une précision révolutionnaire
« Ce programme d’apprentissage profond basé sur l’IA était très, très précis pour examiner ces tissus », a déclaré Michael Skinner, biologiste de l’Université et co-auteur de l’article. « Cela pourrait révolutionner ce type de médecine tant pour les animaux que pour les humains, en facilitant essentiellement ce type d’analyse. »
Un moyen plus rapide et plus précis d’identifier les maladies
Normalement, ce type d’analyse nécessite un travail minutieux de la part des médecins. Il leur faut examiner puis annoter chacune des lames de tissus à l’aide d’un microscope, et parfois même vérifier le travail de leurs collègues pour écarter toute erreur. Désormais, le modèle d’IA peut les épargner de tous ces procédés et leur permettre de se focaliser sur le diagnostic et les soins du patient.
« Nous disposons désormais d’un moyen plus rapide et plus précis d’identifier les maladies et les tissus, que celui des humains », a déclaré Lawrence Holder, co-auteure de l’étude.
Apprendre de ses erreurs grâce au deep learning
Le deep learning est une méthode d’intelligence artificielle qui tente d’imiter le cerveau humain. Un modèle d’apprentissage profond est structuré avec un réseau de neurones et de synapses. Si l’IA fait une erreur, elle apprend, en utilisant un processus appelé rétropropagation, et en effectuant de nombreuses modifications sur tout son réseau pour corriger l’erreur.
Les chercheurs soulignent également le potentiel du modèle pour améliorer la recherche et le diagnostic chez l’être humain, en particulier pour le cancer et d’autres maladies. « Le réseau que nous avons conçu est à la pointe de la technologie », a déclaré Holder.