Combattre les maladies avec l’IA

La médecine est à l’aube d’un bouleversement. Grâce à l’intelligence artificielle (IA), d’énormes quantités de données peuvent être analysées – plus rapidement et de manière plus exhaustive que jamais. Cela permet de réaliser des diagnostics plus précoces, d’améliorer des thérapies et de développer des médicaments plus efficacement. C’est pourquoi, en Allemagne, les entreprises pharmaceutiques, les instituts de recherche et les cliniques investissent de manière ciblée dans des solutions basées sur l’IA. Voici quelques exemples qui illustrent comment l’IA révolutionne les prestations de santé.

Mieux comprendre le cancer

Un objectif central de nombreuses applications d’IA est d’identifier des modèles au sein de données complexes – par exemple, dans le cadre de la propagation du cancer. Le projet DECIPHER-M, soutenu par le ministère allemand de la Recherche, associe des données issues d’analyses de tissus, de procédés d’imagerie et d’informations génétiques, en vue de mieux prédire le risque individuel de métastases.

« Malgré les progrès, les métastases restent l’un des plus grands défis à relever », explique Jakob Kather, le chef de projet du EKFZ, le Centre Else Kröner Fresenius de Dresde, spécialisé dans la santé numérique. Selon lui, l’objectif est de développer un traitement adapté à chaque patiente et patient, avant que le cancer ne se propage dans le corps.

Dépister le cancer du sein tout en protégeant les données

Souvent, les données médicales ne doivent pas être stockées de manière centralisée ; cependant, l’IA a besoin de grandes quantités de données. C’est pourquoi le projet ODELIA du Centre EKFZ mise sur le « swarm learning » : il s’agit un procédé dans lequel les données restent à leur point d’origine, mais où les modèles d’IA peuvent malgré cela s’entraîner en apprenant ensemble. C’est ainsi que les IRM du sein devraient être évaluées de manière fiable et sans menacer la protection des données. Dans une étude internationale, le modèle entraîné par la communauté était même plus précis que les systèmes développés localement.

Obtenir un diagnostic plus rapide grâce au cloud

L’industrie fait également avancer le développement. Bayer, par exemple, a développé une plateforme pour la radiologie qui intègre des applications basées sur l’IA directement dans le travail quotidien. Elle aide à détecter automatiquement des anomalies sur des radiographies ou des IRM, par exemple en cas d’AVC ou de pneumonie.

« Nous voulons décharger les médecins pour leur permettre de se concentrer sur leurs patientes et patients », explique-t-on chez Bayer. La plateforme est déjà utilisée dans plusieurs pays européens.

Développer des médicaments plus rapidement

Il faut souvent plus de dix ans pour développer de nouveaux médicaments et les mettre sur le marché. Grâce à une plateforme d’intelligence artificielle, l’entreprise pharmaceutique Merck, de Darmstadt, veut réduire ce processus à moins de quatre ans. La technologie devrait permettre d’identifier plus rapidement les substances actives potentielles et de planifier plus efficacement les processus chimiques. « L’IA augmente énormément la productivité. Elle peut nous aider à mettre à la disposition de nos patientes et patients des médicaments nouveaux et plus efficaces, et ce, de manière plus rapide », explique Walid Mehanna, directeur des données et de l’IA chez Merck. Selon lui, les opportunités seraient grandes, tant sur le plan médical qu’économique.

L’IA quantique : une technologie d’avenir

L’approche de l’Institut Fraunhofer pour les Systèmes Cognitifs (IKS) de Munich est encore plus visionnaire. En collaboration avec le centre hospitalier de l’université Ludwig-Maximilian, l’IKS fait des recherches sur des systèmes hybrides associant l’informatique quantique et l’IA. Ainsi, un nombre relativement restreint de données devrait permettre d’établir des diagnostics fiables, par exemple dans le cas de maladies rares. Les « réseaux neuronaux bayésiens quantiques » (Quantum Bayesian Neural Networks) devraient non seulement fournir des résultats, mais aussi tenir en compte l’incertitude du diagnostic : un aspect important pour l’application dans la pratique clinique. Les chercheurs voient notamment un grand potentiel dans le dépistage précoce et le contrôle de l’évolution des tumeurs cérébrales.