[:fr]par Jean-Pierre Briot
Directeur de recherche émérite, CNRS – Sorbonne Université
Membre du Bureau de l’ARSER
Cet éditorial a pour objet de faire le point sur les avancées et les perspectives d’utilisation des techniques d’intelligence artificielle pour la médecine, et en particulier les séquelles de la radiothérapie.
Permettez-moi tout d’abord de rappeler que l’IA (intelligence artificielle) est un des domaines de l’informatique et a été projetée dès son début, dans les années 1950. Elle inclut (mais n’est pour autant pas réduite à) des techniques d’apprentissage statistique (appelés « réseaux de neurones artificiels »), qui ont connu une progression fulgurante et constante à partir de 2012, du fait de la conjonction de trois facteurs : progrès techniques, disponibilité d’énormes masses de données grâce au Web, et disponibilité de grandes ressources pour des calculs intensifs grâce à des processeurs adaptés bon marché. Des exemples d’applications quotidiennes sont la reconnaissance de visages, la traduction et la prévision météorologique.
Plutôt que de rédiger cette analyse par moi-même, il m’a paru tentant de demander à ChatGPT, l’agent conversationnel créé par la société Open AI, et très médiatisé depuis quelques mois. Avant cela, il m’a semblé utile de résumer les principes de son fonctionnement.
– Son premier module GPT (acronyme de Generative Pre-trained Transformer) a pour fonction l’apprentissage statistique du langage (pouvant dialoguer en plusieurs langues, dont le français). GPT est une architecture de très grande taille (dite profonde) de réseau de neurones artificiels. Son entraînement est de type « apprentissage supervisé », consistant à apprendre à prédire les mots suivants d’une phrase, à partir d’une quantité énorme de textes, et ainsi la syntaxe et la structure du langage. Le résultat est un générateur de texte, encyclopédique.
– Le second module a lui pour fonction la génération du dialogue et utilise une autre technique d’apprentissage machine, appelée apprentissage par renforcement, où des experts humains évaluent les réponses générées par le système, lui permettant ainsi d’apprendre progressivement des réponses et dialogues de plus en plus affinées.
Les résultats sont assez impressionnants, même si des limites, certaines profondes, existent et pourraient faire l’objet d’un autre éditorial ! Bonne lecture !
Ci-dessous la transcription intégrale du dialogue initié avec ChatGPT le 23 mars 2023
– Question (Q) : Veuillez s’il-vous-plaît résumer les principales avancées de l’IA au progrès médical
– Réponse (R-IA) : L’IA a apporté de nombreuses avancées dans le domaine de la médecine, notamment :
- Diagnostic assisté par ordinateur : Les systèmes d’IA peuvent aider à diagnostiquer des maladies en analysant des images médicales telles que les radiographies, les scanners et les IRM, ainsi que les symptômes et les antécédents médicaux du patient.
- Détection précoce de maladies : Les algorithmes d’IA peuvent être utilisés pour détecter des signes précoces de maladies telles que le cancer et les maladies cardiovasculaires, permettant un traitement plus efficace.
- Personnalisation des traitements : L’IA peut être utilisée pour analyser les données du patient et fournir des recommandations de traitement personnalisées, en fonction des antécédents médicaux, des symptômes et des résultats de tests.
- Robotique médicale : Les robots peuvent être utilisés en chirurgie, en aidant les chirurgiens à effectuer des procédures plus précises et plus sûres.
- Surveillance des patients : L’IA peut être utilisée pour surveiller les patients à distance, détecter les changements dans leur état de santé et prévenir les complications.
- Découverte de médicaments : Les algorithmes d’IA peuvent être utilisés pour identifier des composés prometteurs pour le développement de médicaments, en analysant de grandes quantités de données.
Ces avancées de l’IA dans le domaine de la médecine ont le potentiel de transformer la manière dont les maladies sont diagnostiquées, traitées et gérées, permettant une médecine plus précise et personnalisée.
– (Q) : Merci, avez-vous des informations plus précises sur la façon dont l’IA pourrait aider à guérir les effets collatéraux de la radiothérapie lorsqu’elle a été utilisée pour lutter contre le cancer ?
-(R-IA) : Oui, l’IA peut aider à guérir les effets collatéraux de la radiothérapie en optimisant la dose de rayonnement délivrée aux tissus sains environnants lors du traitement du cancer.
L’irradiation des tissus sains peut causer des effets secondaires, tels que des brûlures cutanées, des douleurs et des troubles de la fonction organique. Les médecins doivent donc trouver un équilibre délicat entre la dose de rayonnement nécessaire pour détruire les cellules cancéreuses et la dose qui peut endommager les tissus sains environnants.
