Le machine learning se déploie progressivement dans le monde de la santé.
Pour accélérer la recherche et optimiser le diagnostic et les traitements.
L’intelligence artificielle prend une place de plus en plus importante dans le domaine de la santé. Une de ses composantes est le machine learning, appelé également apprentissage automatique. Qui permet d’accélérer des processus et de traiter un volume massif de données. Également celui des informations permettant de développer l’analyse prédictive.
Les capacités d’apprentissage du machine learning permettent de bénéficier d’analyses plus fines et pertinentes que les technologies algorithmiques passées. Cette capacité à traiter des informations en masse et à faire des analyses prédictives. Et intéresse de plus en plus les acteurs de santé.
Les usages du ML en santé :
On observe de nombreux usages du machine learning dans le domaine de la santé. Impactant notamment la recherche, la pratique des professionnels de santé ou l’industrie pharmaceutique. La principale utilisation du machine learning en santé s’effectue aujourd’hui dans le domaine de la recherche, aussi bien publique que privée. Dans l’industrie pharmaceutique, le machine learning est au cœur des stratégies R&D.
Le traitement d’immense volume de données et les analyses prédictives permettent de découvrir de nouvelles molécules ou d’accélérer les phases de développement. Il est également présent au niveau des essais cliniques pour identifier efficacement les meilleurs traitements pour chaque profil de patient. Le ML offre également la possibilité de détecter plus précocement une pathologie ou de savoir quels patients avec une maladie silencieuse sont susceptibles de faire un événement grave à court terme.
Du côté de la pratique clinique, le machine learning est de plus en plus utilisé en radiologie pour l’interprétation d’imageries médicales. Il permet d’accélérer et d’optimiser les phases de diagnostic tout en faisant gagner du temps aux professionnels de santé. Le ML n’est pas là pour remplacer le médecin mais pour l’accompagner dans l’analyse et l’interprétation des énormes volumes de données collectées.
En milieu hospitalier :
En milieu hospitalier, le ML et l’intelligence artificielle sont utilisés pour simplifier et optimiser les tâches administratives. Notamment le parcours du patient à l’hôpital ou sa prise en charge. Le monde de la chirurgie est également impacté par ces nouvelles technologies. Ce qui permettent notamment de simplifier la pratique des chirurgiens ou réduire les erreurs chirurgicales. Le machine learning est notamment de plus en plus utilisé au niveau de la robotique. Ce qui permet également d’améliorer la précision des gestes ou d’opérer à distance.
Des solutions d’accompagnement du patient intégrant du ML émergent peu à peu comme des assistants virtuels. Cela pour accompagner les patients tout au long de leurs parcours de soins comme TdocT