L’intelligence collective peut contribuer à réduire les erreurs de diagnostic médical

Des chercheurs de l’Institut Max Planck pour le développement humain, de l’Institut des sciences et technologies cognitives (ISTC) et de l’Université norvégienne des sciences et technologies ont développé une approche d’intelligence collective pour accroître la précision des diagnostics médicaux. Leurs travaux ont été récemment publiés dans le Actes de l’Académie nationale des sciences.

On estime que 250 000 personnes meurent chaque année aux États-Unis à la suite d’erreurs médicales évitables. Beaucoup de ces erreurs proviennent du processus de diagnostic. Un moyen puissant d’augmenter la précision du diagnostic consiste à combiner les diagnostics de plusieurs diagnostiqueurs en une solution collective. Cependant, il existe une pénurie de méthodes permettant de regrouper des diagnostics indépendants dans le cadre du diagnostic médical général.

Des chercheurs de l’Institut Max Planck pour le développement humain, de l’Institut des sciences et technologies cognitives (ISTC) et de l’Université norvégienne des sciences et technologies ont donc introduit une solution entièrement automatisée utilisant des méthodes d’ingénierie des connaissances.

Les chercheurs ont testé leur solution sur 1 333 cas médicaux fournis par le Human Diagnosis Project (Human Dx), chacun ayant été diagnostiqué indépendamment par 10 diagnosticiens. La solution collective a considérablement augmenté la précision du diagnostic : des diagnosticiens individuels ont atteint une précision de 46 %, tandis que la mise en commun des décisions de 10 diagnosticiens a augmenté la précision à 76 %. Des améliorations ont eu lieu dans les spécialités médicales, les plaintes principales et les niveaux d’occupation des diagnosticiens.

“Nos résultats montrent le potentiel de sauvetage que représente l’exploitation de l’intelligence collective”, déclare le premier auteur Ralf Kurvers. Il est chercheur scientifique principal au Centre pour la rationalité adaptative de l’Institut Max Planck pour le développement humain et ses recherches portent sur la prise de décision sociale et collective chez les humains et les animaux.

Il a été prouvé que l’intelligence collective améliore la précision des décisions dans de nombreux domaines, tels que les prévisions géopolitiques, les investissements et les diagnostics en radiologie et en dermatologie. Cependant, l’intelligence collective a été principalement appliquée à des tâches de décision relativement simples.

Les applications dans des tâches plus ouvertes, telles que la gestion des urgences ou les diagnostics médicaux généraux, font largement défaut en raison de la difficulté d’intégrer les contributions non standardisées de différentes personnes. Pour surmonter cet obstacle, les chercheurs ont utilisé des graphiques de connaissances sémantiques, le traitement du langage naturel et l’ontologie médicale SNOMED CT, une terminologie clinique multilingue complète, à des fins de normalisation.

“Une contribution clé de notre travail est que, même si les diagnostics fournis par l’homme conservent leur primauté, nos procédures d’agrégation et d’évaluation sont entièrement automatisées, évitant ainsi d’éventuels biais dans la génération du diagnostic final et permettant au processus de prendre plus de temps et d’argent. -efficace”, ajoute le co-auteur Vito Trianni de l’Institut des sciences et technologies cognitives (ISTC) à Rome.

Les chercheurs collaborent actuellement, avec d’autres partenaires, au sein du projet HACID pour rapprocher leur application du marché. Le projet explorera une nouvelle approche qui rassemble des experts humains et une représentation et un raisonnement des connaissances basés sur l’IA afin de créer de nouveaux outils de prise de décision dans divers domaines. L’application de la technologie HACID au diagnostic médical présente l’une des nombreuses opportunités de bénéficier d’un système de santé numérique et de données accessibles.