MEDECINE ET ROBOTIQUE

MEDECINE ET ROBOTIQUE

LEXIQUE DE L'IA EN SANTE


LEXIQUE DE L'IA EN SANTE : QU'EST-CE QUE L'APPRENTISSAGE MACHINE?

Nous vous proposons d'essayer de comprendre l'IA au travers de ses mots. Le lexique répond à un objectif didactique. Les mots sont choisis pour leur importance en IA médicale. Ils ne sont pas publiés par ordre alphabétique mais selon un schéma visant à apporter une compréhension progressive du sujet. Pour faciliter la lecture en ces temps de surcharge médiatique, le lexique n'est pas publié en une fois mais sous la forme d'une série d'articles. Les références bibliographiques utilisées sont indiquées en fin de page. 

 

MOT N°3: APPRENTISSAGE MACHINE

En anglais: machine learning

C’est le coeur de l’intelligence artificielle. Le terme apprentissage machine regroupe l’ensemble des méthodes informatiques destinées à rendre une machine autonome. La machine n’est plus programmée explicitement pour une tâche précise, elle s’auto-programme. Elle acquiert la capacité de s’adapter par elle-même à des variations de ses données d’entrée.

 

Il existe de nombreuses méthodes d’apprentissage machine. La plus connue et la plus efficace à ce jour est l'apprentissage profond (en anglais: deep learning). Mais, comme nous le verrons dans la suite de ce lexique, il n’est qu’une méthode parmi d’autres et n’est pas l’aboutissement de l’intelligence artificielle. D’autres méthodes, plus performantes, sont à l'étude et pourraient supplanter l'apprentissage profond prochainement. 

 

Quelle que soit la méthode utilisée, l’apprentissage machine doit respecter certaines étapes communes. Il s’agit des phases d'entraînement, de validation et de test. Ces termes se retrouvent dans toutes les publications d’intelligence artificielle médicale. Il est donc important de savoir ce qu'ils recoupent pour comprendre les paragraphes méthodologie des articles scientifiques médicaux. 

 

Les 3 phases de l'apprentissage machine

Le but de l'apprentissage machine est d'apprendre à un système informatique à réaliser une tâche. Quelques exemples réussis en médecine sont la reconnaissance de mélanomes sur des photographie de lésions dermatologiques, de métastases de cancer du sein sur des coupes anatomo-pathologiques de curages ganglionnaires ou encore le diagnostic de tumeurs cérébrales sur des scanners. 

 

Pour entraîner une machine, il est nécessaire de partir d'une base de données. Si l'objectif est, par exemple, de configurer un algorithme de diagnostic automatique de mélanomes, on utilisera comme base de données une bibliothèque de photographies, déjà enregistrées et déjà étiquetées, de lésions dermatologiques. 

La base de données va être divisée en 3 parties inégales qui vont, chacune, être utilisées dans 3 étapes successives et distinctes du processus d'apprentissage machine:  entraînement, validation et test. 

 

Entraînement, validation et test

En anglais; training, validation et test

Entraînement. Un échantillon, le plus important - 60 à 75% des données lui sont réservées- est utilisé pour l’entraînement, c’est à dire la création de l’algorithme.  C'est dans cette phase que la machine "apprend" c'est-à-dire qu'elle compose un algorithme qui permettra d'exécuter la tâche demandée: par exemple, reconnaître les mélanomes au sein du jeu de photographies de lésions dermatologiques.  

Une fois cette phase terminée, il restera à vérifier que l'algorithme fonctionne sur des données inconnues, qu'il est "généralisable". C'est le rôle des phases suivantes qui se feront sur le reste des données qui sont, en quelque sorte, mises à part pour tester l’algorithme. 

 

Validation. On soumet donc l’algorithme à un jeu données qu’il ne connaît pas. Le but de cette phase est de repérer les erreurs et de les corriger.

Reprenons l’exemple du système entraîné à reconnaître des mélanomes sur des photographies. A l’issue de la phase d’entraînement, on confronte l’algorithme au  jeu de validation qui, rappelons le, est composé d’images qu’il ne connaît pas. Ce jeu comprend des images de mélanomes et des images autres ( normales, autres tumeurs etc..). Lorsque, sur ce jeu inconnu, le système va se tromper, on le corrige en lui indiquant la bonne réponse. La machine modifie son algorithme en conséquence.

Cette phase de réglage est indispensable pour obtenir un algorithme performant. Mais elle comporte elle-même un risque, celui du « surajustement » ou overfitting en anglais. Cela signifie que l’algorithme s’est trop adapté à sa base de données et a du mal à généraliser. Ceci peut se produire si l’échantillon de validation n’est pas suffisamment représentatif de la population générale, ce qui est le cas si le nombre de données est trop petit. 

