L'IA peut-elle signaler des flambées de maladie plus rapidement que les humains? Pas assez

BOSTON –
Un système d'intelligence artificielle a-t-il battu des médecins humains pour avertir le monde d'une grave épidémie de coronavirus en Chine?

Dans un sens étroit, oui. Mais ce que les humains manquaient de vitesse, ils ont plus que compensé en finesse.

Des alertes précoces en cas d'épidémie peuvent aider les populations et les gouvernements à sauver des vies. Dans les derniers jours de 2019, un système d'IA à Boston a envoyé la première alerte mondiale au sujet d'une nouvelle épidémie virale en Chine. Mais il a fallu l'intelligence humaine pour reconnaître l'importance de l'épidémie et ensuite réveiller la réponse de la communauté de la santé publique.

De plus, les simples mortels ont produit une alerte similaire à seulement une demi-heure derrière les systèmes d'IA.

Pour l'instant, les systèmes d'alerte aux maladies basés sur l'IA peuvent toujours ressembler à des alarmes de voiture – facilement déclenchés et parfois ignorés. Un réseau d'experts médicaux et de détectives doit encore faire le dur travail de passer au crible les rumeurs pour reconstituer l'image plus complète. Il est difficile de dire ce que les futurs systèmes d'IA, alimentés par des ensembles de données de plus en plus vastes sur les épidémies, pourraient être en mesure d'accomplir.

La première alerte publique à l'extérieur de la Chine concernant le nouveau coronavirus est venue le 30 décembre du système automatisé HealthMap du Boston Children's Hospital. À 23 h 12 heure locale, HealthMap a envoyé une alerte concernant des cas de pneumonie non identifiés dans la ville chinoise de Wuhan. Le système, qui analyse les actualités en ligne et les rapports des médias sociaux, a classé la gravité de l'alerte à seulement 3 sur 5. Il a fallu des jours aux chercheurs de HealthMap pour reconnaître son importance.

Quatre heures avant l'avis HealthMap, l'épidémiologiste de New York Marjorie Pollack avait déjà commencé à travailler sur sa propre alerte publique, stimulée par un sentiment croissant d'effroi après avoir lu un e-mail personnel qu'elle avait reçu ce soir-là.

"Cela se transmet sur Internet ici", a écrit son contact, qui a lié à un message sur le forum chinois des médias sociaux Pincong. Le poste a discuté d'un avis de l'agence de santé de Wuhan et a lu en partie: "Pneumonie inexpliquée ???"

Pollack, rédacteur en chef adjoint du Programme de surveillance des maladies émergentes dirigé par des bénévoles, connu sous le nom de ProMed, a rapidement mobilisé une équipe pour l'examiner. Le rapport plus détaillé de ProMed est sorti environ 30 minutes après l'alerte laconique de HealthMap.

Les systèmes d'alerte précoce qui analysent les médias sociaux, les articles de presse en ligne et les rapports du gouvernement pour détecter les signes de flambées de maladies infectieuses aident à informer les agences mondiales telles que l'Organisation mondiale de la santé – donnant aux experts internationaux une longueur d'avance lorsque des obstacles bureaucratiques locaux et des barrières linguistiques pourraient autrement entraver.

Certains systèmes, dont ProMed, reposent sur l'expertise humaine. D'autres sont partiellement ou complètement automatisés.

"Ces outils peuvent aider à tenir le feu aux agences gouvernementales", a déclaré John Brownstein, qui dirige le système HealthMap en tant que directeur de l'innovation au Boston Children's Hospital. "Cela oblige les gens à être plus ouverts."

Les 48 dernières heures de 2019 ont été un moment critique pour comprendre le nouveau virus et sa signification. Plus tôt le 30 décembre, le médecin de l'hôpital central de Wuhan, Li Wenliang, a averti ses anciens camarades de classe du virus dans un groupe de médias sociaux – une décision qui a conduit les autorités locales à le convoquer pour interrogatoire plusieurs heures plus tard.

