Le 19 octobre, à l'occasion de la Journée internationale de sensibilisation au cancer du sein, Google a mis en avant son utilisation de l'intelligence artificielle (IA) pour améliorer les outils de diagnostic dans le secteur de la santé. Des études récentes ont montré une réduction de 9,4 % des faux négatifs et de 5,7 % des faux positifs dans les diagnostics de cancer du sein.
L'Organisation mondiale de la santé reconnaît le cancer du sein comme l'un des cancers les plus courants, touchant principalement les femmes. La détection précoce augmente considérablement l'efficacité des traitements, selon l'Organisation panaméricaine de la santé.
Adriana Noreña, vice-présidente de Google pour l'Amérique latine, a déclaré : "L'IA peut traiter d'énormes quantités de données rapidement, identifier des modèles complexes et apprendre en continu pour améliorer la précision, ce qui en fait un allié précieux pour les professionnels de la santé." Elle a souligné l'importance d'impliquer davantage de femmes dans le développement de l'IA pour garantir que la technologie réponde aux besoins spécifiques des femmes.
Google utilise l'apprentissage profond depuis 2016 pour aider à détecter les métastases grâce à son assistant des ganglions lymphatiques (LYNA). Cet outil analyse des images médicales, identifiant des motifs souvent indétectables à l'œil humain, accélérant ainsi le diagnostic et le traitement.
Lors d'une étude clinique en 2021 avec Northwestern Medicine, Google Health a exploré comment l'IA pourrait rationaliser le processus de diagnostic du cancer du sein. Le modèle d'IA, formé sur des images mammographiques de haute qualité, a montré une réduction significative des faux négatifs et positifs tout en analysant les mammographies en moins de deux minutes.
Récemment, Geoffrey Hinton, ancien chercheur chez Google, a remporté le Prix Nobel de physique 2024 pour ses travaux sur les réseaux de neurones artificiels, qui ont jeté les bases des applications de l'IA dans le domaine de la santé, y compris le développement d'AlphaFold, un outil de prédiction des structures protéiques.