Au Luxembourg Institute of Health, l’IA aide à prévenir les traumatismes

[caption id="attachment_58514" align="alignleft" width="301"]

Philippe Harel (AI Practice Manager chez Umanis, à gauche) et Dritan Bejko (épistémologiste au LIH, à droite) sont revenus pendant le salon AI PAris sur le projet de l'organisme de recherche biomédical, qui sera déployé début 2019.[/caption]

Organisme de recherche biomédical, le Luxembourg Institute of Health conduit des recherches qui visent à prévenir et cibler les principales causes de maladies et de mortalité au Luxembourg. Des informations de santé publique sont transmises aux acteurs de santé principaux du pays, afin de leur permettre de prendre des décisions basées sur des données scientifiques.

Dans ce cadre chaque venue aux services d’urgence des hôpitaux pour un traumatisme est répertoriée, pour en analyser les causes et permettre une meilleure information préventive auprès de la population. Son principal champ d’action : les traumatismes. « Avec 261 décès annuels au Luxembourg les traumatismes sont la 4^e cause de mortalité dans la population générale. Nous avons enregistrés en 2014 des informations sur environ 55 000 cas de traumatismes traités aux services d’urgences et avec l’inclusion dans notre système de tous les hôpitaux du pays ce nombre devrait passer à 70 000 en 2018. En d’autres termes 1 habitant sur dix recevra des soins à l’hôpital suite à un traumatisme ; il s’agit d’une priorité de santé publique », affirme l’épidémiologiste Dritan Bejko, venu témoigner lors du salon AI Paris.

Pour optimiser le travail des chercheurs, qui reprennent manuellement une grande quantité de données sur chaque cas pour leurs études, l’équipe IT du LIH eu l’idée de recourir à de l’intelligence artificielle. « Une première solution a été mise en place en 2015 par un data scientist. Elle ne s’applique pour l’heure qu’à un seul hôpital, nous avons voulu la compléter et permettre de l’étendre à l’ensemble des établissements », explique Dritan Bejko.

L’une des difficultés du projet a été de mettre au point des algorithmes d’analyse sémantique capables d’agréger dans le bon ordre des données diverses de différentes langues, les médecins luxembourgeois travaillant quotidiennement en trois langues. « La solution se compose de différents algorithmes qui détectent la langue, les acronymes et les fautes d’orthographe », détaille Philippe Harel, AI Practice Manager chez la société de conseil spécialiste de la donnée Umanis, en charge du projet mené par le LIH depuis septembre 2017.

En santé, l’IA améliore la prévention

Le deep-learning, doté d’un réseau de neurones, analyse ainsi les comptes-rendus des médecins pour remplir les variables et les indicateurs définis selon la méthodologie européenne de l’European Injury Data Base et favoriser les enquêtes des médecins. « Une fiche d’un patient nécessite au moins neuf classifications : on indique le type de traumatisme, le membre blessé, le lieu et la cause par exemple », précise Dritan Bejko, qui a relevé un pic de traumatisme chez les enfants de 10 à 14 ans en raison de chute de trampoline.

Les algorithmes de l’IA permettent de calculer des prédictions concernant ces classifications. « L’entraînement des algorithmes va s’affiner tous les trimestres avec l’apport de nouvelles données issues des hôpitaux et par un apprentissage supervisé par l’humain, qui pourra effectuer des corrections », informe Philippe Harel. La solution, encore en test dans sa partie architecturale, sera mise en production début 2019 au LIH pour être déployée à l’ensemble des données collectées dans tous les services d’urgences des hôpitaux du pays.

L’organisation publique se réjouit de l’apport de l’IA en santé : « Cette technologie nous permet d’avoir davantage d’informations et ce à moindre coût. Cela améliore la prévention car nous pouvons gagner du temps sur l’encodage et nous concentrer sur l’analyse afin de mieux informer les citoyens sur les risques », soutient Dritan Bejko. Umanis note également le potentiel de l’IA à travers l’expérimentation de divers projets en santé, notamment l’optimisation de la localisation de médicaments dans les officines en prévision d’épidémies.