L’une des façons de contourner ce problème est de créer un 3e échantillon dit de test. 

 

Test. L’algorithme corrigé au cours de la phase de validation est soumis à ce 3e échantillon. Si l’algorithme est capable de donner de bonnes réponses sur ce jeu de données inconnues pour lui, on dit qu’il est généralisable. 

Son aventure dans le monde réel peut alors commencer…

 

LES MACHINES APPRENNENT-ELLES VRAIMENT? 

Cette question est au cœur du débat de société entourant l'intelligence artificielle. En réalité, les machines n’apprennent pas au sens humain du terme. Les actions qu'elles effectuent sont le résultat de calculs mathématiques. L'intelligence artificielle aboutit certes à des actions automatisées qui miment celles du cerveau humain mais il n'existe pas de processus conscient sous-jacent. La machine "intelligente" ne fait que manipuler des données connues, préalablement enregistrées. Elle ne "pense" pas et ne crée pas de concept nouveau. Elle peut aider à le faire, mais n'en produit pas par elle-même.

Pour reprendre l'expression de Christophe Tricot dans l'article cité en référence ci-dessous:  "les machines calculent mais n'apprennent pas". 

 

 

Quelques sources documentaires

 

Sur le machine learning:

Référence video: 

Intervention de Alexia Audevart  à l'occasion du salon de la data à Nantes en 2017.  L'auteure a de remarquables qualités pédagogiques. Cette présentation est peut être la plus claire de toutes celles que j'ai vues. Vous ne perdrez pas les 45 min que vous passerez à la visualiser. 

 

Référence bibliographiques:

Citons 2 ouvrages, l'un en français, l'autre en anglais, tous 2 remarquables par leur clarté et leurs qualités didactiques. 

Jean-Claude Heudin: Manuel de survie en intelligence artificielle.

 

En langue anglaise: John Paul Mueller and Luca Massaron. Machine Learning for dummies. 

 

 

Sur le thème : les machines apprennent -elles vraiment?

Citons l'article de Christophe Tricot, paru en janvier 2018 dans le journal L'Usine Nouvelle

https://www.usinenouvelle.com/article/tribune-les-machines-n-apprennent-pas.N642748

 

 

LES AUTRES ARTICLES DU LEXIQUE:

 

LEXIQUE DE L'IA EN SANTE : QU'EST-CE QUE L'INTELLIGENCE ARTIFICIELLE?

 

LEXIQUE DE L'IA EN SANTE: QU'EST-CE QU'UN AGENT CONVERSATIONNEL?

 

 

 

 

 

 


30/09/2018
1 Poster un commentaire

LEXIQUE DE L'IA EN SANTE: QU'EST-CE QU'UN AGENT CONVERSATIONNEL?

Nous vous proposons d'essayer de comprendre l'IA au travers de ses mots. Le lexique répond à un objectif didactique. Les mots sont choisis pour leur importance en IA médicale. Ils ne sont pas publiés par ordre alphabétique mais selon un schéma visant à apporter une compréhension progressive du sujet. Chaque définition est accompagnée d'un bref commentaire explicatif. Pour faciliter la lecture en ces temps de surcharge médiatique, le lexique n'est pas publié en une fois mais sous la forme d'une série d'articles. Les références bibliographiques utilisées sont indiquées en fin de page. 

 

MOT N°2: AGENT CONVERSATIONNEL

En anglais: conversational agent ou chatbot

 

Un agent conversationnel ou chatbot en anglais est une interface homme-machine permettant de dialoguer naturellement avec un programme informatique. Le dialogue peut se faire par écrit mais aussi, et c’est ce qui est le plus intéressant, en langage parlé naturel. 

Les exemples les plus connus sont les applications à reconnaissance vocale des smartphones: Siri d'Apple ou Google Now pour Androïd. Mais il peut revêtir d'autres formes comme celle d'un personnage animé apparaissant sur un écran. On parle alors d'agent conversationnel incorporé ( embodied conversational agent en anglais).

 

Pourquoi parle -t-on d’intelligence artificielle pour un agent conversationnel? 

Le développement des techniques de dialogue entre humain et machine, particulièrement la reconnaissance vocale, est une branche importante de l'IA. Les recherches actuelles tendent à développer la reconnaissance visuelle des expressions faciales pour compléter la reconnaissance vocale et améliorer la performance globale.

Mais l’agent conversationnel n'est pas "intelligent" au sens humain du terme. Il n’a évidemment aucune conscience de lui même et ne peut ni interpréter le vocabulaire ni comprendre les mots et les phrases. C'est un automate, c'est-à-dire un objet qui agit de façon stéréotypée après déclenchement d'un mécanisme intérieur. Le dialogue dont nous parlons ne peut donc en aucune manière être assimilé à une "vraie" conversation. 

