Pedestrians wearing face masks to curb the the spread of coronavirus, pass in front of the mural "Waves" by the artist Adioshpe in Athens, Greece, Wednesday, Jan. 12, 2022. According to health authorities Tuesday, the surge of the Omicon variant in Greece seems to have "slowed down." (AP Photo/Thanassis Stavrakis)

Au cours des dernières semaines, On Point a diffusé une série spéciale en quatre parties intitulée Smarter health: Artificial intelligence and the future of American health care.

Dans la série, nous avons exploré l’augmentation du financement de la recherche sur l’IA et des soins de santé, l’impact qu’elle pourrait avoir sur votre santé et les questions éthiques, morales et réglementaires qui accompagnent l’expansion rapide d’une technologie puissante dans le monde le plus cher. système de soins de santé.

MEGHNA CHAKRABARTI : Nous avons passé quatre mois à rendre compte de cette série et nous nous sommes entretenus officiellement avec environ 30 experts, dans tous les domaines, des soins primaires aux dossiers médicaux électroniques en passant par la bioéthique. Notre travail a été dirigé par Dorey Scheimer, rédactrice en chef de On Point, et elle a rapporté plus d’histoires que nous ne pouvions en intégrer dans notre série radio, y compris celle-ci pour cette sortie spéciale.

Il s’agit de la façon dont la pandémie de COVID a conduit à la toute première utilisation de l’intelligence artificielle. Plus précisément, ce qu’on appelle l’apprentissage par renforcement, pour gérer un énorme défi de santé publique. Dorey le prend d’ici.

DOREY SCHEIMER: Été 2020. Le bilan mondial des décès dus au COVID avait atteint un demi-million. Les pays qui comptaient sur des milliards de dollars de tourisme estival se demandaient combien de temps ils pourraient rester fermés.

HAMSA BASTANI : La Grèce avait décidé d’ouvrir ses frontières le 1er juillet 2020 pour laisser entrer les voyageurs car ils ne pouvaient plus supporter le coup économique.

Hamsa Bastani est professeur et chercheur à l’Université de Pennsylvanie, spécialisé dans les algorithmes et les applications dans les soins de santé. Le gouvernement grec avait une décision à prendre. Comment la nation pourrait-elle s’ouvrir aux touristes tout en gardant le COVID sous contrôle en Grèce ?

À l’époque, de nombreux autres pays ont opté pour des politiques générales comme la mise en quarantaine obligatoire pour les touristes entrants ou le test de chaque voyageur à son arrivée. Ou, en utilisant des systèmes de codage couleur rudimentaires qui classaient des nations entières en fonction du risque en fonction des cas de COVID ou des taux de mortalité signalés publiquement. Bastani dit qu’elle et certains collègues pensaient qu’aucune de ces options n’était particulièrement sophistiquée. Ils avaient une autre idée.

BASTANI : Nous pouvons probablement utiliser la science des données et l’apprentissage automatique pour faire mieux.

SCHEIMER: Plus précisément, Bastani et ses collègues pensaient que l’IA pourrait faire mieux pour détecter les cas asymptomatiques de COVID chez les touristes en visite.

BASTANI : Ils reçoivent entre 30 000 et 100 000 voyageurs chaque jour. Et ils ont la capacité, même avec des tests de groupe, de tester environ 7 500 personnes. C’est donc un budget très, très limité. Et c’est exactement le genre de problème pour lequel l’IA est très utile. Parce que fondamentalement, ce que vous pouvez faire, c’est essayer de prédire qui est le plus susceptible d’être testé positif au COVID, tester ces personnes de préférence, car vous maximiserez alors le nombre de cas de COVID que vous attrapez aux frontières.

SCHEIMER : Le groupe de recherche a créé un algorithme de dépistage. Elle s’appelait Eva.

BASTANI : Ils voulaient choisir un nom composé d’une seule syllabe, qui soit féminin et qui inspire la confiance parmi la population.

SCHEIMER : Eva utilise l’apprentissage par renforcement, une méthode d’apprentissage automatique qui apprend et s’améliore par essais et erreurs. C’était la première fois qu’un algorithme d’apprentissage par renforcement était déployé dans le monde pour la santé publique.

BASTANI : Notre outil obtiendrait le manifeste des passagers, tout le monde remplissait un formulaire de localisation des passagers pour arriver ce jour-là.

SCHEIMER : D’août à novembre 2020, chaque voyageur venant en Grèce devait remplir des informations sur son lieu d’origine, son âge et son sexe sur le formulaire de localisation des passagers, 24 heures avant l’arrivée. Et puis l’algorithme Eva s’est mis au travail. Pendant plusieurs mois, avant que l’algorithme ne soit déployé, la Grèce a testé au hasard des passagers entrant dans le pays.

Cela a donné à Eva un premier ensemble de données à analyser. Ensuite, l’algorithme a utilisé les informations contenues dans les formulaires de localisation des passagers, principalement le lieu d’origine, ainsi que les données de test antérieures pour identifier les voyageurs à signaler pour les tests.

Disons qu’un vol arrive en Grèce depuis la France. L’algorithme a déterminé le risque que les touristes français soient testés positifs pour le COVID sur la base des taux de positivité des voyageurs français précédents. Si le risque est élevé, chaque passager du vol peut être testé, si le budget le permet. Si le risque est faible, l’algorithme déterminerait qu’un nombre inférieur de passagers devrait être testé au hasard.

BASTANI : Nous avons également travaillé en arrière-plan, optimisant et concevant la chaîne d’approvisionnement des tests, quels services de laboratoire, quel emplacement, quelle est la quantité de tests qu’ils peuvent gérer, etc. Tout cela a donc été soigneusement intégré à l’algorithme pour nous assurer que nous testions le bon nombre de personnes à chaque endroit.

