Une partie de la médecine du futur pourrait-elle être automatisée au point que certains diagnostics complexes seraient automatiquement réalisés sur la base d’informations compilées ? C’est ce que pensent plusieurs professeurs de l’université de Washington, associés dans un projet de ce type avec Microsoft Research.
Détecter plus rapidement les pneumopathies nosocomiales
L’université de Washington s'est associée avec la branche recherche de Microsoft pour un projet un peu particulier. Les participants sont partis d’un constat simple : certaines maladies critiques ne peuvent être réellement diagnostiquées qu’une fois que de nombreuses informations cliniques ont été compilées. Une opération qui prend du temps car elle mobilise du personnel qui doit analyser les données manuscrites pour établir un consensus.
C’est particulièrement le cas de certaines pneumopathies qui apparaissent lorsque le patient a fait un séjour en soins intensifs ou en réanimation. Il s’agit même des affections les plus communes rencontrées dans le domaine des maladies nosocomiales, c’est-à-dire que l’on ne peut rencontrer que dans les établissements hospitaliers. Cela peut être dû à de multiples causes, notamment le contact avec d’autres patients, via le matériel médical, la pose d’une prothèse ou encore au contact d’une simple poignée de porte. Le problème est accentué par les souches résistantes qui peuvent se développer dans cet environnement particulièrement sujet aux nettoyages réguliers.
Un système pour compiler automatiquement les informations médicales
L’idée des chercheurs a donc été de créer une infrastructure capable de compiler automatiquement une partie de l’historique du patient, comprenant les informations de suivi hospitalier. Le système peut analyser et récupérer rapidement les informations manuscrites pour dégager des tendances et fournir un résultat indiquant la probabilité qu’il s’agisse bien d’une pneumopathie.
Comme l’exposent les chercheurs, les données d’une centaine de patients déjà atteints de pneumopathie et hospitalisés au Harborview Medical Center de Seattle ont été utilisées pour tester la fiabilité des algorithmes mis en place. Le système était capable d’apprendre seul et les résultats obtenus ont rendu l’équipe particulièrement enthousiaste : 84 % des cas avaient bien été détectés. L’hôpital s’est d’ailleurs montré intéressé par une collaboration plus étendue, dès lors que les modèles de détection auront été affinés.
L’outil ainsi créé se nomme deCIPHER et a été réalisé avec le concours de Microsoft Research. Ce dernier a fourni le Splat, pour « Statistical Parsing and Linguistic Analysis Toolkit », une trousse à outils axée sur l’analyse linguistique et pouvant, entre autres, deviner si des sentiments négatifs ou positifs sont reflétés par les écrits.
Finalement, la « machine qui soigne » du film Elysium n'est plus si loin. Il faudra cependant surveiller à l'avenir la manière dont les données personnelles seront gérées par de tels systèmes. Car si cette expérience n'utilisaient que des informations détachées de toute identification, une exploitation réelle sera immanquablement reliée aux dossiers médicaux.
