L'intelligence artificielle a été utilisée pour identifier les facteurs influençant les taux de survie au cancer dans 185 pays, selon une étude publiée dans la revue Annals of Oncology. L'étude, utilisant l'apprentissage automatique, un sous-ensemble de l'IA, a analysé les données sur le cancer et les informations sur les systèmes de santé afin de déterminer quels éléments sont les plus fortement corrélés à une amélioration de la survie, pays par pays.

Le modèle d'IA a identifié plusieurs facteurs clés, notamment l'accès à la radiothérapie, la présence d'une couverture sanitaire universelle et la solidité économique globale, comme étant significativement liés à de meilleurs résultats en matière de survie au cancer. Les chercheurs estiment que c'est la première fois que l'apprentissage automatique est appliqué à une échelle aussi mondiale pour comprendre les disparités en matière de survie au cancer.

L'apprentissage automatique, dans ce contexte, implique la formation d'algorithmes pour identifier des schémas et des relations au sein de vastes ensembles de données sans programmation explicite pour chaque schéma spécifique. L'IA passe au crible de grandes quantités de données, apprenant à reconnaître quelles variables sont les plus prédictives d'un résultat particulier, en l'occurrence la survie au cancer. Cette approche permet une compréhension plus nuancée que les méthodes statistiques traditionnelles, qui reposent souvent sur des hypothèses prédéfinies.

« Ce modèle d'IA offre une nouvelle perspective puissante pour comprendre pourquoi les taux de survie au cancer diffèrent si radicalement dans le monde », a déclaré un représentant de la Société européenne d'oncologie médicale, la source de la recherche. « Il met en évidence les changements de système de santé qui pourraient faire la plus grande différence pour sauver des vies, pays par pays. »

Les implications de cette recherche sont considérables. En identifiant des facteurs spécifiques et exploitables, les décideurs politiques et les administrateurs de la santé peuvent hiérarchiser les interventions visant à améliorer les soins contre le cancer dans leurs pays respectifs. Par exemple, si le modèle d'IA indique qu'un manque d'accès à la radiothérapie est un obstacle majeur à la survie dans un pays donné, des efforts peuvent être déployés pour développer l'infrastructure de radiothérapie et former le personnel.

L'étude souligne également l'importance de la couverture sanitaire universelle. Les pays dotés de systèmes de santé universels solides ont tendance à avoir de meilleurs taux de survie au cancer, ce qui suggère qu'un accès équitable aux soins est un déterminant essentiel des résultats.

Bien que le modèle d'IA fournisse des informations précieuses, les chercheurs soulignent qu'il ne s'agit pas d'un prédicteur définitif de la survie au cancer. D'autres facteurs, tels que les choix de mode de vie, les prédispositions génétiques et les expositions environnementales, jouent également un rôle. En outre, le modèle n'est aussi bon que les données sur lesquelles il est formé, et la qualité et la disponibilité des données peuvent varier considérablement d'un pays à l'autre.

Pour l'avenir, les chercheurs prévoient d'affiner le modèle d'IA en intégrant des sources de données supplémentaires et en explorant des interactions plus complexes entre les variables. Ils espèrent également développer des interventions personnalisées basées sur les caractéristiques individuelles des patients, en exploitant davantage la puissance de l'IA pour améliorer les résultats en matière de cancer dans le monde entier. Le développement et l'application continus de l'IA dans les soins de santé représentent une avancée significative dans notre capacité à comprendre et à relever les défis complexes en matière de santé.