Li, décédé le 7 février après avoir contracté le virus, a déclaré au New York Times qu'il aurait été préférable que les autorités divulguent plus tôt des informations sur l'épidémie. "Il devrait y avoir plus d'ouverture et de transparence", a-t-il déclaré.

Les rapports ProMed sont souvent intégrés à d'autres systèmes d'alerte d'épidémie. dont celles de l'Organisation mondiale de la santé, du gouvernement canadien et de la startup torontoise BlueDot. L'OMS regroupe également les données de HealthMap et d'autres sources.

Les systèmes informatiques qui analysent les rapports en ligne pour obtenir des informations sur les épidémies s'appuient sur le traitement du langage naturel, la même branche de l'intelligence artificielle qui aide à répondre aux questions posées à un moteur de recherche ou à un assistant vocal numérique.

Mais les algorithmes ne peuvent être aussi efficaces que les données qu'ils parcourent, a déclaré Nita Madhav, PDG de la société de surveillance des maladies basée à San Francisco, Metabiota, qui a informé ses clients de l'épidémie début janvier.

Madhav a déclaré que l'incohérence dans la façon dont les différentes agences rapportent les données médicales peut contrecarrer les algorithmes. Les programmes d'analyse de texte extraient des mots clés du texte en ligne, mais peuvent tâtonner lorsque les organisations signalent divers nouveaux cas de virus, des cas de virus cumulatifs ou de nouveaux cas dans un intervalle de temps donné. Le risque de confusion signifie qu'il y a presque toujours une personne impliquée dans l'examen des données.

"Il y a encore un peu d'humain dans la boucle", a déclaré Madhav.

Andrew Beam, un épidémiologiste de l'Université de Harvard, a déclaré que la recherche de mots clés dans les rapports en ligne peut aider à révéler les tendances, mais l'exactitude dépend de la qualité des données. Il note également que ces techniques ne sont pas si nouvelles.

"Il existe un art de gratter intelligemment des sites Web", a déclaré Beam. "Mais c'est aussi la technologie de base de Google depuis les années 1990."

Google lui-même a lancé son propre service Flu Trends pour détecter les épidémies en 2008 en recherchant des modèles dans les requêtes de recherche sur les symptômes de la grippe. Les experts l'ont critiquée pour avoir surestimé la prévalence de la grippe. Google a fermé le site Web en 2015 et a remis sa technologie à des organisations à but non lucratif telles que HealthMap pour utiliser les données de Google afin de créer leurs propres modèles.

Google travaille actuellement avec l'équipe de Brownstein sur une approche Web similaire pour suivre la propagation géographique de la maladie de Lyme transmise par les tiques.

Les scientifiques utilisent également les mégadonnées pour modéliser les voies possibles de transmission précoce de la maladie.

Début janvier, Isaac Bogoch, médecin spécialiste des maladies infectieuses et chercheur au Toronto General Hospital, a analysé les données des vols commerciaux avec le fondateur de BlueDot, Kamran Khan, pour voir quelles villes en dehors de la Chine continentale étaient les plus connectées à Wuhan.

Wuhan a arrêté les voyages commerciaux par avion à la fin de janvier – mais pas avant que 5 millions de personnes environ aient fui la ville, comme le maire de Wuhan l'a déclaré plus tard aux journalistes.

"Nous avons montré que le volume le plus élevé de vols au départ de Wuhan visait la Thaïlande, le Japon et Hong Kong", a déclaré Bogoch. "Et voilà, quelques jours plus tard, nous avons commencé à voir des cas apparaître dans ces endroits."

En 2016, les chercheurs ont utilisé une approche similaire pour prédire la propagation du virus Zika du Brésil au sud de la Floride.

Maintenant que de nombreux gouvernements ont lancé des mesures agressives pour freiner la transmission des maladies, il est plus difficile de construire des algorithmes pour prédire la suite, a déclaré Bogoch.

Les systèmes d'intelligence artificielle dépendent de vastes quantités de données antérieures pour former les ordinateurs à interpréter de nouveaux faits. Mais il n'y a pas de parallèles étroits avec la façon dont la Chine applique les zones de quarantaine qui affectent des centaines de millions de personnes.

——

Larson a rapporté de Washington.