Apprentissage fédéré et usage des mégadonnées : ce que l’IA peut pour la santé

e 10 février s’est tenu le colloque « IA et mégadonnées : comment vont-elles révolutionner la recherche et la pratique médicale de demain ? » organisé par le Conseil d’État, la CNIL et l’alliance IHU-France des Instituts Hospitalo-Universitaires (IHU). Collecte des données, anonymisation, apprentissage fédéré… retour sur les préoccupations et opportunités évoquées lors de la rencontre.

Que peut l’intelligence artificielle pour le domaine de la santé ? Après l’ouverture du colloque « IA et mégadonnées : comment vont-elles révolutionner la rechercher et la pratique médicale de demain » au Conseil d’État, professionnels, chercheurs et régulateurs se sont succédé en diverses tables rondes pour évoquer les enjeux et les frictions auxquelles ils doivent répondre collectivement pour tirer profit des technologies algorithmiques émergentes.

Notre récapitulatif du colloque sur l’IA et les mégadonnées dans la santé :

• Au conseil d’État, la quête d’un équilibre pour favoriser l’IA en santé
• Apprentissage fédéré et usage des mégadonnées : ce que l’IA peut pour la santé

Que ce soit « en termes économiques purs ou en termes de maintien de la santé publique », le secteur de la santé « est un moteur économique pour le pays », rappelle Sébastien Massart, directeur stratégique de Dassault Systèmes. Représentant 7% du PIB français, c’est l’un des plus gros employeurs en France, avec 2,5 millions d’équivalents temps plein, « et une part d’emplois technologiques forte ».

Or, dans cette part technologique comme dans les instances dirigeantes, on voit bien que l’intelligence artificielle est riche en opportunités. L’une de ses applications les plus prometteuses « est l’apprentissage profond appliqué aux mégadonnées, illustre la professeure des universités et praticienne hospitalière (PUPH) à l’AP-HP Valérie Paradis. Cela va permettre de les préparer, de les analyser, puis de réaliser des prédictions », et les applications toucheront tous les domaines pratiques : « la médecine prédictive, celle de précision, la médecine préventive et l’aide au diagnostic ».

En reconnaissance d’image, les progrès les plus flagrants

Pour ce dernier point, les progrès réalisés en traitement d’image sont clairs : les machines « facilitent déjà la détection de lésion en dermatologie, en ophtalmologie ». Dans ce type de discipline, les algorithmes aident à identifier les lésions, les classer, voire à formuler des pronostics.

Les images, surtout, sont sources d’un grand nombre d’informations « que l’œil humain ne voit pas, mais que la machine peut analyser ». Que ce soit « en termes de données macroscopiques, microscopiques ou moléculaires », énormément d’éléments qui nous étaient jusque-là inaccessibles le deviennent. L’IA permet par ailleurs de gérer quantité de données « dynamiques, temporelles », bref, de déployer de nouvelles modalités d’examens de suivi.

Source