Un algorithme pourrait prédire la mort ou une crise cardiaque avec une précision de plus de 90%

Version imprimable

14/05/2019, 08h47
Jonathan

1 pièce(s) jointe(s)

Un algorithme pourrait prédire la mort ou une crise cardiaque avec une précision de plus de 90%

Un algorithme d'apprentissage automatique pourrait prédire la mort ou une crise cardiaque avec une précision de plus de 90%
selon une étude

Une étude aurait montré que l'apprentissage automatique, élément fondamental de l'intelligence artificielle, pouvait prédire la mort ou une crise cardiaque avec une précision de plus de 90 %. L'étude a été présentée lundi dernier à la Conférence internationale sur la cardiologie nucléaire et la tomodensitométrie cardiaque (ICNC) à Lisbonne. Elle a été réalisée par des chercheurs de l’Université de Turku, en Finlande.

Pour réaliser cette étude, environ 950 patients ont été enregistrés et ces derniers souffraient de douleurs à la poitrine. Ils ont subi le protocole habituel du centre pour rechercher une maladie coronarienne. Au cours des six années de suivi des données de ces patients, il a été documenté 24 crises cardiaques et 49 décès, toutes causes confondues. À l'aide d'un scanner d'angiographie par tomodensitométrie coronarienne (CCTA), les chercheurs ont rassemblé environ 85 variables de données qu'ils ont entrées dans l'algorithme appelé LogitBoost.

Pièce jointe 474782

En analysant de manière répétée ces variables, l'algorithme a appris comment les données d'imagerie interagissent et il a ensuite identifié des modèles corrélant les variables à la mort et à la crise cardiaque avec une précision de plus de 90 %. Les méthodes actuelles de prise de décision en matière de traitement reposent sur l'utilisation de scores de risque, mais les médecins ne sont pas en mesure de prendre en compte autant de variables que l'apprentissage automatique (Machine learning), ce qui réduit la précision de ces scores.

D'ailleurs le Dr Luis Eduardo Juarez-Orozco, auteur de l'étude a déclaré : « L'algorithme apprend progressivement à partir des données et après de nombreuses analyses, il détermine les schémas dimensionnels élevés devant être utilisés pour identifier efficacement les patients présentant le plus grand risque d'être frappé de crise cardiaque ou de mort. Le résultat est un score de risque individuel. Les médecins recueillent déjà beaucoup d'informations sur les patients par exemple, ceux qui souffrent de douleurs à la poitrine. Nous avons constaté que l'apprentissage automatique (Machine learning) peut intégrer ces données et prédire avec précision les risques individuels. Cela devrait nous permettre de personnaliser le traitement et au final, de conduire à de meilleurs résultats pour les patients ».

Sources : Science Daily & Luis Eduardo Juarez-Orozco

Et vous ?

:fleche: Qu'en pensez-vous ?
:fleche: Cette étude est elle crédible scientifiquement parlant ?

Voir aussi :

:fleche: NVIDIA dévoile RAPIDS, sa suite logicielle pour l'apprentissage automatique (pas forcément profond) sur carte graphique
:fleche: Amazon lance un service qui utilise l'apprentissage automatique pour extraire des informations médicales clés à partir des dossiers des patients
:fleche: Apple compte aller plus loin dans l'IA et l'apprentissage automatique en nommant un nouveau vice-président directeur de la stratégie d'IA
14/05/2019, 17h36
sergio_is_back

Moi aussi, je peux prédire la mort : La preuve 100% des gens vont finir par mourir un jour...

