Après les voitures autonomes, les assistants vocaux ou la reconnaissance visuelle, l’intelligence artificielle pourrait révolutionner un autre secteur : la médecine. Grâce à ses différentes capacités, en particulier le machine learning, il pourrait un jour être possible de prédire les maladies avant leur apparition. Et certains développeurs se positionnent déjà sur ce marché qui s’annonce colossal.

Regarde moi dans les yeux, je te diagnostiquerai

Deepmind de Google est certainement l’une des plus fascinantes IA créées à ce jour. Preuve en est avec sa dernière prouesse en date : la détection d’un éventuel problème cardiaque via un scan rétinien. En lisant entre les lignes des scintigraphies oculaires, l’algorithme est capable de prédire l’âge, le sexe et la pression artérielle du patient. Qui plus est, la pratique n’est pas invasive.

Analyser les neurones pour prédire Alzheimer

En septembre 2017, les chercheurs de l’université de Bari en Italie ont publié sur arXiv.org un article prometteur. Celui-ci mentionne le développement d’une intelligence artificielle capable de détecter les changements cérébraux causés par Alzheimer … avec 10 ans d’avance. Pour ce faire, il excelle dans l’analyse d’IRM, en se focalisant sur la connectivité neuronale. Sur 148 scanners étudiés, l’algorithme est parvenu dans 86 % des cas à diagnostiquer la maladie. Qui plus est, la technologie s’est révélée capable de détecter une déficience même lorsqu’elle était encore légère, avec un taux de réussite de 84 %.

Dès la naissance

Barbara Engelhardt est professeure au département de sciences informatiques de l’université de Princeton. Pour elle, passer au peigne fin (soit sous une intelligence artificielle) les codes génétiques de chacun pourrait permettre de trouver des informations cachées, grâce au machine learning. En octobre 2017, par exemple, elle expliquait dans Nature être parvenue à déterminer comment les mutations génétiques sont liées à la régulation des gènes sur d’autres chromosomes dans 44 tissus humains. Elle a également bâti un modèle capable de recommander aux médecins de laisser ou de retirer l’assistance respiratoire des patients, toujours grâce au machine learning et à l’analyse de données.