Les intelligences artificielles sont sur le point de battre les médecins dans le domaine le plus difficile : comprendre les patients

En 2016, une équipe de chercheurs a publié une étude comparant la précision diagnostique des médecins et des ordinateurs. Et en plus, les résultats sont étonnants. Non seulement ont-ils constaté que les médecins battaient les ordinateurs en faisant des diagnostics, mais c’est qu’ils gagnaient de manière écrasante : 72 % contre 34 %. Après tant d’années à annoncer la révolution que ces systèmes allaient engendrer, le corps médical pouvait « respirer tranquille ». Le fait est que tout a changé.

Il a beaucoup changé. En fait. Les derniers travaux sur le sujet de Google Research et Deep Mind montre parfaitement ce changement. Dans cette étude, l’équipe a réglé un chatbot IA pour répondre aux questions médicales courantes. Plus tard, ils ont demandé à une grande équipe de médecins de répondre à ces mêmes questions, et enfin, ils ont demandé à un panel de nouveaux médecins de juger de l’exactitude et de la pertinence des deux ensembles de réponses. Le panel a jugé que 92,6 % des réponses générées par l’intelligence artificielle étaient correctes, contre 92,9 % des réponses fournies par d’autres médecins.

Oui, les médecins battent encore les machines (quoique de justesse) et, de plus, les deux études n’abordent apparemment pas exactement la même tâche : l’une portait sur le diagnostic des maladies et l’autre évaluait les réponses aux questions médicales. Cependant, cette différence n’est, comme je le dis, qu’« apparente » car le vrai problème que les intelligences artificielles doivent résoudre réside bien dans les deux tâches : le fait que l’information soit dans la tête des patients.

Que fait un patient comme vous dans une consultation comme celle-ci ?. Les Étude Harvard 2016 a comparé les médecins du monde entier à des «vérificateurs de symptômes interactifs» («vérificateurs de symptômes»). En d’autres termes, avec d’énormes formulaires dans lesquels le patient entre des données telles que l’âge, où il a mal ou depuis quand, et ils génèrent (ou aident à générer) un autodiagnostic.

Ils n’ont pas utilisé de systèmes experts ou d’algorithmes d’intelligence artificielle. Et ils ne l’ont pas fait pour une raison : qu’il était probable que l’utilisation de l’un de ces systèmes n’aurait pas beaucoup amélioré les résultats. En 2016, il y avait déjà des intelligences artificielles qui diagnostics égalés ou améliorés des médecins.

Le problème est qu’ils ne fonctionnaient que lorsqu’ils travaillaient avec des données objectives (radiographies, tomodensitogrammes ou analyses cliniques) ou lorsque quelqu’un avait préalablement codé les symptômes dans une base de données. Les robots étaient manifestement maladroits pour extraire des informations cliniques des patients. Extraire les symptômes, comprendre ce que le patient nous dit et ce qu’il ne nous dit pas : c’est là que se trouve la miette du corps médical, même si parfois on l’oublie.

Qu’est-ce que cela change ?. Et ainsi, le résultat google c’est tellement pertinent. Il ne s’agit pas seulement de « donner » des informations correctes. Il s’agit de lire les questions, de comprendre leurs nuances et de comprendre ce qu’elles nous demandent (parfois au-delà de l’évidence). En très peu de temps, les résultats se sont beaucoup rétrécis. Bien sûr, il n’est pas encore évolutif. Le processus a encore besoin d’êtres humains et est très laborieux. Ne fonctionnant pas, c’est ce qui nous fait penser que, désormais, l’explosion de la reconnaissance du langage naturel peut détruire cette « dernière frontière » de la médecine robotique.

Il est clair que cette technologie doit être amenée à de vrais diagnostics pour voir ce qui se passe, comment elle fonctionne, ce qu’elle est capable de réaliser. Cependant, la bonne nouvelle est qu’une bonne partie du chemin tracé il y a six ans a déjà été parcouru en grande partie : tout semble indiquer que nous sommes à la veille de changements importants.

Des machines comme nous ?. Bien que pour cela, et il est important de garder cela à l’esprit, nous devrons également changer notre façon de voir les machines. Aujourd’hui encore, nous continuons d’avoir le biais selon lequel nous surestimons les défaillances des machines, alors qu’elles sont statistiquement plus fiables. Ce n’est pas quelque chose qui se limite aux IA, cela arrive aussi avec les avions, par exemple. C’est quelque chose qui change à mesure que les machines deviennent plus importantes dans notre vie quotidienne, mais notre confiance dans les machines, les algorithmes et les robots continue d’être médiatisée.

Dans le monde d’aujourd’hui, la division entre en ligne et hors ligne a disparu. Nous ferions mieux de commencer à l’assumer (et voir ce que nous en ferons).