Comment utiliser la donnée pas seulement pour soigner, mais pour prévenir ?
Comment utiliser au mieux l’IA ?
Comment créer sa documentation clinique ?
Comment générer des modèles de prédiction ?
Comment obtenir des pré-diagnostic ?
Et donc comment améliorer le pronostic des patients ?
L’innovation avance en santé, comme nous le décrivent Elena Bonfiglioli, Directrice Monde Santé & Sciences de la Vie à Microsoft et Régis Dioulo Healthcare Lead NVIDIA.
Comment utiliser au mieux l’IA ?
Comment créer sa documentation clinique ?
Comment générer des modèles de prédiction ?
Comment obtenir des pré-diagnostic ?
Et donc comment améliorer le pronostic des patients ?
L’innovation avance en santé, comme nous le décrivent Elena Bonfiglioli, Directrice Monde Santé & Sciences de la Vie à Microsoft et Régis Dioulo Healthcare Lead NVIDIA.
Category
🗞
NewsTranscription
00:00 [Musique]
00:08 D'abord, on va au cœur de pourquoi on est ici.
00:11 C'est vraiment la transformation des soins
00:14 et la transformation vers des systèmes de santé
00:16 prédictifs et préventifs.
00:18 Au cœur de cela, il y a les nouvelles technologies
00:21 d'intelligence artificielle et aussi les plateformes cloud
00:25 qui nous donnent la possibilité de collecter,
00:29 stocker et aussi vraiment analyser la data santé.
00:34 [Musique]
00:37 Quand on est médecin, la quête qu'on a vraiment eu depuis toujours,
00:41 c'était comment on utilisait les bonnes datas,
00:44 pas seulement pour soigner, mais pour prévenir,
00:47 donc pour comprendre quelle est vraiment la situation du patient
00:52 et prévenir ce que c'est la dégénération des maladies.
00:56 [Musique]
00:58 L'intelligence artificielle et les solutions cloud optimisées pour la santé,
01:03 c'est ce que Microsoft porte sur le marché avec un écosystème de partenaires.
01:08 Si on pense à un médecin en oncologie aujourd'hui,
01:12 il lui faut la génomique, il lui faut la puissance du cloud
01:16 pour faire les analyses et après, il lui faut la possibilité
01:20 de coordonner ces datas-là avec la vision phénotype
01:25 du patient qui vient des datas cliniques
01:28 et de tout ce que c'est les social determinants of health.
01:32 Quand on les met ensemble et on analyse, on aura la vision
01:36 vraiment de quels soins spécifiques et quels médicaments spécifiques on peut donner.
01:41 [Musique]
01:43 Donc l'application de l'intelligence artificielle
01:47 à l'automatisation de la documentation clinique,
01:51 ça permet aux patients et aux docteurs d'avoir une consultation
01:55 beaucoup plus proche, beaucoup plus facile et aussi ça permet aux médecins
01:59 de ne pas devoir retranscrire toute la documentation après la visite.
02:06 Donc l'intelligence artificielle nous porte la voix à texte
02:10 et fait la transcription mais aussi la possibilité d'aller chercher
02:16 sur ces documents qu'on a digitalisés et transcrits.
02:21 Donc de faire toute la recherche une fois qu'on les a consolidés
02:24 dans tous les documents dans l'hôpital.
02:27 [Musique]
02:30 Nvidia au départ c'est un fabricant de GPU qui a depuis maintenant 20 ans
02:34 mis en place des politiques disruptives notamment en termes d'intelligence artificielle
02:38 et aujourd'hui on est capable notamment dans le domaine de la santé
02:41 de pouvoir accélérer les différents cas d'usage et de permettre aux médecins,
02:44 aux praticiens de déployer de l'intelligence artificielle.
02:47 [Musique]
02:49 On commence d'abord par l'imagerie médicale, c'est d'ailleurs la possibilité
02:52 de produire des modèles de prédiction liés à l'image, au traitement de l'image,
02:57 pour faire ce qu'on appelle de la classification, de la segmentation.
03:00 Ce sont des modèles qui vont pouvoir aider les praticiens à pouvoir porter un diagnostic,
03:04 de pouvoir identifier des tumeurs, des tumeurs cancéreuses notamment.
03:07 L'intelligence artificielle va pouvoir effectivement donner un pré-pronostic
03:11 et les tests vont être avalidés par un cancérologue.
03:13 [Musique]
03:15 Sur la recherche de molécules par exemple, on va proposer aux scientifiques
03:18 de partir de l'état de l'art en termes d'IA générative, c'est-à-dire qu'on va leur proposer
03:22 tout un environnement avec des modèles fondationnels, c'est-à-dire des modèles
03:26 qui ont déjà été entraînés et permettre à ces scientifiques de récupérer ces modèles
03:30 et de les, ce qu'on appelle, de les fin-tuner, c'est-à-dire de les contextualiser
03:33 avec leurs propres données pour pouvoir effectivement bénéficier de la puissance
03:37 de ces modèles et de mettre en place de l'IA générative pour produire du candidat.
03:42 [Musique]
03:45 L'IA ne sera jamais la personne qui va vous donner un diagnostic,
03:48 mais par contre elle va permettre d'affiner le diagnostic et de facto
03:52 de pouvoir avoir des meilleurs pronostics.
03:54 Mais ça lui permettra à lui effectivement de pouvoir interroger cette IA
03:57 et de pouvoir lui donner de l'inspiration au niveau du traitement thérapeutique.
04:01 [Musique]
04:04 Au moment où vous avez des données, vous pouvez commencer effectivement à travailler
04:07 sur des applications impliquant de l'implication artificielle.
04:10 Au niveau d'un médecin hospitalier, effectivement, il va pouvoir travailler
04:14 sur des données beaucoup plus importantes et effectivement pouvoir développer des modèles,
04:18 un modèle aussi performant qu'il a été entraîné sur un nombre de données importantes aussi.
04:24 L'IA permet de générer des modèles synthétiques, donc des modèles qui n'existent pas,
04:29 mais qui permettent effectivement de raffiner le modèle.
04:32 [Musique]