Détecteurs de symptômes basés sur l’IA
Un diagnostic différentiel est une liste de conditions ou de maladies possibles qui pourraient être à l’origine des symptômes des malades.
De nombreuses start-up ont mis au point des applications reposant sur l’IA “AI-enabled chatbot-based symptom checkers”(CSC) qui permettent d’effectuer des diagnostics différentiels depuis son domicile.
Ces applications, comme WebMD Démo, permettent d’établir les antécédents du patient, de procéder à un examen physique, d’évaluer les symptômes, de donner un premier diagnostic, de commander d’autres tests, d’effectuer et analyser les résultats des tests, de fournir un diagnostic final, et enfin d’orienter le patient vers d’autres services ou d’autres traitements de suivi.
-> WebMD Démo simulation : https://symptoms.webmd.com
Ces applications sont perfectibles. Deux étudiants chercheurs de l’université de Pennsylvanie ont effectué une analyse sur 11 de ces applications : Ada, K Health, Ask NHS, Your.MD, Mediktor, HealthTap, Apothēka Patient, Sensely, Health Buddy, Babylon, and NHS online. Ils ont identifié quelques lacunes comme la prise en compte de l’historique de santé du patient pour établir le diagnostic.
Comment fonctionne chatbot-based symptom checkers?
Un papier publié, en février 2020, par des chercheurs de “The National Institute for Health Innovation(NIHI)” d’Auckland permet de comprendre comment fonctionnent les Chatbots qui effectuent des diagnostics différentiels.
- L’architecture de leur chatbot nommé HHH se base sur un graphique de connaissances et un modèle NLP de similarité sémantique.
- Le graphique de connaissances est construit à partir de données médicales collectées sur Internet. Le modèle NLP de est construit avec un BiLSTM.
Le graphique de connaissances permet d’accéder à un stockage structuré de l’information qui optimise la récupération de connaissances spécifiques à une pathologie.
Le modèle d’attention (BiLSTM) permet de mieux représenter et comprendre les questions en langage naturel.
Combiner les deux modèles permet d’obtenir d’après les chercheurs de l’université d’Aukland un “AI-enabled chatbot-based symptom checkers” plus performant.
Détection des arrêts cardiaques de Corti.ai via un ASR
L’Intelligence Artificielle peut également être utilisée dans les diagnostics différentiels effectués par les services d’Urgences. La start-up danoise Corti.ai a developpé un Automatic Speech Recognition (ASR) pour aider à identifier les signes d’arrêt cardiaque au téléphone.
Les dispatchers de Copenhague, qui sont bien formés, peuvent reconnaître un arrêt cardiaque à partir des descriptions faites au téléphone dans environ 73 % des cas. Mais l’Intelligence Artificielle de Corti peut faire mieux et identifie correctement un arrêt cardiaque dans 95 % des cas.
En mai 2020, les chercheurs de Corti.ai ont proposé un modèle MultiQT: (Multimodal Learning for Real-Time Question Tracking in Speech) qui traite la parole et sa représentation textuelle comme deux modalités distinctes en apprenant conjointement de l’audio diffusée en continu et de sa transcription en texte. Cet apprentissage multimodal permet, selon eux, d’augmenter les performances de l’ASR.
Annexe
Ressources utilisées pour écrire cet article
MIT 6.S897 Machine Learning for Healthcare, Spring 2019, Differential Diagnosis
Corti.ai, l’IA capable d’écouter les appels en temps réel
