Facebook annonce la création d’une IA qui prédit l’évolution du Covid-19 chez les malades

Les machines crées par Facebook et la NYU permettent de prédire l’évolution de l’état de santé de patients Covid – Isopix

Alors que les vaccins se propagent à travers le monde, Facebook apporte son aide sur un autre pan de la crise sanitaire: la prise en charge des malades. Le réseau social indique qu’il a créé trois machines permettant de faire des prédictions sur l’état de santé des personnes atteintes par le coronavirus.

Facebook a annoncé la nouvelle ce vendredi sur son blog. Ses trois modèles d’apprentissage automatique (machine learning) ont été mis au point en collaboration avec l’université de New York. Elles répondent toutes à un même besoin: prédire l’évolution de l’état de santé des malades du Covid-19 et permettre au personnel médical de mieux se préparer.

Voici les trois modèles de machine learning qui ont vu le jour :

  • Un modèle de prédiction de la détérioration de l’état du patient basé sur une seule radiographie.
  • Un modèle de prédiction de la détérioration de l’état du patient basé sur une séquence de radiographies.
  • Un modèle de prédiction de la quantité d’oxygène supplémentaire dont un patient pourrait avoir besoin, basé sur une seule radiographie.

Utilité

‘Notre modèle utilisant des radiographies séquentielles du thorax peut prédire jusqu’à quatre jours (96 heures) à l’avance si un patient peut avoir besoin de solutions de soins plus intensifs, ce qui surpasse généralement les prévisions des experts humains’, se félicite Facebook.

Grâce à ces trois IA, Facebook veut permettre aux médecins de ne pas renvoyer trop tôt un malade chez lui. Calculer la quantité d’oxygène dont les patients auront besoin doit également aider les hôpitaux à mieux s’organiser et à répartir leurs ressources plus efficacement.

‘Nous mettons à disposition nos modèles préformés et publions nos recherches afin que la communauté au sens large puisse bénéficier de ce que nous avons fait et s’en inspirer’, indique le réseau social.

Les machines peuvent prédire le temps qu’il reste au patient avant qu’ils ne doivent être placés dans une unité de soins intensifs – Facebook

Plus fort que l’humain

Si les trois modèles développés par Facebook et la NYU sont si prometteurs, c’est parce qu’ils fonctionnent via le machine learning. Une fois configurés via l’intelligence humaine, les ordinateurs apprennent par eux-mêmes. Ils parviennent ainsi à réfléchir plus vite – et avec plus de précision – que les médecins et les chercheurs.

Afin de former leurs machines, les dix chercheurs (5 de Facebook, 5 de la NYU) leur ont fourni 26.383 radiographies pulmonaires issues de 4.914 patients. Celles-ci ont ensuite appris à déceler le rythme de l’évolution du coronavirus dans leurs poumons.

Quelques doutes

Depuis vendredi et l’annonce de Facebook, certaines critiques extérieures se sont soulevées à l’encontre de ces machines. Il est notamment reproché aux chercheurs d’avoir  ‘nourri’ leurs systèmes avec des données provenant d’un seul et même hôpital, ce qui aurait pu biaiser leur processus d’apprentissage.

Une critique à laquelle, visiblement, Facebook s’attendait. Sur son blog, le réseau social avait déjà précisé que ses machines n’étaient pas une solution toute faite pour les hôpitaux, mais plutôt un outil destiné à perfectionner leurs propres machines.

 ‘Ces modèles ne sont pas des produits, mais plutôt des solutions de recherche, destinées à aider les hôpitaux dans les jours et les mois à venir dans la planification des ressources. Bien que les hôpitaux disposent de leurs propres ensembles de données uniques, ils n’ont souvent pas la puissance de calcul nécessaire pour former des modèles de deep learning à partir de zéro’, peut-on lire sur le blog de Facebook.

 ‘Nous mettons nos modèles pré-entraînés en open-source (et publions nos résultats) afin que les hôpitaux disposant de ressources de calcul limitées puissent affiner les modèles en utilisant leurs propres données – travail qui peut être effectué avec un seul GPU’, précise le réseau social.