Aucune approche d’intelligence artificielle unique ne fonctionne pour la prévention, le diagnostic ou le traitement à l’aide de la médecine de précision

“La médecine de précision est l’un des sujets les plus tendances des sciences fondamentales et médicales aujourd’hui”, a déclaré Zeeshan Ahmed, professeur adjoint de médecine à la Rutgers Robert Wood Johnson Medical School qui a dirigé l’étude, publiée dans Briefings en bioinformatique. “Les principales raisons incluent son potentiel à fournir des diagnostics prédictifs et un traitement personnalisé pour des troubles variables connus et rares. Cependant, jusqu’à présent, très peu d’efforts ont été déployés pour organiser et comprendre les nombreuses approches informatiques dans ce domaine. Nous voulons ouvrir la voie pour une nouvelle ère de découverte centrée sur les données dans le domaine des soins de santé.”

La médecine de précision, une technologie encore à ses balbutiements, est une approche de traitement qui utilise des informations sur les antécédents médicaux et le profil génétique d’un individu et les relie aux informations de nombreuses autres personnes pour trouver des modèles qui peuvent aider à prévenir, diagnostiquer ou traiter une maladie. L’approche basée sur l’IA repose sur un haut niveau de puissance de calcul et d’intelligence d’apprentissage automatique en raison de l’énorme étendue d’informations médicales et génétiques parcourues et analysées pour les modèles.

L’examen comparatif et systématique, considéré par les auteurs comme l’un des premiers du genre, a identifié 32 des approches d’IA de médecine de précision les plus répandues utilisées pour étudier les traitements préventifs de diverses maladies, notamment l’obésité, la maladie d’Alzheimer, les maladies inflammatoires de l’intestin, cancer du sein et trouble dépressif majeur. La multitude d’approches d’IA analysées dans l’étude – les chercheurs ont passé au peigne fin cinq années de littérature médicale de haute qualité – suggèrent que le domaine progresse rapidement mais souffre de désorganisation, a déclaré Ahmed.

En IA, les logiciels simulent les processus de l’intelligence humaine. Dans l’apprentissage automatique, une sous-catégorie de l’IA, les programmes sont conçus pour “apprendre” à mesure qu’ils traitent de plus en plus de données, devenant de plus en plus précis pour prédire les résultats. L’effort repose sur des algorithmes, des procédures pas à pas pour résoudre un problème ou effectuer un calcul.

Des chercheurs comme Ahmed, qui mène des études sur la génomique cardiovasculaire au Rutgers Institute for Health, Health Care Policy and Aging Research (IFH), se précipitent pour collecter et analyser des données biologiques complexes tout en développant les systèmes informatiques qui sous-tendent l’effort.

Parce que l’utilisation de la génétique est “sans doute la composante la plus riche en données et la plus complexe de la médecine de précision”, a déclaré Ahmed, l’équipe s’est concentrée en particulier sur l’examen et la comparaison des objectifs scientifiques, des méthodologies, des sources de données, de l’éthique et des lacunes dans les approches utilisées.

Ceux qui s’intéressent à la médecine de précision, a-t-il dit, peuvent consulter le document pour savoir quels programmes d’IA pourraient être les mieux adaptés à leurs recherches.

Pour faciliter l’avènement de la médecine de précision, l’étude a conclu que la communauté scientifique doit relever plusieurs “grands défis”, allant de la résolution de problèmes généraux tels que l’amélioration de la normalisation des données et la protection renforcée des informations d’identification personnelle à des problèmes plus techniques tels que la correction des erreurs dans données génomiques et cliniques.

“L’IA a le potentiel de jouer un rôle vital pour réaliser des améliorations significatives en fournissant de meilleurs soins de santé individualisés et à la population à moindre coût”, a déclaré Ahmed. “Nous devons nous efforcer de relever les défis éventuels qui continuent de ralentir les progrès de cette approche thérapeutique révolutionnaire.”

Parmi les autres chercheurs de Rutgers impliqués dans l’étude figuraient Sreya Vadapalli et Habiba Abdelhalim, assistants de recherche à l’IFH, et Saman Zeeshan, chercheur en bioinformatique et ancien associé de recherche postdoctoral au Rutgers Cancer Institute du New Jersey.

Source de l’histoire :

Matériaux fourni par Université Rutgers. Original écrit par Kitta MacPherson. Remarque : Le contenu peut être modifié pour le style et la longueur.