par Danny Goel, MD Chirurgien orthopédiste, professeur clinicien et PDG – PrecisionOS
Il y a beaucoup d'intérêt et d'enthousiasme à propos 1TP5Intelligence Artificielle, mais je vois plusieurs obstacles en orthopédie que nous devons surmonter. Je serai intéressé par les commentaires des autres et par la manière dont nous pouvons mettre en œuvre l'IA là où elle est le plus nécessaire.
Qu'est-ce que l'IA
L’intelligence artificielle (IA) est une initiative très complexe et passionnante axée sur les données. Dans sa forme la plus simple, il s'agit d'une sortie sophistiquée vers une entrée, qui devient plus intelligente au fil du temps grâce à la formation et aux tests. Un exemple simple suggère que si nous sommes tous d’accord sur ce qu’est (et à quoi ressemble) un chien, exposer à un algorithme d’IA entraîné une image d’un chat révélera qu’il ne s’agit en fait pas d’un chien. Ceci, vous en conviendrez, est un exemple très basique. Il devrait cependant, dans sa forme la plus avancée, être capable de fournir un niveau d'engagement humain à partir de moins de points de données sans aucune autre intervention, c'est-à-dire montrer la queue d'un chien et être capable d'identifier qu'il s'agit d'un chien.
Comme pour toute chose, il existe des conditions préalables au succès d’un algorithme d’IA. Cela nécessite des données significatives mais précises. Ces points de données, à la base, doivent être convenus et vérifiés par des experts pour être la véritable ressemblance de X. La chirurgie, cependant, peut être quelque peu difficile car elle repose sur une combinaison d'art et de science. Il existe un processus pour identifier et traiter un problème particulier, en particulier en chirurgie, avec une mise en garde : l'intervention humaine pendant la procédure. Un autre défi supplémentaire à ce modèle est le niveau de désaccord sain que nous avons dans certains domaines. Par exemple, non seulement leur manque de consensus sur la façon dont nous effectuons (ou interprétons) un examen physique, mais aussi sur la corrélation avec l'imagerie (rayons X, tomodensitométrie ou IRM, etc.), définissons le traitement, effectuons la procédure, puis évaluons les résultats. basé sur ce traitement. Cette confirmation nécessite un cercle complet d’accords pour valider, former et tester l’algorithme là où, plus important encore, nous avons besoin de standardisation. Mais que se passe-t-il lorsque le traitement peut également varier pour le même problème selon les zones géographiques ? Nous avons tous été exposés à des débats dans tous les domaines de l’orthopédie. Cela signifie que ni les entrées de données ni les traitements ne sont en noir et blanc. Il n'y a pas seulement des désaccords, mais des débats acharnés sur la meilleure façon de gérer le même problème chez le même patient par deux chirurgiens. Cela a un impact sur le résultat, qui peut ou non avoir un sens pour une population particulière de patients ou de chirurgiens.
Les défis
Le manque de cohérence sur le « comment ? et quoi? en chirurgie peut poser un défi intermédiaire. Aussi, comment cela fonctionnera-t-il lorsqu’il existe un élément humain considérable qui est également essentiel aux résultats chirurgicaux ?
L’autre obstacle majeur à l’intelligence artificielle est la collecte de données. En chirurgie, les données, tant lors de la visite initiale que lors du suivi, sont des prérequis nécessaires. Nous disposons actuellement d’un large éventail de dossiers médicaux électroniques et de scores de résultats liés aux patients qui fournissent de nombreuses informations. Cette situation est incohérente d’une institution à l’autre, tant au niveau national qu’international. Quoi et comment collectons-nous ces informations, garantir que nous en avons suffisamment et comment collecter au mieux ces informations constituent un obstacle majeur.
Mes observations
D’après ma simple observation, le succès de l’IA dans le monde d’aujourd’hui devra vivre en arrière-plan. Il doit collecter des données que nous considérons tous comme vraies, réelles et vérifiées. Il soutient notre monde tout en fournissant des informations significatives en tant que résultat auquel nous faisons confiance et que nous pouvons accepter en toute confiance. Nous avons beaucoup de travail à faire en matière de collecte de données dans le domaine des soins de santé avant de pouvoir recevoir des réponses significatives et créer un modèle linguistique qui correspondra à nos attentes et à celles de nos patients.
Les progrès de l’IA ne sont pas négligeables et certains secteurs l’utilisent avec beaucoup de succès. Mais en chirurgie, il faut se demander comment relier les points à court terme avec une telle variabilité. Nous devons nous aligner sur un écosystème changeant pour une maladie particulière, nous mettre d’accord sur le traitement et vérifier les résultats attendus tout en tenant compte de la variation et de l’expérience du prestataire. En l’absence de cela, si nous montrons un lion à un algorithme mal construit, il pourrait très bien penser que c’est un zèbre ou quelque chose de pire.
Le Dr Danny Goel est chirurgien orthopédiste en exercice, professeur clinicien et PDG de Technologie PrecisionOS
À propos de Precision OS ???
PrecisionOS est l'un des principaux fournisseurs de formation chirurgicale en réalité virtuelle pour l'industrie médicale. Professionnels de la santé dans de nombreuses sociétés, universités et entreprises de dispositifs médicaux préférez les modules PrecisionOS car ils améliorent le transfert de connaissances et de compétences. Plusieurs, essais indépendants publiés confirmer que les participants utilisant le Plateforme PrecisionOS devenir de meilleurs chirurgiens, plus confiants. PrecisionOS a des affiliations collaboratives avec plus de 65 grandes entreprises mondiales programmes de résidence où la plateforme est utilisée dans plus de 55 pays à travers le monde. Apprenez-en davantage sur www.precisionostech.com.???
Contact médias
Roberto Oliveira
Chef de la conformité
rob@precisionostech.com