Un projet commun entre Einstein C'est Siemens vise à développer un prototype capable d'apporter un soutien décisif aux radiologues et neurologues dans l'identification de la sclérose en plaques. L'initiative, en vigueur depuis environ trois mois, devrait permettre d'orienter les patients vers un traitement approprié dès les premiers stades de la maladie.
UN sclérose en plaques est une maladie neurologique chronique causée par une inflammation et une dégénérescence des neurones du système nerveux central. Au Brésil, on compte environ 40 000 cas, soit une moyenne de 15 cas pour 100 000 habitants, selon la Fédération internationale de la sclérose en plaques et l'Organisation mondiale de la santé. La maladie est incurable et touche généralement des jeunes, principalement des femmes, âgés de 20 ans. et 40 ans. Le traitement consiste à soulager les symptômes et à ralentir la progression de la maladie, ce qui fait de la détection précoce un facteur fondamental.
Prévue pour durer quatorze mois, l'initiative se concentre sur le développement d'un modèle d'intelligence artificielle multimodal qui intègre des données provenant de diverses sources, notamment des images par résonance magnétique, des rapports radiologiques et des informations cliniques provenant de dossiers médicaux électroniques. L’outil générera un score probabiliste de maladie, qui aidera les médecins à identifier précocement les cas potentiels de sclérose en plaques.
Dans ce projet, les organisations utilisent l'apprentissage automatique multimodal, dans lequel les données de différentes modalités sont combinées avant d'être utilisées pour former des modèles d'intelligence artificielle. Le processus est similaire à la méthode utilisée par les médecins, qui utilisent des informations provenant de différentes sources et modalités avant de proposer un diagnostic. Après avoir reçu l'approbation éthique, des bases de données Einstein préexistantes et d'autres bases de données ouvertes seront utilisées, garantissant ainsi la diversité et la qualité des données pour la formation des modèles.
« Ce projet intègre l'utilisation avancée de l'intelligence artificielle pour révolutionner l'approche de la médecine préventive et diagnostique, en particulier dans les maladies complexes telles que la sclérose en plaques », explique Gilberto Szarf, responsable de la recherche, de l'innovation et des nouvelles affaires au département d'imagerie d'Einstein. « En améliorant la précision et la rapidité de la détection des maladies, nous anticipons non seulement le début des traitements, mais démocratisons également l’accès à des soins de santé de haute qualité. Cela représente un immense avantage pour les patients et établit une nouvelle norme pour le secteur de la santé », ajoute Rodrigo Demarch, directeur exécutif de l'innovation chez Einstein.
En plus de l'intelligence artificielle, une interface développée permettra l'importation de données manuelles et la génération de rapports détaillés, facilitant la prise de décision clinique par les neurologues. Einstein sera chargé de tester toutes les fonctionnalités de la solution logicielle dans l'environnement institutionnel, en s'assurant que l'outil est hautement efficace et sûr.
« L'initiative entre Siemens Healthineers et Einstein vise à intégrer des solutions de pointe en matière d'intelligence artificielle et d'analyse de données pour améliorer les diagnostics et les traitements médicaux, en les rendant plus précis et efficaces. La collaboration est un modèle de ce que nous pouvons réaliser lorsque nous combinons l'expertise médicale et l'innovation technologique », déclare Patrick de Faria, responsable R&D LAM chez Siemens Healthineers.
Depuis 2017, Einstein Innovation crée des solutions logicielles personnalisées à fort impact pour le système de santé, avec l'engagement d'ajouter de la valeur à ses partenaires et à l'écosystème de la santé. Toujours avec Siemens, en 2019, a été développé « Clinical Auto Coding », un logiciel qui utilise le traitement du langage naturel et l'apprentissage automatique pour référencer automatiquement les codes ICD-10 basés sur les données cliniques des patients, notamment en oncologie. L’objectif était de réduire les erreurs, les coûts et d’augmenter l’efficacité du processus, traditionnellement manuel et sujet aux pannes. Le projet couvre les 50 domaines CIM les plus fréquents dans le domaine de l'oncologie.
