L’intelligence artificielle est aujourd’hui au coeur de tous les domaines, et la médecine n’y fait pas exception. Les algorithmes se sont déjà illustrés dans leur capacité à diagnostiquer des patients aussi efficacement, voire plus efficacement, que des médecins expérimentés. Dans une nouvelle étude, des chercheurs ont montré que l’IA pouvait également prédire les risques de décès prématuré avec une grande fiabilité.
Des scientifiques ont récemment entraîné une IA afin d’évaluer une décennie de données de santé publique soumises par plus d’un demi-million de personnes au Royaume-Uni. Ensuite, ils ont demandé à l’IA de prédire si des personnes risquaient de mourir prématurément — autrement dit, plus tôt que l’espérance de vie moyenne — d’une maladie chronique.
Les prédictions de mort précoce qui ont été faites par les algorithmes étaient « significativement plus précises » que celles fournies par un modèle qui n’utilisait pas l’apprentissage automatique. Les résultats de l’expérience ont été publiés dans la revue PLOS ONE.
Pour évaluer la probabilité de mortalité prématurée des sujets, les chercheurs ont testé deux types d’IA : le deep learning, dans lequel des réseaux de traitement de l’information superposés aident un ordinateur à tirer des exemples ; et la forêt d’arbres décisionnels, un type d’IA plus simple qui combine plusieurs modèles arborescents pour prendre en compte les résultats possibles. Ils ont ensuite comparé les conclusions des modèles d’IA aux résultats d’un algorithme standard, appelé modèle de Cox.
À l’aide de ces trois modèles, les scientifiques ont évalué des données dans la Biobanque britannique — une base de données à accès ouvert contenant des données génétiques, physiques et sanitaires — soumises par plus de 500’000 personnes entre 2006 et 2016. Au cours de cette période, près de 14’500 des participants sont décédés, principalement du cancer, de maladies cardiaques et respiratoires.
Les trois modèles ont déterminé que des facteurs tels que l’âge, le sexe, les antécédents de tabagisme et un diagnostic de cancer antérieur étaient les principales variables permettant d’évaluer la probabilité de décès prématuré d’une personne. Mais les chercheurs ont découvert que les modèles divergeaient par rapport à d’autres facteurs clés.
Le modèle de Cox s’appuie fortement sur l’appartenance ethnique et l’activité physique, contrairement aux modèles d’apprentissage automatique. En comparaison, le modèle de forêt d’arbres décisionnels a mis davantage l’accent sur le pourcentage de graisse corporelle, le tour de taille, la quantité de fruits et de légumes que les gens mangeaient et le tonus de la peau. Pour le modèle de deep learning, les principaux facteurs étaient l’exposition aux risques liés au travail, à la pollution atmosphérique, à la consommation d’alcool et à l’utilisation de certains médicaments.
Lorsque tous les calculs ont été effectués, l’algorithme de deep learning a fourni les prévisions les plus précises, identifiant correctement 76% des sujets décédés au cours de la période d’étude. En comparaison, le modèle de forêt a correctement prédit environ 64% des décès prématurés, tandis que le modèle de Cox n’en identifiait que 44% environ.
Sur le même sujet : Une intelligence artificielle révèle les causes moléculaires et génomiques des maladies
Ce n’est pas la première fois que des experts exploitent le pouvoir prédictif de l’IA pour la santé. En 2017, une équipe de chercheurs différente a démontré que l’IA pouvait apprendre à détecter les premiers signes de la maladie d’Alzheimer. leur algorithme a évalué les analyses du cerveau pour prédire si une personne serait susceptible de développer la maladie d’Alzheimer, et l’a fait avec une précision d’environ 84%.
Une autre étude a montré que l’IA pouvait prédire l’apparition de l’autisme chez les bébés de 6 mois présentant un risque élevé de développer la maladie. Une autre étude encore pouvait détecter les signes de diabète envahissant grâce à l’analyse des scanners de la rétine ; et une autre, utilisant également des données provenant d’analyses de la rétine, a prédit la probabilité qu’un patient soit victime d’une crise cardiaque ou d’un accident vasculaire cérébral.
Dans la nouvelle étude, les scientifiques ont démontré que l’apprentissage automatique — avec un réglage rigoureux — peut être utilisé pour prédire avec succès l’évolution de la mortalité dans le temps. Bien que l’utilisation de l’IA de cette manière puisse ne pas être familière à de nombreux professionnels de la santé, la présentation des méthodes utilisées dans l’étude « pourrait aider à la vérification scientifique et au développement futur de ce domaine passionnant » concluent les auteurs.