SCHEIMER : Après avoir fait son analyse, Eva a envoyé à chaque passager un code QR. À leur arrivée en Grèce, les passagers ont scanné leurs codes QR. Les autorités grecques de contrôle des frontières verraient si cette personne avait été assignée au hasard à un test. Bastani dit que la différence entre Eva et les tests de contrôle aux frontières conventionnels dans d’autres pays est qu’Eva n’a pas utilisé de données macro-publiques, comme le nombre de cas COVID d’un pays ou le nombre de décès.

BASTANI: Nous testions des patients à haut risque symptomatiques, qui étaient généralement hospitalisés. Et ce sont les personnes sur lesquelles nous utilisions notre budget de test très limité et précieux. Et c’est ce qui est signalé à l’infrastructure publique. Et puis si vous pensez au voyageur dont vous parlez qui vient en vacances en Grèce pendant l’été 2020, un genre de personne extrêmement différent.

SCHEIMER: Selon Bastani, l’analyse plus détaillée d’Eva a permis au gouvernement grec de mieux répartir son offre limitée de tests COVID et d’utiliser au mieux ses installations de traitement des tests.

BASTANI: Mon objectif est de tester le passager le plus à risque afin que je puisse trouver le plus de cas aujourd’hui, afin qu’ils n’aillent pas sur les plages, les clubs et infecter les gens. C’est la victoire d’aujourd’hui. Mais je veux aussi économiser quelques tests pour faire de l’exploration. C’est donc cette idée que je veux aussi faire de la surveillance.

Je veux juste consacrer une partie de mon budget de test à collecter de bonnes données réparties sur toutes les populations, afin de pouvoir former demain de bons modèles qui me permettront de faire le bien pour prendre de bonnes décisions demain. La façon dont vous équilibrez ce compromis est vraiment la raison d’être de ces algorithmes avancés.

SCHEIMER: En fin de compte, l’algorithme Eva a identifié 1,85 fois plus de voyageurs infectés asymptomatiques que les tests de surveillance aléatoires. Avec jusqu’à 2 à 4 fois plus pendant les heures de pointe. C’est selon les recherches publiées par le groupe de Bastani. En d’autres termes, l’algorithme d’apprentissage automatique était meilleur que les tests aléatoires. Pour que la Grèce atteigne la même efficacité qu’Eva, il aurait fallu utiliser 85% de tests en plus. Ce type de test et d’investissement dans la chaîne d’approvisionnement était impossible pour la Grèce.

Un responsable du gouvernement grec a déclaré lors d’une conférence de presse en juillet 2020 que l’utilisation d’Eva a été un atout à la fois pour préparer l’ouverture du pays aux visiteurs du monde entier, ainsi que pour permettre une flexibilité dans la prise de décision concernant notre stratégie COVID-19 . Eva est le premier algorithme d’apprentissage par renforcement utilisé pour la santé publique. Dans ce cas, l’algorithme a déterminé quels voyageurs devaient subir un test COVID, en utilisant un minimum d’informations personnelles.

Mais qu’en est-il si la technologie est utilisée par d’autres pays, à d’autres fins ? Nous avons demandé à Bastani, qui va s’assurer que la même technique d’apprentissage par renforcement ne sera pas utilisée pour renforcer la discrimination et les préjugés à la frontière ?

BASTANI: Je partage certainement vos préoccupations selon lesquelles vous ne voulez pas que l’algorithme présente des préjugés socio-économiques ou raciaux et des choses comme ça. Donc, je pense que d’une part, il y a une grande opportunité de réduire les préjugés. Parce que ces algorithmes regardent les résultats, n’est-ce pas ?

Donc, je pense que les décideurs humains, il y a beaucoup de preuves que nous avons des préjugés qui ne se reflètent pas réellement dans la réalité, que vous pourriez penser que certaines populations ne méritent pas de soins, ou sont plus à risque, pour des raisons qui ne sont pas vraiment soutenu par les données. Donc, en adoptant une approche axée sur les données, vous les comparez en quelque sorte aux résultats réels. Ainsi, comme les populations à haut risque jugées par l’algorithme sont potentiellement, espérons-le, à risque réellement plus élevé.

SCHEIMER : Bastani et son équipe ont été approchés par le Canada et plusieurs autres pays européens potentiellement intéressés par l’utilisation d’Eva. Étant donné que chaque pays a des politiques de confidentialité et d’immigration différentes, l’algorithme devrait être ajusté aux paramètres spécifiques au pays. Bastani travaille également actuellement à la mise en œuvre d’Eva en Sierra Leone afin d’optimiser leurs chaînes d’approvisionnement de santé publique pour les vaccins et les médicaments essentiels dans les hôpitaux communautaires.

BASTANI: Je suis ravi de voir davantage de ces outils être déployés pour aider la santé publique et d’autres problèmes de bien social. Je pense qu’il y a beaucoup de potentiel, mais je pense qu’il y a beaucoup de défis éthiques et d’équité. Et, vous savez, j’espère que cela se poursuivra de manière responsable, ce qui est en fait une situation gagnant-gagnant pour la société.

SCHEIMER : Pour On Point, je suis la rédactrice en chef Dorey Scheimer.

CHAKRABARTI : Ce n’est qu’une des nombreuses histoires que Dorey a rapportées pour notre série spéciale en quatre parties Smarter health. Vous pouvez trouver la série dans votre flux de podcast et nous vous serions reconnaissants de vous abonner au podcast On Point si vous ne l’avez pas déjà fait. Il y a beaucoup plus de trucs sympas comme ça dans le flux, promis. Je suis Meghna Chakrabarti. C’est sur le point.