 

 Et en santé? 

En médecine, ce sont les psychiatres qui sont les premiers à exploiter les agents conversationnels. Ils sont très bien tolérés par les patients. L’une des explications en serait qu’il est plus facile de se confier à une machine qui ne peut pas vous juger qu’à un humain. 

De nombreuses start-up en développent pour la santé avec des utilisations très variées: suivi des traitements, dépistage de complications..

L’un des usages les plus prometteurs, toute spécialité confondue, est l’automatisation des questionnaires. Imaginez-vous en salle d’attente chez votre médecin et dialoguer avec un agent conversationnel pour répondre un questionnaire de santé. Des applications très intéressantes sont attendues dans le domaine du dépistage ou du pré-diagnostic. 

 

POUR EN SAVOIR PLUS 

Un exemple d'agent conversationnel incorporé en psychiatrie dans la video ci-dessous:

 

 

 

 

Sur les agents conversationnels en santé en général:

 Liliana Laranjo et coll. Conversational agents in healthcare: a systematic review. JAMIA 2018. 

https://academic.oup.com/jamia/article/25/9/1248/5052181

 

LES MOTS PRECEDENTS DU LEXIQUE:

MOT N°1:

LEXIQUE DE L'IA EN SANTE : QU'EST-CE QUE L'INTELLIGENCE ARTIFICIELLE?

 

 

 

 




01/09/2018
0 Poster un commentaire

LEXIQUE DE L'IA EN SANTE : QU'EST-CE QUE L'INTELLIGENCE ARTIFICIELLE?

Nous vous proposons d'essayer de comprendre l'IA au travers de ses mots. Le lexique répond à un objectif didactique. Les mots sont choisis pour leur importance en IA médicale. Ils ne sont pas publiés par ordre alphabétique mais selon un schéma visant à apporter une compréhension progressive du sujet. Chaque définition est accompagnée d'un bref commentaire explicatif. Pour faciliter la lecture en ces temps de surcharge médiatique, le lexique n'est pas publié en une fois mais sous la forme d'une série d'articles. Les références bibliographiques utilisées sont indiquées en fin de page. 

 

MOT N°1: INTELLIGENCE ARTIFICIELLE

abrégée par IA ou AI en anglais pour Artificial Intelligence

 

Qu’est-ce que l’intelligence Artificielle ? 

Il s’agit de la reproduction de certaines fonctions du cerveau humain par un programme informatique. 

3 types de systèmes sont étudiés en IA médicale. 

  1. La recherche encyclopédique automatisée (bibliographie automatisée) représentée par WATSON d’IBM qui fonctionne selon un mode de recherche statistique
  2. Le diagnostic spécialisé automatisé basé sur une méthode particulière d’apprentissage machine, le deep learning. Deux exemples en sont les IA de GOOGLE capables de diagnostiquer le mélanome et de prédire le risque cardio-vasculaire à partir du fond d'oeil
  3. La consultation automatisée par agent conversationnel ou CHATBOT en anglais.  Un exemple est le « psychiatre virtuel » développé par l’équipe de psychiatrie du CHU de Bordeaux. 

Il faut noter qu’il n’existe pas de définition consensuelle de l’intelligence artificielle. Les opinions des spécialistes du domaine sont diverses et leurs désaccords nombreux. Ainsi, certains contestent la qualité d’IA aux agents conversationnels. Il ne nous appartient pas de trancher ce débat. Nous incluons le chatbot dans notre définition, tout simplement parce que c’est ainsi qu’ils est présenté dans les publications médicales. Les professionnels de santé entendront donc parler d’IA pour ces 3 type d’applications. 

 

POUR EN SAVOIR PLUS:

 

Sur WATSON d'IBM: 

L'INTELLIGENCE ARTIFICIELLE DE WATSON PEUT-ELLE REMPLACER LES MEDECINS ? (I)

L'INTELLIGENCE ARTIFICIELLE DE WATSON PEUT-ELLE REMPLACER LES MEDECINS? (II)

Comment WATSON est-il utilisé en médecine?

WATSON PEUT-IL REMPLACER VOTRE MEDECIN?

 

Sur les applications du deep learning:

COMPRENDRE L'IA EN MEDECINE N°1. GOOGLE PREDIT LE RISQUE CARDIO-VASCULAIRE

COMPRENDRE L’INTELLIGENCE ARTIFICIELLE EN MEDECINE N°2: DEPISTER LE MELANOME

 

Sur les applications des agents conversationnels:

COMMENT FONCTIONNE LE PSYCHIATRE VIRTUEL ?

 

 

 


20/08/2018
0 Poster un commentaire