Une étude aurait montré que l'apprentissage automatique, élément fondamental de l'intelligence artificielle, pouvait prédire la mort ou une crise cardiaque avec une précision de plus de 90 %. L'étude a été présentée lundi dernier à la Conférence internationale sur la cardiologie nucléaire et la tomodensitométrie cardiaque (ICNC) à Lisbonne. Elle a été réalisée par des chercheurs de l’Université de Turku, en Finlande.Pour réaliser cette étude, environ 950 patients ont été enregistrés et ces derniers souffraient de douleurs à la poitrine. Ils ont subi le protocole habituel du centre pour rechercher une maladie coronarienne. Au cours des six années de suivi des données de ces patients, il a été documenté 24 crises cardiaques et 49 décès, toutes causes confondues. À l'aide d'un scanner d'angiographie par tomodensitométrie coronarienne (CCTA), les chercheurs ont rassemblé environ 85 variables de données qu'ils ont entrées dans l'algorithme appelé LogitBoost.
En analysant de manière répétée ces variables, l'algorithme a appris comment les données d'imagerie interagissent et il a ensuite identifié des modèles corrélant les variables à la mort et à la crise cardiaque avec une précision de plus de 90 %. Les méthodes actuelles de prise de décision en matière de traitement reposent sur l'utilisation de scores de risque, mais les médecins ne sont pas en mesure de prendre en compte autant de variables que l'apprentissage automatique (Machine learning), ce qui réduit la précision de ces scores.
D'ailleurs le Dr Luis Eduardo Juarez-Orozco, auteur de l'étude a déclaré : « L'algorithme apprend progressivement à partir des données et après de nombreuses analyses, il détermine les schémas dimensionnels élevés devant être utilisés pour identifier efficacement les patients présentant le plus grand risque d'être frappé de crise cardiaque ou de mort. Le résultat est un score de risque individuel. Les médecins recueillent déjà beaucoup d'informations sur les patients par exemple, ceux qui souffrent de douleurs à la poitrine. Nous avons constaté que l'apprentissage automatique (Machine learning) peut intégrer ces données et prédire avec précision les risques individuels. Cela devrait nous permettre de personnaliser le traitement et au final, de conduire à de meilleurs résultats pour les patients ».
Sources : Science Daily & Luis Eduardo Juarez-Orozco
Et vous ?
Qu'en pensez-vous ? Cette étude est elle crédible scientifiquement parlant ?Voir aussi :
NVIDIA dévoile RAPIDS, sa suite logicielle pour l'apprentissage automatique (pas forcément profond) sur carte graphique Amazon lance un service qui utilise l'apprentissage automatique pour extraire des informations médicales clés à partir des dossiers des patients Apple compte aller plus loin dans l'IA et l'apprentissage automatique en nommant un nouveau vice-président directeur de la stratégie d'IA 
Envoyé par Jonathan