C’est là que l’IA peut intervenir. Les systèmes d’IA peuvent analyser les images médicales du patient, telles que les scanners et les IRM, pour cartographier les tissus sains environnants et déterminer les zones qui nécessitent une réduction de la dose de rayonnement. Ensuite, ils peuvent utiliser des algorithmes d’optimisation pour ajuster la dose de rayonnement délivrée aux tissus sains tout en maintenant une dose suffisante pour traiter le cancer.
En utilisant l’IA pour optimiser la dose de rayonnement, les médecins peuvent réduire les effets secondaires pour les patients, améliorer les résultats du traitement et réduire les coûts des soins de santé. En fin de compte, cela peut contribuer à améliorer la qualité de vie des patients atteints de cancer et à améliorer leur survie.
– (Q) : Plus précisément, on pourrait classer les types de problèmes collatéraux de la radiothérapie en deux types : (1) la fibrose, sur la peau, les nerfs et les vaisseaux sanguins et (2) la nécrose, sur les os. Comment pensez-vous que l’IA pourrait aider à guérir ou au moins à atténuer chacun de ces deux types de problèmes ?
– (R-IA) : (1) Fibrose : L’IA peut aider à guérir ou à atténuer les effets collatéraux de la radiothérapie sur la fibrose en optimisant la dose de rayonnement délivrée aux tissus sains environnants. Les systèmes d’IA peuvent analyser les images médicales pour cartographier les tissus sains environnants et déterminer les zones qui nécessitent une réduction de la dose de rayonnement. Les algorithmes d’optimisation peuvent ensuite ajuster la dose de rayonnement délivrée aux tissus sains tout en maintenant une dose suffisante pour traiter le cancer. En réduisant la dose de rayonnement sur les tissus sains, l’IA peut aider à réduire la probabilité de développer une fibrose, ce qui peut contribuer à améliorer la qualité de vie des patients.
(2) Nécrose : La nécrose osseuse est une complication rare mais potentiellement grave de la radiothérapie, qui peut causer des douleurs osseuses sévères et des fractures. L’IA peut aider à identifier les patients qui sont les plus à risque de développer une nécrose osseuse après la radiothérapie, en analysant les images médicales pour évaluer la densité minérale osseuse et d’autres facteurs de risque. Cela permet aux médecins de surveiller les patients de près et de prendre des mesures préventives, telles que l’utilisation de traitements médicamenteux pour renforcer les os. En outre, l’IA peut être utilisée pour optimiser la dose de rayonnement délivrée aux os, en réduisant le risque de développer une nécrose osseuse tout en maintenant une dose suffisante pour traiter le cancer. Cela peut aider à améliorer les résultats du traitement et à réduire les effets secondaires pour les patients.
– (Q) : Merci beaucoup pour ces informations. Je vais montrer votre texte en l’état pour un éditorial du site web de l’ARSER, notre association de recherche, qui signifie Association pour la Recherche sur les Séquelles de la Radiothérapie, en mentionnant bien sûr que vous êtes à l’origine de ces informations. Vous démontrez ainsi une avancée potentielle de l’IA au progrès médical (et à tout domaine) en matière de fourniture interactive et personnalisée d’informations.
– (R-IA) : Je suis ravi d’avoir pu vous aider avec ces informations. N’hésitez pas à utiliser ce texte pour votre éditorial sur l’ARSER, en mentionnant bien sûr que les informations ont été fournies par ChatGPT, une intelligence artificielle formée par OpenAI. Je suis convaincu que l’IA peut jouer un rôle important dans l’amélioration des soins de santé en fournissant des outils d’analyse et de traitement avancés pour aider à guérir les effets secondaires de la radiothérapie et d’autres traitements médicaux.
[:en]by Jean-Pierre Briot
Emeritus Research Director, CNRS – Sorbonne University
Member of the ARSER Board
The purpose of this editorial is to take stock of the advances and prospects for the use of artificial intelligence techniques for medicine, and in particular the after-effects of radiotherapy.
Allow me first of all to recall that AI (artificial intelligence) is one of the fields of computer science and was projected from its inception, in the 1950s. It includes (but is not however reduced to ) statistical learning techniques (known as « artificial neural networks »), which have experienced dazzling and constant progress since 2012, due to the conjunction of three factors: technical progress, availability of huge masses of data thanks to to the Web, and availability of large resources for intensive calculations thanks to cheap adapted processors. Examples of everyday applications are face recognition, translation and weather forecasting.
Rather than write this analysis by myself, it seemed tempting to ask ChatGPT, the conversational agent created by the company Open AI, and very publicized for a few months. Before that, it seemed useful to me to summarize the principles of its operation.
