Intelligence artificielle explicable pour la médecine génomique

Améliorer l'efficacité du travail d'investigation des experts en médecine génomique

Expliquer la raison et la base des découvertes générées par l'IA en médecine génomique

L'apprentissage en profondeur est l'une des technologies les plus représentatives de l'IA récente et montre de hautes performances dans la reconnaissance et l'analyse des formes. Cependant, comme elle ne peut pas expliquer les raisons de son jugement, elle est qualifiée de "boîte noire AI". Il existe une technologie d'apprentissage automatique basée sur des données structurées en graphes appelée "Deep Tensor" qui peut analyser directement les relations entre de nombreuses données du monde réel allant des transactions interentreprises aux structures matérielles. En outre, il existe également une technologie permettant de créer une base de connaissances à grande échelle, appelée « graphe de connaissances » et constituée de vastes connaissances existant dans le monde entier, telles que des articles universitaires, en utilisant notre technologie unique. Cette technologie identifie les facteurs (graphiques partiels) qui ont eu une influence significative sur une inférence et les coordonne avec des graphiques partiels à partir d'un graphe de connaissances, en construisant une série d'informations sous la forme de connexions dans le graphe de connaissances comme base pour les résultats . Les gens peuvent combiner ces deux technologies et développer un système qui permet à l'IA d'expliquer les raisons et la base (preuve) de son jugement. Un cas d'utilisation de cette IA explicable est la médecine génomique (pour le traitement du cancer). La médecine génomique la plus récente aide à détecter les défauts génétiques des patients qui ont causé la maladie (cancer) et utilise des médicaments thérapeutiques qui affectent les cellules cancéreuses produites par ces défauts génétiques. En médecine génomique aujourd'hui, les cellules normales et cancéreuses d'un patient sont analysées avec un séquenceur de nouvelle génération ; ensuite, une équipe médicale utilise les données génétiques obtenues pour identifier un gène causal et détermine le traitement recommandé. Il faut au moins deux semaines à l'équipe médicale pour procéder à un 2 examen après avoir effectué une analyse génétique. À moins que les problèmes de coût et de temps ne soient résolus, il serait difficile de diffuser largement cette médecine génomique avantageuse. Dans ce cas d'utilisation, l'IA explicable a formé Deep Tensor à l'aide de 180 000 données de mutation de maladies, intégrant avec succès plus de dix milliards de connaissances provenant de dix-sept millions d'articles médicaux et d'autres matériaux dans un graphe de connaissances. L'entrée de données de mutation génétique dans ce système permet à Deep Tensor de déduire les facteurs pathogènes et permet au graphe de connaissances de trouver des preuves médicales pour justifier les résultats obtenus. Les médecins spécialistes sont alors simplement censés examiner le flux de la logique d'inférence obtenue, réduisant ainsi considérablement la période entre l'analyse et la soumission du rapport de deux semaines à un seul jour.