L'intelligence artificielle peut aider à réduire les examens médicaux

Une visite chez le médecin qui génère une demande de test sanguin. Un retour qui génère une autre demande de test sanguin parce que le médecin veut "s'assurer". C'est une boucle que tout le monde a probablement traversée ou traversera dans la vie. Ou peut-être pas. Pour Jonathan Chen, professeur adjoint de médecine à l'Université de Stanford, l'intelligence artificielle peut aider à rompre ce cycle grâce à un algorithme.

Fondamentaux et considérés comme la pierre angulaire de la médecine diagnostique, des analyses de sang répétées peuvent signifier un remaniement et un débordement, car les chances d'obtenir des résultats inchangés répétés sont énormes. De plus, l'administration répétée du même test peut être préjudiciable au patient.

Pour Jason Hom, professeur adjoint de médecine, en plus des inconvénients financiers liés aux tests inutiles, dans certains cas, les tests sont effectués si souvent que les patients peuvent même devenir anémiques.

Assurer un diagnostic est sans aucun doute essentiel, mais pour Chen, ce besoin est dû à l’absence de directives sur la raison des diverses analyses de sang. Chen et son équipe soulignent que l'algorithme est une ressource qui fournit des preuves qui doivent être prises en compte pour chaque patient, pas une méthode de prise de décision pour le médecin ou les patients.

Photo: Freepik

En bref, l'algorithme indique au médecin la probabilité qu'un autre test produise un résultat différent du premier.

L'utilisation de l'intelligence artificielle a commencé à être testée et révèle que les médecins pourraient réduire les tests à plusieurs reprises. Les données recueillies dans le cadre de l’étude pilote montrent que certains de ces tests sont effectués de manière si étroite qu’il est physiologiquement impossible de modifier les valeurs des résultats.

Pour tester l'algorithme, Chen et son équipe ont utilisé des données de patients non identifiés, telles que signes vitaux, conditions médicales, symptômes, résultats de tests de laboratoire et autres, pour montrer à quelle fréquence les tests sanguins rapportaient une anomalie. Les tests ont été réalisés à Stanford, à l’Université de Californie et à l’Université du Michigan.

«C’est une bonne première étape pour montrer qu’il est vraiment possible d’utiliser les données de cette manière pour aider à réduire les tests de laboratoire inutiles. Mais au final, notre idée est que les institutions utilisent notre méthode et notre technologie, mais développent leurs propres algorithmes basés sur leurs propres données pour générer le plus haut niveau de précision possible ", a déclaré Chen.