Un modèle d’IA développé par l’Institut Beckman permet des diagnostics médicaux précis avec des cartes visuelles pour expliquer, améliorant la communication médecin-patient et facilitant la détection précoce des maladies.

Expert en diagnostic médical, assistant du médecin et cartographe sont des titres appropriés pour un modèle d’intelligence artificielle développé par des chercheurs de l’Institut Beckman pour les Sciences et Technologies Avancées.

Leur nouveau modèle identifie avec précision les tumeurs et les maladies sur des images médicales et est programmé pour expliquer chaque diagnostic avec une carte visuelle. La transparence unique de l’outil permet aux médecins de suivre facilement son raisonnement, de vérifier l’exactitude et d’expliquer les résultats aux patients.

« L’idée est d’aider à détecter le cancer et les maladies à un stade précoce – comme un X sur une carte – et de comprendre comment la décision a été prise. Notre modèle aidera à rationaliser ce processus et à le rendre plus facile pour les médecins et les patients », a déclaré Sourya Sengupta, auteur principal de l’étude et assistant de recherche diplômé à l’Institut Beckman.

Ce projet de recherche est paru dans IEEE Transactions on Medical Imaging.

Chats et chiens et oignons et ogres

Conçu pour la première fois dans les années 1950, l’intelligence artificielle – le concept selon lequel les ordinateurs peuvent apprendre à s’adapter, analyser et résoudre des problèmes comme le font les humains – est désormais largement reconnue, en partie grâce à ChatGPT et à sa famille étendue d’outils faciles à utiliser.

L’apprentissage machine, ou ML, est l’une des nombreuses méthodes que les chercheurs utilisent pour créer des systèmes d’intelligence artificielle. Le DL est à l’IA ce que l’éducation routière est à un adolescent de 15 ans : un environnement contrôlé et supervisé pour pratiquer la prise de décision, se calibrer à de nouveaux environnements et se réorienter après une erreur ou un mauvais virage.

Le deep learning – le parent plus sage et plus expérimenté de l’apprentissage machine – peut digérer de plus grandes quantités d’informations pour prendre des décisions plus nuancées. Les modèles de deep learning tirent leur pouvoir de décision des simulations informatiques les plus proches du cerveau humain : les réseaux neuronaux profonds.

Ces réseaux – comme les humains, les oignons et les ogres – ont des couches, ce qui les rend difficiles à naviguer. Plus un réseau est épais, ou non linéaire, plus il peut exécuter des tâches complexes, proches de celles des humains.

Les chercheurs de l’Institut Beckman dirigés par Mark Anastasio et Sourya Sengupta ont développé un modèle d’intelligence artificielle qui peut identifier avec précision les tumeurs et les maladies sur des images médicales. L’outil crée une carte pour expliquer chaque diagnostic, aidant les médecins à suivre son raisonnement, à vérifier l’exactitude et à expliquer les résultats aux patients.

Considérez un réseau neuronal formé pour différencier les images de chats et de chiens. Le modèle apprend en examinant des images de chaque catégorie et en notant leurs caractéristiques distinctives (comme la taille, la couleur et l’anatomie) pour référence future.

Cependant, les réseaux neuronaux profonds ne sont pas infaillibles – tout comme les tout-petits enthousiastes, a déclaré Sengupta, qui étudie l’imagerie biomédicale au département de génie électrique et informatique de l’université de l’Illinois à Urbana-Champaign.