Des chercheurs de la Mayo Clinic ont mis au point une technologie d'IA innovante, appelée "IA fondée sur des hypothèses", qui s'écarte des modèles d'IA conventionnels fondés sur des données.
Les méthodes traditionnelles d'IA excellent dans l'identification de modèles dans de vastes quantités de données, telles que des séquences génétiques ou des images de diagnostic, mais elles ne peuvent souvent pas incorporer directement dans leur processus d'apprentissage des connaissances ou des hypothèses scientifiques existantes.
L'IA fondée sur des hypothèses remet en cause ces normes en intégrant des hypothèses médicales dans son processus d'apprentissage. Elle ne se contente pas d'apprendre à partir des données qui lui sont fournies, elle utilise également des hypothèses pour explorer directement les données.
Documenter leur recherche dans la revue CancersLa Mayo Clinic applique ses systèmes d'IA fondés sur des hypothèses pour aider à démêler la dynamique de maladies complexes telles que le cancer.
Écrire dans un Communiqué de presse de la clinique MayoHu Li, auteur principal de l'étude, a expliqué les avantages de l'IA fondée sur des hypothèses. la recherche médicale : "Cela favorise une nouvelle ère dans la conception d'algorithmes d'IA ciblés et informés pour résoudre des questions scientifiques, mieux comprendre les maladies et guider la médecine individualisée."
Voici comment cela fonctionne :
- Compilation des données : L'équipe, dirigée par Zilin Xianyu et ses collègues de la Mayo Clinic, a commencé son étude en collectant des données génomiques (ADN), protéomiques (protéines), transcriptomiques (messages ARN) et épigénétiques (changements héréditaires n'affectant pas la séquence de l'ADN) à partir de milliers d'échantillons de cancer.
- Développement du système d'IA : Sur la base des données recueillies, les chercheurs ont conçu une nouvelle classe d'algorithmes d'intelligence artificielle, appelée "intelligence artificielle fondée sur des hypothèses". Contrairement aux modèles traditionnels, ces algorithmes ont été conçus pour intégrer et tester des hypothèses scientifiques dans leur processus d'apprentissage.
- Application à la recherche en oncologie : Une fois les algorithmes prêts, les chercheurs ont appliqué leur IA fondée sur des hypothèses à plusieurs domaines clés de la recherche en oncologie, tels que la classification des tumeurs, la stratification des patients et la prédiction de la réponse aux médicaments, et ont constaté une amélioration des performances par rapport aux méthodes conventionnelles.
Daniel Billadeau, co-inventeur de l'étude et professeur au département d'immunologie de la Mayo Clinic, a déclaré : "Cette nouvelle classe d'IA ouvre une nouvelle voie pour mieux comprendre les interactions entre le cancer et le système immunitaire et est très prometteuse, non seulement pour tester des hypothèses médicales, mais aussi pour prédire et expliquer comment les patients répondront aux immunothérapies."
Bien sûr, il y a des limites. Le Dr Li souligne les difficultés liées à la création d'algorithmes aussi avancés, notamment la nécessité d'une recherche spécifique au domaine et le risque de partialité.
Il reste toutefois optimiste : "Néanmoins, l'IA guidée par des hypothèses facilite les interactions actives entre les experts humains et l'IA, ce qui atténue les craintes que l'IA ne finisse par éliminer certains emplois professionnels."
Le rôle de l'IA dans la recherche médicale et les soins de santé est en constante évolution. recherche de nouveaux antibiotiques et synthétiser les médicaments anti-âge.
Des chercheurs de la Mayo Clinic ont récemment utilisé le GPT-4 comme outil de diagnostic. pour les patients ayant subi un accident vasculaire cérébral, et l'année dernière, ils ont contribué à l'élaboration d'un modèle d'apprentissage automatique qui pourrait diagnostiquer le diabète à partir d'enregistrements vocaux.
Cependant, il existe des risques, comme l'a montré l'exemple d'une centaine de chercheurs qui ont élaboré des lignes directrices pour l'utilisation de l'énergie solaire dans les pays en développement. conception de protéines d'IA sûres afin de limiter les risques d'abus.
