Nous sommes fiers d’annoncer que nos derniers travaux de recherche ont été publiés dans l’European Medical Journal.
Félicitations à Fredrick Mutisya et à l’équipe scientifique de Smartbiotic pour cette réussite.
Voici un bref aperçu, présenté par Fredrick Mutisya, sur la manière d’explorer l’utilisation de l’IA pour lutter contre l’antibiorésistance.
Les données manquantes ne le sont pas toujours réellement. Parfois, elles attendent simplement qu’un microbiologiste les explique.
L’un des défis majeurs liés aux jeux de données sur la sensibilité aux antimicrobiens (AST) réside dans le fait que les lacunes sont rarement aléatoires. Elles résultent souvent des pratiques de laboratoire et des règles microbiologiques, et ne sont pas simplement le fruit de données incomplètes.
Dans nos derniers travaux, nous avons posé une question simple :
L’IA doit-elle d’abord formuler des hypothèses, ou les connaissances du domaine doivent-elles guider la démarche ?
La réponse nous a moins surpris qu’elle n’aurait dû :
- Les règles intégrant les connaissances du domaine permettent d’obtenir une excellente spécificité ainsi que de solides performances globales.
- L’apprentissage automatique (machine learning) n’a connu une amélioration substantielle qu’après la prise en compte du déséquilibre des classes.
- La meilleure approche n’a pas consisté à opposer l’IA aux connaissances du domaine, mais à bâtir l’IA en s’appuyant sur l’expertise du domaine.
La conclusion est celle que je ne cesserai de répéter :
Dans le domaine de l’IA appliquée à la santé, la biologie doit encadrer les algorithmes, et non l’inverse.
Pour concevoir des systèmes d’IA clinique performants, il ne suffira pas de créer des modèles plus vastes. Le succès résidera dans la combinaison des connaissances d’experts, des règles cliniques déterministes et de l’apprentissage automatique là où il apporte le plus de valeur.
Je suis fier de voir ces travaux publiés et reconnaissant envers mes coauteurs et collaborateurs chez Smartbiotic.
Accédez à la publication ici :
https://www.emjreviews.com/microbiology-infectious-diseases/abstract/domain-aware-versus-machine-learning-imputation-for-sparse-antimicrobial-susceptibility-data-j10126/
