Ce 5 février, des scientifiques de l'université de Copenhague ont dévoilé un outil d'IA qui peut prédire les cas de personnes qui vont succomber au COVID-19 avec une précision allant jusqu'à 90 %. Les chercheurs ont mené l’expérience avec les données de santé de 5594 patients européens. L'outil a déterminé si une personne non infectée qui attrape le virus succombera de la maladie avec une certitude allant jusqu'à 90 %. Il a également prédit si une personne admise à l'hôpital avec le COVID-19 avait besoin d'un respirateur, avec une précision de 80 %.Le professeur Mads Nielsen, de l'université de Copenhague, a déclaré que cet outil pourrait aider à identifier les personnes à vacciner en priorité et le nombre de respirateurs nécessaire pour un hôpital. « Nous visons un objectif qui devrait nous permettre de prévoir le besoin de respirateurs cinq jours à l'avance en donnant à l'ordinateur l'accès aux données sanitaires sur tous les séropositifs COVID de la région. L'ordinateur ne pourra jamais remplacer l'évaluation d'un médecin, mais il peut aider les médecins et les hôpitaux à identifier de nombreux patients infectés par le COVID-19 et à établir des priorités », a-t-il déclaré.
Durant l'étape d’analyse du projet d'intelligence artificielle de l'université de Copenhague, tous les tests de dépistage ont été effectués dans des hôpitaux régionaux, les patients étant testés en fonction de la présence des symptômes. Pour les cas ayant au moins un test positif, les chercheurs ont extrait les données du système de DSE (dossier de santé électronique) bi-régional, y compris les données démographiques, les comorbidités et les médicaments sur ordonnance.
Pour pouvoir effectuer une validation externe des modèles de Machine Learning (apprentissage automatique), les chercheurs ont extrait les données du groupe COVID-19 de la biobanque britannique. La biobanque britannique contient des informations détaillées sur les soins de santé de 500 000 citoyens britanniques, dont 1650 ont été testés positifs au COVID-19. Ce groupe a récemment été mis à disposition pour les besoins de la recherche par le consortium de la biobanque britannique et contient les données des tests de diagnostic au COVID-19. Les chercheurs expliquent le choix porté sur l'ensemble de données de la biobanque britannique comme groupe de validation par la nécessité de valider le modèle sur un ensemble de données internationales provenant d'un système de soins de santé comparable. Le choix spécifique de la biobanque britannique était également dû à la nature conservatrice et à la haute qualité de cet ensemble de données.
Modèles de prédiction
Les modèles d'apprentissage automatique ont été formés et validés sur l'ensemble des données danoises. Un sous-ensemble de modèles partageant des champs de données identiques entre les groupes danois et britannique a ensuite été validé en externe sur l'ensemble de données de la biobanque britannique. Les chercheurs de l’université de Copenhague ont construit des modèles de prédiction ML en incluant les données disponibles pour les patients y compris les délais ou points temporels. Pour faciliter leurs travaux, les chercheurs ont utilisé des forêts aléatoires implémentées dans la librairie open source d'apprentissage automatique scikit-learn. Étant donné que chaque arbre individuel a été formé sur un échantillon, certains échantillons OOB (out-of-bag) des données de formation pouvaient être utilisés pour estimer la performance de la reconnaissance des formes.
Tous les modèles ont été évalués sur l'ensemble danois à l'aide d'une validation croisée en cinq points. Les plis ont été stratifiés pour s'assurer que les divisions étaient représentatives de l’ensemble du groupe. Comme critère de sélection, les scientifiques ont calculé la zone des caractéristiques opérationnelles du récepteur sous la courbe ROC-AUC (Receiver Operating Characteristic ou caractéristique de fonctionnement du récepteur) sur les échantillons OOB. Au total, 3944 personnes ont subi au moins un test de dépistage du SRAS-CoV-2 positif dans les deux régions danoises et ont été incluses dans l'étude. À cela, s'ajoutent les 1650 patients de la biobanque britannique utilisés pour la validation externe du modèle. La figure ci-dessous illustre l'identification et la sélection des patients sous forme d'organigramme pour le groupe danois.
Organigramme de la sélection et de l'identification des patients pour le groupe danois
Parmi ces cas danois, 1359 soit 34,5 % ont nécessité une hospitalisation et 181 soit 4,6 % des soins intensifs. Au total, 324 patients soit 8,2 % sont décédés. Selon les scientifiques, l’indice de masse corporelle et l'âge ont été les indicateurs les plus décisifs. Mais l'étude a également montré que les hommes et les personnes souffrant d'hypertension artérielle ou d'une maladie neurologique présentaient un risque élevé. Viennent ensuite les maladies pulmonaires obstructives chroniques (MPOC), l'asthme, le diabète et les maladies cardiaques. « Pour ceux qui sont affectés par un ou plusieurs de ces paramètres, nous avons constaté qu'il peut être judicieux de les faire passer en tête de liste des cas à vacciner, afin d'éviter tout risque qu'ils soient infectés et finissent par se retrouver sous respirateur », a déclaré Nielsen.
Source : Rapport de l'étude
Et vous ?
Que pensez-vous de cet outil ?Voir aussi
Pour Elon Musk l'IA est bien plus dangereuse que l'arme nucléaire, alors que Bill Gates estime que l'IA est à la fois porteuse d'espoir et dangereuse Gartner : la montée en puissance de l'IA créera 2,9 mille milliards USD de valeur commerciale en 2021, en valorisant l'intelligence augmentée USA : une IA vient de contrôler un avion militaire pour la toute première fois, un tournant décisif pour une technologie intensément débattue dans le domaine du contrôle des armements Une IA rédige un essai sur les raisons pour lesquelles l'Homme ne devrait pas craindre l'intelligence artificielle, dans un contexte où certains prédisent la domination de la machine sur l'humain 
Envoyé par Acheumeuneu
