Même si l'AMIE a démontré des capacités de diagnostic supérieures à celles des médecins humains, des questions demeurent quant à l'éthique de sa mise en œuvre.
Dans le domaine de l'innovation médicale, Google a récemment dévoilé une avancée révolutionnaire avec son système d'IA, le Articulate Medical Intelligence Explorer (AMIE), marquant une avancée significative dans l’intégration de l’intelligence artificielle dans les soins de santé.
Cet effort ambitieux vise à rationaliser les processus de soins de santé, en offrant aux professionnels de la santé plus de temps pour les cas complexes et en étendant l'accès au diagnostic aux zones mal desservies.
Avec le débat en cours sur l’intégration de l’IA dans les pratiques médicales, des questions demeurent quant à l’étendue de l’utilisation du système. Ceci est particulièrement pertinent au cours de sa phase de recherche, où les essais sur l'homme jouent un rôle essentiel dans son développement.
Objectif du système
AMIE espère combler le fossé entre le diagnostic et le traitement, pour égaler ou surpasser la précision des médecins humains dans des domaines spécifiques. Cet objectif pourrait rendre le travail de santé plus fluide, en donnant aux médecins plus de temps pour les cas complexes et en élargissant l’accès aux diagnostics dans les zones qui manquent de services médicaux suffisants.
De plus, Google espère que son nouveau système atteindra, voire surpassera, la précision des médecins humains dans le diagnostic de diverses maladies. Cela pourrait être réalisé grâce à son accès à un ensemble massif de données de dossiers médicaux et à sa capacité à analyser des modèles complexes dans les données des patients.
AMIE est également conçue pour faire preuve d’empathie et de compréhension dans ses interactions avec les patients. Cela pourrait contribuer à créer une expérience plus positive et plus confortable, en particulier pour ceux qui pourraient être anxieux à l’idée de consulter un médecin.
De plus, le système a également le potentiel de fournir instantanément aux patients du matériel éducatif et des ressources sur leur maladie spécifique, les aidant ainsi à mieux comprendre leur diagnostic et leurs options de traitement.
D’une manière plus globale, la capacité de l’AMIE à analyser des quantités infinies de données médicales pourrait conduire à de nouvelles connaissances sur les causes et la progression des maladies. Cela pourrait à son tour conduire au développement de nouveaux traitements plus efficaces.
Aujourd'hui, nous avons partagé notre dernière prépublication présentant AMIE (Articulate Medical Intelligence Explorer), un système d'IA de recherche basé sur un grand modèle de langage (LLM) pour le raisonnement et les conversations médicales diagnostiques.🔗 https://t.co/7MiUI7IuU8 pic.twitter.com/kMJzFwKNFw
— Google IA (@GoogleAI) 12 janvier 2024
L’efficacité de Google AMIE
À tester le système, les chercheurs ont utilisé 20 participants comme patients fictifs. Chaque personne a reçu des consultations en ligne de l’AMIE et de 20 cliniciens certifiés, mais on ne leur a pas dit si elle interagissait avec un médecin humain ou avec l’IA. Les patients ont vécu un total de 149 scénarios cliniques, après quoi chacun a passé en revue son expérience personnelle.
Divers spécialistes ont été sollicités pour évaluer les performances du système de Google et des cliniciens. Les résultats ont révélé que l'AMIE a réalisé nettement mieux quand il s’agissait de précision du diagnostic.
En termes de qualité de conversation, comme la politesse, la clarification de l’état et du traitement, l’honnêteté et l’expression des soins et de l’engagement, le système a également dépassé la capacité des médecins dans 24 des 26 critères.
Initialement, la base du modèle de langage large (LLM) utilisé a été ajustée sur la base des dossiers de santé électroniques existants et des conversations médicales précédemment transcrites.
Pour améliorer la formation du modèle, les chercheurs ont demandé au LLM de simuler à la fois le point de vue d’un individu souffrant d’un problème de santé et celui d’un clinicien compatissant cherchant à comprendre les antécédents médicaux de la personne et à formuler des diagnostics potentiels.