Le Dr Taha Kass-Hout, vice-président de l’IA pour la santé et CMO chez Amazon Web Services, note que 97 % des données de santé ne sont pas utilisées car elles ne sont pas structurées. Cela inclut les radiographies et les dossiers médicaux joints aux diapositives. L’apprentissage automatique (ML) permet aux professionnels de la santé de structurer et d’indexer ces informations. Amazon HealthLake est un service qui permet de rechercher et d’interroger des données non structurées.
De plus, le ML et le traitement du langage naturel (NLP) aident les organisations de soins de santé à comprendre la signification des données cliniques, ajoute-t-il.
Par exemple, l’hôpital pour enfants de Philadelphie s’est tourné vers les services AWS AI pour intégrer et faciliter le partage de données génomiques, cliniques et d’imagerie afin d’aider les chercheurs à analyser les maladies, à développer de nouvelles hypothèses et à faire des découvertes.
Documentation AI Scours pour les études sur le cancer
Le Fred Hutchinson Cancer Center de Seattle a utilisé la PNL dans Amazon Comprehend Medical pour examiner des montagnes de données d’enregistrements cliniques non structurées à grande échelle afin d’associer rapidement les patients aux études cliniques sur le cancer. La PNL a aidé les médecins à examiner environ 10 000 dossiers médicaux par heure pour trouver des patients avec les bons critères d’inclusion, supprimant ainsi le « travail lourd », explique Kass-Hout.
« Il y a des critères d’inclusion laborieux à passer, où vous devez identifier de nombreuses caractéristiques sur le patient pour déterminer s’il répond aux critères pour être inscrit dans un essai clinique. Souvent, vous devez lire l’intégralité des antécédents médicaux », explique Kass-Hout.
Selon Kass-Hout, moins de 5 % des patients correspondent aux critères de recrutement pour ces types d’essais cliniques, en partie à cause des difficultés d’identification des bonnes informations parmi les données non structurées.
LIRE LA SUITE: Les directives de soins cliniques basées sur l’IA peuvent conduire à de meilleurs résultats pour les patients.
L’IA aide à diagnostiquer et à gérer les maladies rénales
L’IA aide les médecins à diagnostiquer et à gérer les maladies rénales et à prédire les trajectoires des patients atteints d’insuffisance rénale, déclare le Dr Peter Kotanko, responsable de la génération de preuves biomédicales au Renal Research Institute (RRI) et professeur adjoint de médecine pour la néphrologie à l’Icahn School of Medicine à Mount Sinaï à New York.
Kotanko indique que les néphrologues et d’autres disciplines médicales utilisent l’IA et le ML pour évaluer les images de radiologie ou d’histopathologie, ainsi que les images prises par les smartphones pour diagnostiquer l’état d’un patient.
« L’IA s’appuie non seulement sur des données de laboratoire structurées ou des données stockées dans des dossiers de santé électroniques, mais utilise également, bien sûr, des outils tels que le traitement du langage naturel pour extraire des informations des textes non structurés », a-t-il déclaré.
Pendant ce temps, le ML est utilisé pour prédire les résultats des patients, y compris l’hospitalisation, et pour identifier les patients susceptibles d’avoir le COVID-19. RRI utilise l’apprentissage en profondeur pour analyser les images des smartphones ou des tablettes afin d’évaluer l’accès vasculaire artério-veineux d’un patient, qui est utilisé pour connecter un patient à la machine de dialyse.
« Un réseau neuronal convolutif, ou CNN, analyse ces types de données et renvoie une évaluation respective à l’utilisateur en une seconde environ », explique Kotanko. « Les images sont envoyées depuis la tablette ou le smartphone vers le cloud où un CNN reçoit les données, puis fournit la réponse correspondante. »
