Nom : M.M. Mustafa Amer Obeid

Branche de la physiologie/ Faculté de médecine

Master en sciences informatiques 

La relation entre l'intelligence artificielle et les médecins dans le diagnostic

Le diagnostic est l'une des responsabilités les plus importantes qui incombent à tous les médecins, et on ne peut pas exagérer son importance pour l'humanité. Les médecins sont chargés de déduire les maladies

ou d'inventer des traitements basés sur des signes et des symptômes spécifiques, des observations et des connaissances lors du diagnostic.

En fournissant des technologies qui révèlent des corrélations complexes qui ne peuvent pas être réduites à une équation, l'intelligence artificielle (IA) a augmenté les opportunités pour les médecins ayant peu ou pas d'expérience statistique

dans l'application des avantages des méthodes de diagnostic basées sur l'intelligence artificielle pour améliorer le service.

Les technologies d'intelligence artificielle (IA) ont considérablement contribué aux avancées de la médecine biomédicale et de l'informatique médicale en fournissant des capacités de réflexion,

qui consistent en des déductions à partir de faits et de règles en utilisant le raisonnement, ou la correspondance de modèles, ou d'autres méthodologies de recherche. Le système expert,

la logique floue, les réseaux neuronaux artificiels, et le système expert neuronal flou sont des domaines récents de progrès en intelligence artificielle concernant

les diagnostics médicaux qui constituent les principales méthodes par lesquelles les médecins sont soutenus dans cette tâche difficile.

Ces dernières années, les systèmes d'intelligence artificielle (en particulier le diagnostic assisté par ordinateur et les réseaux neuronaux artificiels) ont trouvé un nombre croissant d'applications dans le diagnostic médical.

Ces algorithmes sont des algorithmes d'apprentissage adaptatifs capables de traiter des types variés et hétérogènes de données cliniques et de les intégrer dans des résultats classés.

Ce sont des techniques computationnelles conçues pour simuler la manière dont le cerveau humain accomplit une tâche particulière

   en procédant à un traitement massif distribué en parallèle composé d'unités de traitement simples. Ces unités sont des traitements simples.

Ces unités ne sont que des éléments computationnels appelés (neurones ou nœuds), qui ont une propriété neuronale en ce sens qu'elles stockent la connaissance

opérationnelle et les informations empiriques pour les rendre disponibles à l'utilisateur, en ajustant les poids

Ainsi, (ANN) ressemble au cerveau humain en ce sens qu'il acquiert des connaissances par l'entraînement et stocke ces connaissances

en utilisant des connexions entre les neurones appelées poids synaptiques.

   Il existe également une similitude biologique neuronale, qui donne aux biologistes l'occasion de s'appuyer sur la science (ANN) pour comprendre l'évolution des phénomènes biologiques.

En analysant de nombreux troubles physiques et mentaux sélectionnés, le concept, la capacité et l'utilité des techniques de réseau neuronal artificiel pour le diagnostic médical sont explorés.

La majorité des études de revue dans ce domaine se sont uniquement concentrées sur les problèmes physiques, ignorant les maladies mentales.

Les réseaux neuronaux artificiels (ANN) gagnent en popularité au point que leurs modèles et méthodes sont devenus des outils standards en informatique,

en particulier dans le soutien à la décision et les systèmes experts. Il ne fait aucun doute que ANN est un outil puissant pour aider les médecins et d'autres professionnels de la santé et parties prenantes

dans le diagnostic et d'autres procédures.

Les avantages de ANN incluent : la capacité à traiter un grand volume de données ; l'adaptabilité et la flexibilité du système ; le diagnostic précoce de la maladie

; la réduction de la probabilité de négliger des données pertinentes ; et la capacité à traiter des ensembles de données collectées à partir de sources multiples telles que des sons

et des images, des symptômes, des messages texte, etc..

Et les autres utilisations du réseau neuronal artificiel que nous aborderons dans les prochains articles

Les applications du réseau neuronal artificiel ont considérablement augmenté en raison de l'évolution technique dans les domaines de l'intelligence artificielle, y compris :

1)  la reconnaissance des personnes

2)  la reconnaissance des situations

3)  le marketing et la publicité, en prédisant la probabilité de réponse au marketing par courrier direct

4)  la détection et la prévention des fraudes dans les bases de données de cartes de crédit et des réclamations d'assurance

5)  la prévision de la demande des consommateurs pour simplifier les coûts de production et de livraison

6)  la reconnaissance des lignes et de l'écriture manuscrite

7)  la reconnaissance de la voix ou de l'image et des empreintes digitales, etc..

8)  la surveillance et la simulation de systèmes, y compris la simulation de vol

9)  l'analyse des systèmes et des fichiers financiers dans les banques en ce qui concerne les opérations de prêt, de divulgation et de dépôts