Progrès de l’IA dans les soins de santé – Éclairage de Nathan Wang

L’intelligence artificielle devient rapidement l’un des facteurs clés des progrès dans l’industrie des soins de santé. En prévision du RE•WORK – Sommet sur l’IA dans les soins de santé à Boston, nous avons demandé à Nathan Wang – Chercheur en apprentissage profond/imagerie médicale à l’Université Johns Hopkins ses réflexions sur le sujet. Voici ce qu’il a dit :

Qu’est-ce que vous pensez être la plus importante avancée pour l’IA dans les soins de santé ?

Ces dernières années, le domaine a fait d’énormes progrès dans l’interprétabilité des modèles. En tant que chercheur, être capable de saisir intuitivement la « raison » derrière notre IA nous aide à construire des modèles plus robustes et plus précis. J’espère que les cliniciens et les patients pourront finalement avoir plus confiance dans ces systèmes d’IA.

Qu’est-ce que vous pensez être la réalisation la plus importante de l’IA pour les soins de santé et les résultats pour les patients ?

Je pense que la réalisation la plus importante de l’IA est encore à venir. Je sens que lorsque la génomique et la radionique deviendront plus importantes, l’IA jouera un rôle encore plus grand qu’aujourd’hui .

Quels sont quelques-uns des récents succès d’un projet d’IA sur lequel vous travaillez ? Quels défis avez-vous rencontrés pendant ce projet ? Comment les avez-vous surmontés ?

Mon travail à l’Université Johns Hopkins implique l’analyse d’images intraopératoires basée sur l’apprentissage profond, en particulier la distinction entre les tissus cancéreux et non cancéreux dans le cortex cérébral humain à partir d’images d’optique de cohérence tomographique (OCT). Un défi important que j’ai rencontré était de concevoir un modèle d’IA qui se généralise bien aux données de patients en dehors de l’ensemble d’entraînement. Même si les réseaux profonds excellent à extraire des modèles cachés, les modèles les plus facilement apprenables ne sont pas toujours corrects. Il est donc important d’employer différentes méthodes de normalisation et de transformation des données. Dans mon projet, j’ai trouvé que la texture d’image est très utile dans un schéma d’apprentissage d’ensemble afin que nous ayons à la fois l’apprentissage profond et les techniques de reconnaissance de modèles classiques qui travaillent ensemble.

À quel point l’IA sera-t-elle ancrée dans le flux de travail clinique dans 5 à 10 ans ? Quels seront certains tendances futures à ce moment-là ?

Je vois que l’IA sera de plus en plus étroitement associée aux experts à travers le flux de travail clinique, de la diagnose au traitement. L’IA s’est avérée apte non seulement à la diagnose précoce et au dépistage, mais également à prédire les résultats à long terme. En engageant un traitement opportun, qui peut être rendu plus précis et efficace avec l’IA, les gens peuvent s’attendre à vivre plus longtemps et en meilleure santé.

Qu’est-ce que vous attendez le plus en parlant au Sommet sur l’IA dans les soins de santé ?

La pertinence et l’impact de l’IA dans les soins de santé sont clairement reflétés dans le panel impressionnant de conférenciers experts issus de diverses industries et milieux de recherche. J’attends avec impatience d’apprendre de première main les dernières avancées de l’IA dans des domaines adjacents au mien et d’engager des conversations inspirantes qui influenceront positivement la direction de mes recherches.

Voulez-vous en savoir plus ?

Nathan sera conférencier au prochain Sommet sur l’IA dans les soins de santé les 13 et 14 octobre 2022 à Boston, MA. Rejoignez-le ainsi que de nombreux autres experts en IA/ML et en apprentissage profond pour en savoir plus sur les dernières tendances et opportunités dans les soins de santé.

Les passes Early Bird se terminent le vendredi 2 septembre, alors réservez votre place aujourd’hui.

Utilisez le code de réduction : UNITEAI pour 20 % de réduction.

Pour plus d’informations, contactez [email protected].