Andrew Ng est un chercheur américain en informatique. Il est professeur associé au département de science informatique de l’université Stanford. Il est à l’origine du cours sur Coursera AI in Healthcare.
Fei Fei Li est une informaticienne et chercheuse américaine. Elle est professeure d’informatique à l’université de Stanford. Fei Fei Li est co-directrice de @StanfordHAI : Advancing AI research, education, policy, and practice to improve the human condition.
Complexité du secteur de la médecine
La diversité des acteurs dans le monde de la médecine, la complexité des systèmes de santé à travers le monde distingue ce secteur des autres secteurs de l’économie. La médecine n’est pas qu’une activité capitalistique, elle engage des vies humaines.
Problématiques habituelles
Pour Andrew Ng, les problématiques de déploiement des algorithmes dans le secteur de la santé sont les mêmes que dans le commerce ou l’industrie.
Elles concernent le respect de la vie privée, la sécurité des utilisateurs, le pilotage de la gestion du changement et aussi la généralisation des modèles sur de nouvelles données. Andrew Ng souligne la difficulté de mettre les modèles en production.
Pour Andrew Ng, les chercheurs au lieu de chercher à améliorer l’ingénierie des modèles comme ResNet ou U-Net devraient en priorité travailler sur la qualité des données qui permettent d’entraîner ces modèles. Il est nécessaire de passer de l’IA modèle-centrique à l’IA data-centrique: se focaliser sur la sélection et la qualité des données.
Etendre le spectre de la digitalisation des données
Fei Fei Li insiste sur le fait que la prise en compte des maladies chroniques à domicile échappe à toute production de données. Les compte-rendu effectués par les infirmières sont rares et effectués à la main. Fei Fei Li pense qu’il est nécessaire d’étendre l’usage des technologies collectrices de données à l’ensemble des soins.
Dans les espaces hospitaliers, les premières applications de ces technologies pourraient permettre des flux de travail cliniques plus efficaces et une meilleure sécurité des patients dans les unités de soins intensifs et les salles d’opération.
Chez eux, ces technologies basées sur l’IA pourraient prolonger l’indépendance des personnes âgées et améliorer la gestion des personnes atteintes d’une maladie chronique.
Pour Fei Fei Li, la COVID-19 aura été certainement un accélérateur dans la prise de conscience du potentiel de la télémédecine, la nécessité d’ajuster la capacité des soins dans les hôpitaux pour faire face aux crises; et la nécessité de développer une prise en charge des soins à domicile.
Ethique et respect de la vie privée
Un des aspects les plus important de la recherche en médecine est l’éthique et le respect de la vie privée. Les chercheurs de Stanford en plus de travailler sur des algorithmes adaptés à la médecine, travaillent sur des moyens d’encrypter la donnée médicale (Homomorphic Encryption).
Selon Fei Fei Li pour éviter que les données et les modèles soient biaisés, il faut reconnaître la responsabilité humaine et non la responsabilité de l’algorithme dans la génération de ces biais. Les biais existent dès la collecte de données ou le design de l’algorithme par les scientifiques.
Dialogue entre ingénieurs et médecins nécessaire
Pour Andrew Ng, il est nécessaire d’estimer la faisabilité du projet ainsi que la valeur apportée aux médecin et aux patients avant de se lancer dans un projet d’Intelligence Artificielle. Pour se faire il faut réunir les différentes parties ingénieurs en Deep Learning et praticiens pour partager la connaissance et les objectifs avec humilité.
Fe Fei Li conseille à tous ses étudiants en Deep Learning appliqué à la médecine de fermer leur ordinateur et d’accompagner sur le terrain les praticiens. Il est nécessaire pour les ingénieurs de percevoir les difficultés et les problématiques de soin rencontrées par le personnel soignant au quotidien.
Les algorithmes ne se substituent pas aux médecins, ils les aident dans leur relation avec les patients
Andrew Ng raconte avoir participé à la conception d’un modèle qui permet de prédire la fin de vie du patient. Le plus important n’était pas la prédiction de l’algorithme mais le dialogue que cette prédiction déclenchait entre le patient, la famille du patient et les soignants.
Pour regarder la totalité de cette conversation du 29 avril 2021
Fei-Fei Li’s Mission to Transform Healthcare AI
