L'intelligence artificielle a été utilisée pour identifier les facteurs les plus étroitement associés aux taux de survie au cancer dans 185 pays, selon une étude publiée dans la revue Annals of Oncology. L'étude, menée par des chercheurs affiliés à la Société européenne d'oncologie médicale, a appliqué l'apprentissage automatique pour analyser les données sur le cancer et les informations sur les systèmes de santé, révélant ainsi les principaux déterminants de la survie qui varient considérablement d'un pays à l'autre.

Le modèle d'IA a identifié des facteurs spécifiques, tels que l'accès à la radiothérapie, la présence d'une couverture sanitaire universelle et la puissance économique d'un pays, comme étant fortement corrélés à l'amélioration des taux de survie au cancer. La recherche suggère que des améliorations ciblées dans ces domaines pourraient entraîner des gains importants en termes de vies sauvées, les stratégies optimales différant d'un pays à l'autre.

L'apprentissage automatique, un sous-ensemble de l'IA, implique la formation d'algorithmes sur de vastes ensembles de données pour identifier des schémas et faire des prédictions sans programmation explicite. Dans ce cas, l'IA a été entraînée sur une vaste collection de statistiques sur le cancer et de données sur l'infrastructure des soins de santé afin de déterminer quels éléments avaient le plus d'impact sur les résultats pour les patients. Cette approche permet une compréhension plus nuancée que les méthodes statistiques traditionnelles, qui ont souvent du mal à tenir compte de l'interaction complexe des facteurs influençant la survie au cancer.

"Pour la première fois, nous sommes en mesure de voir, avec un haut degré de résolution, les leviers spécifiques que chaque pays peut actionner pour améliorer la survie au cancer", a déclaré un chercheur principal du projet. "Cette approche basée sur l'IA fournit une feuille de route aux décideurs politiques et aux professionnels de la santé pour hiérarchiser les interventions et allouer efficacement les ressources."

Les implications de cette recherche vont au-delà de la simple identification des corrélations. En quantifiant l'impact de divers facteurs, le modèle d'IA permet de simuler différents scénarios politiques. Par exemple, un pays pourrait utiliser le modèle pour estimer l'impact potentiel de l'élargissement de l'accès à la radiothérapie ou de la mise en œuvre d'une couverture sanitaire universelle sur ses taux de survie au cancer.

L'étude met également en évidence les disparités dans les taux de survie au cancer entre les pays à revenu élevé et les pays à faible revenu. Bien que l'accès aux traitements et aux technologies de pointe joue un rôle, le modèle d'IA a révélé que même les infrastructures de soins de santé de base, telles que l'accès aux services de diagnostic et aux médicaments essentiels, peuvent avoir un impact profond sur la survie.

Les chercheurs prévoient d'affiner davantage le modèle d'IA en intégrant des sources de données supplémentaires, telles que des informations génétiques et des facteurs liés au mode de vie. Ils visent également à développer une interface conviviale qui permette aux décideurs politiques et aux professionnels de la santé d'accéder et d'interpréter facilement les résultats du modèle. Cela pourrait potentiellement conduire à une prise de décision plus fondée sur des données probantes et à des stratégies de lutte contre le cancer plus efficaces dans le monde entier.