Les pouvoirs de l’Intelligence artificielle (IA) paraissent parfois sans limite, voire effrayants. Dernière prouesse en date et des plus perturbantes : grâce à un algorithme de "deep learning", des scientifiques britanniques ont réussi à identifier les risques de décès prématurés de milliers de personnes, selon leur étude parue dans le 27 mars dans la revue Plos One.

Probabilité de mortalité prématurée

Pour évaluer une probabilité de mortalité prématurée, des scientifiques de l'Université de Nottingham se sont servis des données génétiques, physiques et sanitaires de 500 000 Anglais âgés de 40 à 69 ans soumises entre 2006 et 2016 à la Biobanque britannique. Pendant ce laps de temps, 14 500 des participants étaient décédés, principalement du cancer et de maladies cardiaques et respiratoires.

Ces données réunies, les chercheurs ont d’abord testé le "deep learning", un type d’IA dans lequel des réseaux de traitements de l’information superposés aident un ordinateur à tirer des exemples. Puis, ils ont essayé la forêt d’arbres décisionnels, une forme d’IA plus simple combinant plusieurs modèles arborescents pour prendre en compte le plus de résultats possibles. Ils ont ensuite comparé ces conclusions avec celles d’un algorithme standard du nom de modèle de Cox.

76% de sujets décédés correctement identifiés

Si les trois modèles se sont basés sur des facteurs comme l’âge, le sexe, le tabagisme, ou encore un diagnostic de cancer antérieur, chacun d’entre eux insistaient sur des données en particulier. Ainsi, le modèle de Cox s’appuyait surtout sur l’appartenance ethnique et l’activité physique des participants tandis que celui de forêt d’arbres décisionnels s’est plus intéressé au pourcentage de graisse corporelle, au tour de taille, au tonus de la peau et à la quantité de fruits et légumes que les personnes mangeaient au quotidien. Quant au "deep learning", il regardait principalement l’exposition aux risques liés au travail, à la pollution atmosphérique et à la consommation d’alcool et de certains médicaments.

Et c’est cette approche-ci qui s’est avérée la plus efficace puisque cet algorithme a réussi à identifier correctement 76% de sujets décédés au cours de l’étude contre respectivement 44 et 64% pour les modèles de Cox et de forêt.

Aider les médecins à prendre les meilleures décisions thérapeutiques possibles 

"Il y a aujourd’hui un intérêt grandissant dans le potentiel d’utiliser l’IA pour prédire des problèmes de santé. Dans quelques situations cela peut aider, dans d’autres non. Dans ce cas particulier, nous avons montré qu’avec beaucoup de précautions, des algorithmes peuvent améliorer les prédictions de manière efficace. Ces techniques peuvent être nouvelles pour beaucoup de professionnels et difficiles à suivre. Mais nous sommes persuadés qu’en expliquant ces méthodes de manière transparente, cela pourrait aider les vérifications scientifiques et le développement futur de ce domaine excitant dans le monde de la santé", concluent les auteurs de l'étude. 

Mais cette dernière n’est bien évidemment pas la première du genre. Cela fait plusieurs années que les scientifiques se servent de l’Intelligence artificielle pour essayer de déterminer le risque de mortalité des populations. En 2014, des chercheurs australiens avaient déjà réussi à concevoir un système basé sur des données de santé afin de prédire les chances de survie de patients cancéreux à six mois, un an et deux ans. Le but étant à terme là encore d’aider les médecins à prendre les meilleures décisions thérapeutiques possibles.