Et quand le médecin nou sdira : vous allez bientôt mourir, il vous reste deux mois
On pourra répondra : Bon, ben... Je prend juillet et aout alors...
14/05/2019, 18h26
esperanto

Combien feront une crise cardiaque en lisant leur résultat?
15/05/2019, 01h39
Matthieu Vergne

Citation:

Envoyé par Jonathan

Une étude aurait montré [...]

https://sciencetonnante.wordpress.com/2019/04/30/etude/
https://www.youtube.com/watch?v=NkdczX1Sq-U

C'est reparti pour un debunkage d'article (Science Daily)

L'auteur lui-même : https://esc365.escardio.org/Person/4...o-luis-eduardo

De là on retrouve 3 travaux présentés à l'ICNC 2019. Il s'agit de 2 posters et d'une présentation à la session "Young Investigator Awards". Il semble que c'est la dernière qui nous intéresse (on pourra regarder les autres pour compléter) :
https://esc365.escardio.org/Congress...chine-learning
(il faut créer un compte pour avoir accès aux ressources)

Ce que je retrouve :
- 951 patients
- ayant des risques de maladie coronarienne (risk of CAD)
- suivis de 6 ans en moyenne pour des risques d'attaques cardiaques (MI or cardiac death)
- disposant d'un paquet de données diverses (sex, age, smoking, diabetes, hypertension, dyslipidemia, family history, chest complaints, dyspnea and early revascularization)
- notamment des images analysées du coeur (CCTA images)
- 24 attaques cardiaques et 49 morts ont été documentés
- 85 variables ont été utilisées pour l'apprentissage machine, principalement les images (10 clinical, 58 from CCTA and 17 from PET)
- Les prédictions ont été faites sur les données cliniques (AUC=0.65,Acc=90%), cliniques + PET (AUC=0.69,Acc=92.5%), cliniques + PET + CCTA (AUC=0.82,Acc=95.4%)
- Ce qui traduit l'efficacité de la méthode est l'AUC* (0.5 = aléatoire, 1 = parfait), principalement apportée par les images CCTA
- l'accuracy (Acc), dont on n'a pas de traduction précise en français à ma connaissance (ce n'est pas la même chose que la précision), n'est un indicateur de qualité que quand l'ensemble des cas est équilibré (autant de positifs que de négatifs), ce qui n'est pas notre cas ici (24+49 cas positifs sur 951), on évitera donc de prendre en compte ses bons chiffres. Dans la vidéo associée à l'article, l'auteur reconnaît d'ailleurs cet aspect, ce qui l'amène à parler du F1-score, qui est plus complexe et donc plus difficile à interpréter, mais globalement reconnu comme plus représentatif que l'accuracy. Pour ma part, je préfère l'AUC, qui est lié à une version non biaisée de l'accuracy.

* Pour comprendre ce qu'est l'AUC, se renseigner sur sensibilité & spécificité, les courbes ROC créées à partir de ça et l'aire sous cette courbe (AUC = Area Under Curve).

En bref, la population n'étant pas équilibrée, on oublie déjà la "précision" pour s'appuyer sur des mesures plus fiables. Donc attention aux affirmations de ce style :

Citation:

Envoyé par Jonathan

Un algorithme d'apprentissage automatique pourrait prédire la mort ou une crise cardiaque avec une précision de plus de 90%

Ensuite, et c'est là le coeur du sujet, on a ici un système entraîné sur une population très spécifique (personnes à risque cardiaques), donc oublions la généralisation à monsieur tout le monde. On s'appuie ici sur des données lourdes à obtenir, pas un simple questionnaire à remplir, les résultats étant principalement apportés par les images numériques du coeur. Les propos de ce style sont donc largement à relativiser :

Citation:

Envoyé par Jonathan

Cet algorithme aurait ainsi devancé l’être humain dans la prévision du décès ou de la crise cardiaque.

Je n'ai d'ailleurs pas trouvé de détails sur ce qui a été prédit : un risque sur une période donnée ? une classification binaire sur une période donnée ? une classification binaire entre attaque et autre mort ? Interpréter à outrance des prédictions très spécifiques, on en a vu encore récemment sur DVP. Donc sans ces détails, on ne sait pas vraiment quoi en dire. Les autres travaux peuvent donner des idées de ce qui a été prédit, mais je n'ai trouvé aucune confirmation.
15/05/2019, 10h25
vanskjære

Citation:

Envoyé par esperanto

Combien feront une crise cardiaque en lisant leur résultat?

*mort du patient lisant les résultats lui prédisant une mort par crise cardiaque*
"IA : Je l'avais dis!"