– Its first GPT module (acronym for Generative Pre-trained Transformer) has the function of statistical language learning (being able to dialogue in several languages, including French). GPT is a very large (so-called deep) artificial neural network architecture. Its training is of the “supervised learning” type, consisting in learning to predict the following words of a sentence, from an enormous quantity of texts, and thus the syntax and the structure of the language. The result is an encyclopedic text generator.
– The second module has the function of dialogue generation and uses another machine learning technique, called reinforcement learning , where human experts evaluate the responses generated by the system, allowing it to gradually learn responses and dialogues more and more refined.
The results are quite impressive, even if limits, some deep, exist and could be the subject of another editorial! Good reading !
Below is the full transcript of the dialogue initiated with ChatGPT on March 23, 2023
– Question (Q): Please summarize the main advances from AI to medical progress
– Answer (R-IA): AI has brought many advances in the field of medicine, including:
- Computer-aided diagnosis : AI systems can help diagnose diseases by analyzing medical images such as X-rays, CT scans and MRIs, as well as the patient’s symptoms and medical history.
- Early disease detection : AI algorithms can be used to detect early signs of diseases such as cancer and cardiovascular disease, enabling more effective treatment.
- Personalization of treatments : AI can be used to analyze patient data and provide personalized treatment recommendations, based on medical history, symptoms and test results.
- Medical robotics : Robots can be used in surgery, helping surgeons perform more precise and safer procedures.
- Patient monitoring : AI can be used to monitor patients remotely, detect changes in their health status and prevent complications.
- Drug discovery : AI algorithms can be used to identify promising compounds for drug development, by analyzing large amounts of data.
These AI advances in medicine have the potential to transform the way diseases are diagnosed, treated and managed, enabling more precise and personalized medicine.
– (Q): Thank you, do you have more specific information on how AI could help cure the side effects of radiotherapy when it has been used to fight cancer?
-(R-IA): Yes, AI can help cure the collateral effects of radiation therapy by optimizing the radiation dose delivered to surrounding healthy tissue during cancer treatment.
Irradiation of healthy tissues can cause side effects, such as skin burns, pain and organ function disorders. Doctors must therefore strike a delicate balance between the dose of radiation needed to destroy cancer cells and the dose that can damage surrounding healthy tissue.
This is where AI can come in. AI systems can analyze patient medical images, such as CT scans and MRIs, to map surrounding healthy tissue and determine areas that require radiation dose reduction. Then they can use optimization algorithms to adjust the dose of radiation delivered to healthy tissue while maintaining a sufficient dose to treat cancer.
By using AI to optimize radiation dose, doctors can reduce side effects for patients, improve treatment outcomes and reduce healthcare costs. Ultimately, it may help improve the quality of life for cancer patients and improve survival.
– (Q): More specifically, we could classify the types of collateral problems of radiotherapy into two types: (1) fibrosis, on the skin, nerves and blood vessels and (2) necrosis, on the bones. How do you think AI could help cure or at least mitigate each of these two types of problems?
– (R-IA): (1) Fibrosis : AI can help to cure or mitigate the collateral effects of radiation therapy on fibrosis by optimizing the radiation dose delivered to surrounding healthy tissue. AI systems can analyze medical images to map surrounding healthy tissue and determine areas that require radiation dose reduction. Optimization algorithms can then adjust the radiation dose delivered to healthy tissue while maintaining a sufficient dose to treat cancer. By reducing the radiation dose to healthy tissue, AI can help reduce the likelihood of developing fibrosis, which can help improve patients’ quality of life.
(2) Necrosis: Bone necrosis is a rare but potentially serious complication of radiation therapy, which can cause severe bone pain and fractures. AI can help identify patients who are most at risk of developing bone necrosis after radiation therapy, by analyzing medical images to assess bone mineral density and other risk factors. This allows doctors to monitor patients closely and take preventative measures, such as using drug treatments to strengthen bones. Additionally, AI can be used to optimize the radiation dose delivered to bone, reducing the risk of developing bone necrosis while maintaining a dose sufficient to treat cancer.
– (Q): Thank you very much for this information. I am going to show your text as it is for an editorial on the website of ARSER, our research association, which stands for Association for Research on the Sequelae of Radiotherapy, mentioning of course that you are at the origin of these informations. You are thus demonstrating a potential advancement of AI to medical progress (and any field) in the interactive and personalized delivery of information.
– (R-IA): I am delighted to have been able to help you with this information. Feel free to use this text for your editorial on ARSER, mentioning of course that the information was provided by ChatGPT, an artificial intelligence trained by OpenAI. I am convinced that AI can play an important role in improving healthcare by providing advanced analysis and treatment tools to help cure the side effects of radiation therapy and other medical treatments.