Intelligence artificielle Logistique médicale : un système prend en compte l'environnement pour se déplacer...

Pour approfondir le sujet

Sur le même thème :

Google souhaite vaincre les problèmes dermatologiques à l’aide de l’intelligence artificielle

Il y a quelques années, L’Université de Waterloo exploitait l'intelligence artificielle pour faciliter la détection des cancers de la peau. Dans le même esprit,...

Intelligence artificielle, oncologie et immunologie : AP-HP et Owkin présentent leurs résultats

Assistance Publique - Hôpitaux de Paris (AP-HP) et Owkin, start-up technologique spécialisée dans l'IA et dans l'apprentissage fédéré (federated learning) pour la recherche et...

CAMEO, un modèle de machine learning capable de reconnaître tous types de matériaux

Dans le cadre de recherches sur les matériaux, le National Institute of Standards and Technology (NIST) a élaboré un modèle d'IA. Cet algorithme baptisé Closed-Loop...

Grâce au ML, des chercheurs ont découvert qu’un fort taux de glycémie favorise les formes graves du Covid

L'École Polytechnique fédérale de Lausanne (EPFL) est à l'origine, dans le cadre du Blue Brain Project, d'une initiative qui vise à combattre le Covid-19....

Logistique médicale : un système prend en compte l’environnement pour se déplacer dans des situations d’urgence

Plusieurs chercheurs de l’Université de Californie à San Diego ont développé un algorithme d’intelligence artificielle qui peut être implémenté sur des robots. Ce code peut prendre en compte l’environnement médical dans lequel il se trouve : il compte notamment le nombre de personnes qui se trouvent dans un espace prédéfini et estime leur vitesse de déplacement. Cet outil pourrait aider le personnel médical à mieux être approvisionné selon leurs disponibilités. 

Une solution pour répondre à un problème de logistique médicale

Dans les centres hospitaliers et les clinques, le personnel médical (cliniciens, infirmiers et infirmières, médecins, etc.) a besoin de fournitures ou de matériel pour réussir à réaliser correctement son travail. Toutefois, il existe un problème : on ne peut pas approvisionner rapidement ce personnel pendant une intervention de soin, notamment si le patient est dans un état grave ou critique, car tout se passe très vite et la cohue existante peut gêner un robot qui se déplace sans prendre en compte les mouvements des gens.

Laurel Riek, professeur d’informatique et de médecine d’urgence à l’Université de Californie à San Diego, évoque la condition pour qu’un robot puisse réaliser cette tâche :

“Pour effectuer ces tâches, les robots doivent comprendre le contexte des environnements hospitaliers complexes et les personnes qui les entourent.”

Pour répondre à cela, des chercheurs de l’Université de Californie à San Diego ont construit un système de navigation intitulé Safety Critical Deep Q-Network (SafeDQN). Cet algorithme commande un robot qui prend en compte le nombre de personnes présentes dans un espace prédéfini et déduit leur vitesse de déplacement dans cette zone.

Lorsqu’un patient arrive aux urgences et qu’il faut lui prodiguer des soins rapidement, une équipe se réunit immédiatement auprès de lui. En parallèle, le système de navigation prend en compte le mouvement rapide des cliniciens, infirmiers et médecins pour ordonner au robot de se déplacer en contournant ces personnes sans les gêner.

Angelique Taylor, doctorante au laboratoire de robotique de santé sous la tutelle de Laurel Riek, au sein du département d’informatique et d’ingénierie de l’Université de Californie à San Diego, précise :

“Notre système a été conçu pour faire face aux pires scénarios pouvant survenir au service d’urgence”

Un système de navigation entrainé grâce au machine learning

Leur conception a fait l’objet d’une publication écrite par Angelique Taylor, Sachiko Matsumoto, Wesley Xiao et Laurel Dick, auteur principale de la publication.

Pour entrainer l’algorithme, les chercheurs ont utilisé environ 700 vidéos YouTube, principalement des documentaires et des émissions de téléréalité. Une base de données disponible pour n’importe quelle autre équipe de recherche qui souhaite l’obtenir. Puis l’équipe de recherche a testé le code à l’aide de paramètres simulés, et ses performances ont été comparées à d’autres systèmes de navigations de pointe. Les résultats prouvent que SafeDQN génère les chemins les plus efficaces dans tous les cas générés.

À l’avenir, les chercheurs en intelligence artificielle de l’Université de Californie à San Diego testeront le système sur un vrai robot dans un environnement réaliste. Pour cela, ils souhaitent s’associer aux chercheurs en santé de la même université qui gèrent le centre de formation et de simulation en soins de santé. De plus, ils sont convaincus que cet algorithme pourrait être exploité en dehors d’une utilisation médicale.


1ère Marketplace de l'IA et de la transformation numérique vous recommande :
 
Zacharie Tazrout

Partager l'article

Quel rôle l’intelligence artificielle joue-t-elle dans la lutte contre les incendies de forêt ?

Le Maroc, l'Espagne et la France connaissent actuellement une vague de chaleur très importante qui surprend les météorologues car elle arrive précocement. Avec le...

L’UMONS introduit 40 portefeuilles projets FEDER-FSE+ pour un budget de plus de 280 millions d’euros

Le FEDER (Fonds Européen de Développement Régional) et le FSE (Fonds Social Européen Plus) ont pour objectif de renforcer la cohésion sociale et économique...

Yoshua Bengio fait son entrée dans le dictionnaire Larousse

Nouveau signe de la popularisation de l'intelligence artificielle, le directeur scientifique de Mila et professeur à l’Université de Montréal, Yoshua Bengio, intègre le Petit...

METAFORA biosystems lance METAflow, logiciel cloud d’analyse numérique de cytométrie en flux

METAFORA Biosystems, une société qui a développé une plateforme de cytométrie en flux alimentée par l'IA pour générer des diagnostics in vitro (DIV) plus...
Recevoir une notification en cas d'actualité importante    OK Non merci