L’IA peut faire émerger des indices dans des années de dossiers hospitaliers — mais pas prendre la décision
Dans une clinique, l’IA peut s’avérer utile en repérant des tendances qu’une équipe débordée ne peut pas examiner rapidement.
Dans une étude de cas publiée par NVIDIA le 13 novembre, la Cleveland Clinic a utilisé Synapsis AI, de Dyania Health, pour soutenir une recherche portant sur plus de 7 800 patients ayant bénéficié d’un remplacement valvulaire aortique entre 2005 et 2021. NVIDIA indique que le système a analysé les dossiers de suivi, notamment les échocardiogrammes, afin de modéliser la détérioration de la valve et le risque de nouvelle intervention à trois, cinq et dix ans. Il a produit des signaux cliniques pouvant être retracés jusqu’aux dossiers sources ; les cliniciens ont examiné les éléments probants et pris les décisions.
Cela pourrait aider les chercheurs à organiser de grands dossiers longitudinaux, mais cet exemple publié par un fournisseur ne prouve pas, à lui seul, que les résultats pour les patients se sont améliorés.
Ce que j’en retiens : dans le domaine de la santé, la traçabilité des éléments probants et l’examen humain comptent autant que les capacités du modèle. Dans quelles situations l’IA pourrait-elle réduire sans risque le temps consacré à la recherche dans les dossiers ?
Source : NVIDIA Blog, 13 novembre — https://blogs.nvidia.com/blog/how-ai-is-helping-care-teams/
#AI #Healthcare #Technology
Dans une clinique, l’IA peut s’avérer utile en repérant des tendances qu’une équipe débordée ne peut pas examiner rapidement.
Dans une étude de cas publiée par NVIDIA le 13 novembre, la Cleveland Clinic a utilisé Synapsis AI, de Dyania Health, pour soutenir une recherche portant sur plus de 7 800 patients ayant bénéficié d’un remplacement valvulaire aortique entre 2005 et 2021. NVIDIA indique que le système a analysé les dossiers de suivi, notamment les échocardiogrammes, afin de modéliser la détérioration de la valve et le risque de nouvelle intervention à trois, cinq et dix ans. Il a produit des signaux cliniques pouvant être retracés jusqu’aux dossiers sources ; les cliniciens ont examiné les éléments probants et pris les décisions.
Cela pourrait aider les chercheurs à organiser de grands dossiers longitudinaux, mais cet exemple publié par un fournisseur ne prouve pas, à lui seul, que les résultats pour les patients se sont améliorés.
Ce que j’en retiens : dans le domaine de la santé, la traçabilité des éléments probants et l’examen humain comptent autant que les capacités du modèle. Dans quelles situations l’IA pourrait-elle réduire sans risque le temps consacré à la recherche dans les dossiers ?
Source : NVIDIA Blog, 13 novembre — https://blogs.nvidia.com/blog/how-ai-is-helping-care-teams/
#AI #Healthcare #Technology