Source: Cancer/Radiothérapie
Author(s): A. Burgun
Résumé
L’intelligence artificielle est une notion hautement polysémique. Pour réaliser un raisonnement complexe dans la vie réelle, et s’adapter à des connaissances et des situations nouvelles, deux grandes approches sont développées en informatique : les réseaux de neurones basés sur le modèle connexionniste (deep learning) pour l’apprentissage, et les méthodes symboliques et logiques capables de travailler à un niveau abstrait de description et de raisonnement. Les algorithmes d’intelligence artificielle reproduisant les processus de déduction, induction et abduction ont des applications en radiothérapie. Combinés à la radiomique, les réseaux de neurones ont obtenu de bons résultats en classification d’images, traitement du langage naturel, phénotypage à partir des dossiers patients, adaptation des traitements. Les approches logiques ont produit des ontologies formelles, des algorithmes déterministes pour la décision et des méthodes de vérification de cohérence des systèmes complexes. Une intelligence artificielle hybride conjuguant apprentissage et logique est nécessaire pour réaliser des tâches complexes allant au delà de l’intelligence artificielle qui réalise des tâches restreintes et spécialisées. Combinée à des modèles formalisant les connaissances physicobiologiques, l’intelligence artificielle est au cœur de nouveaux outils comme les jumeaux numériques (digital twins) nécessaires à la médecine de précision en oncologie.
Abstract
Artificial intelligence is a highly polysemic term. In computer science, with the objective of being able to solve totally new problems in new contexts, artificial intelligence includes connectionism (neural networks) for learning and logics for reasoning. Artificial intelligence algorithms mimic tasks normally requiring human intelligence, like deduction, induction, and abduction. All apply to radiation oncology. Combined with radiomics, neural networks have obtained good results in image classification, natural language processing, phenotyping based on electronic health records, and adaptive radiation therapy. General adversial networks have been tested to generate synthetic data. Logics based systems have been developed for providing formal domain ontologies, supporting clinical decision and checking consistency of the systems. Artificial intelligence must integrate both deep learning and logic approaches to perform complex tasks and go beyond the so-called narrow artificial intelligence that is tailored to perform some highly specialized task. Combined together with mechanistic models, artificial intelligence has the potential to provide new tools such as digital twins for precision oncology.
Δεν υπάρχουν σχόλια:
Δημοσίευση σχολίου