Percées dans les soins aux patients grâce à l’imagerie médicale basée sur le cloud
Des fournisseurs tels que Mass General Brigham ont déployé la plate-forme cloud Precision Imaging Network de Nuance en conjonction avec le Medical Open Network for AI soutenu par NVIDIA, un cadre open source pour le développement et la formation de modèles d’IA en imagerie médicale.
Les algorithmes d’IA peuvent analyser les images médicales beaucoup plus rapidement et avec précision que les radiologues humains, ce qui conduit à des diagnostics plus rapides et plus précis, explique le Dr Keith Dreyer, directeur de la science des données et directeur de l’information sur l’imagerie chez Mass General Brigham.
« Il existe une opportunité d’optimisation et de gains d’efficacité grâce à l’utilisation de l’IA », dit-il. « Il peut également voir des choses que les humains ne peuvent pas voir, ce qui est également une percée dans notre domaine. »
L’IA peut signaler des résultats anormaux et fournir au radiologue des examens antérieurs qui ont donné des résultats similaires, explique Tom Schultz, directeur principal de l’imagerie médicale d’entreprise au Mass General Brigham Data Science Office. « L’IA peut les aider à trouver le résultat de ces cas, ce qui peut ensuite les informer sur le cas en cours qu’ils examinent », dit-il.
Les outils alimentés par l’IA et l’apprentissage automatique (ML) peuvent permettre l’interopérabilité, intégrer des informations dans différents systèmes de dossiers de santé électroniques et combiner des données d’imagerie avec des données génomiques et de DSE, déclare le Dr Rowland Illing, médecin-chef et directeur de la santé du secteur public international chez Services Web Amazon. « Le traitement du langage naturel peut être utilisé pour identifier et présenter des données pertinentes dans le contexte de l’étude », dit-il.
Développer l’imagerie médicale avec la technologie cloud
Le directeur de la stratégie de Nuance, Peter Durlach, souligne les avantages que la technologie cloud ajoute aux programmes d’imagerie médicale assistée par l’IA : les processus gourmands en unités de traitement graphique peuvent être augmentés et réduits sans les dépenses énormes d’une infrastructure sur site.
« Vous disposez de cette capacité de rafale et d’une capacité d’inférence dans le cloud, et le personnel informatique n’a pas à se soucier du déploiement de ces systèmes en constante évolution à l’intérieur de l’hôpital, qu’ils ne pourraient jamais suivre ou se permettre », dit-il.
Le cloud permet également une expérimentation et une mise en œuvre plus rapides, a déclaré Illing, citant l’exemple du logiciel d’aide à la décision basé sur l’intelligence artificielle d’Aidoc, qui analyse les tomodensitogrammes pour signaler les anomalies et hiérarchiser les cas potentiellement mortels.
« Ils cherchent régulièrement à publier de nouveaux algorithmes ciblant de nouvelles pathologies, et le cloud fournit la vitesse de développement nécessaire pour cela », dit-il.
À mesure que l’IA évolue et que les modèles d’apprentissage automatique deviennent plus avancés, explique Durlach, le potentiel de l’imagerie médicale pour améliorer les capacités de détection précoce des cancers et d’autres maladies est source d’espoir dans les soins de santé.
« Si vous pouviez faire de l’IA pour le dépistage du cancer à grande échelle, en utilisant ces modèles pour aider à sélectionner les patients susceptibles d’avoir quelque chose de suspect, l’effet sur les soins serait astronomique », dit-il. « Trouver des patients que vous auriez pu manquer ou détecter la maladie tôt est probablement la plus grande valeur clinique qui en découlera de loin. »
