L'intelligence artificielle dans la lutte contre COVID-19

Face au coronavirus, les technologies numériques sont vitales pour la santé sociale et les performances économiques. Une réponse numérique à la pandémie de COVID-19 peut prendre plusieurs formes et apporter une valeur significative. Un domaine important dans lequel il y a eu des développements rapides au cours des dernières semaines est celui des nouvelles applications de l'intelligence artificielle (IA) et de l'apprentissage automatique (ML) pour le dépistage de la population et l'évaluation des risques d'infection.

Le dépistage de la population pour identifier les personnes potentiellement malades est crucial pour contenir COVID-19. En Chine, qui a été le premier touché, des scanners d'imagerie infrarouge traditionnels et des thermomètres portables ont été introduits dans plusieurs lieux publics, en particulier à Pékin. Les entreprises chinoises championnes de l'intelligence artificielle ont maintenant introduit des systèmes de contrôle de la température plus avancés alimentés par l'IA dans des endroits comme le métro et les gares. L'avantage de ces systèmes est qu'ils peuvent dépister les gens à distance et en quelques minutes, tester la fièvre de centaines d'individus.

En Chine et ailleurs, de nouvelles applications pour smartphones alimentées par l'IA sont en cours de développement pour surveiller la santé des individus et suivre la propagation géographique du virus. Ces applications visent à prédire quelles populations et communautés sont les plus sensibles aux impacts négatifs d'une épidémie de coronavirus, pour permettre aux patients de recevoir des informations sur les temps d'attente en temps réel de leurs fournisseurs de soins médicaux, pour fournir aux gens des conseils et des mises à jour sur leur état de santé sans les obligeant à visiter un hôpital en personne, et à informer les individus des points chauds d'infection potentielle en temps réel afin que ces zones puissent être évitées.

Accès aux données

Ces technologies ont généralement besoin d'accéder aux données transmises par les téléphones mobiles, y compris les données de localisation. Pendant que les outils se développent, il est important de développer également un cadre afin qu'ils puissent être aussi efficaces que possible dans la pratique. Pour cela, une coordination étroite entre les autorités, les opérateurs de télécommunications, l'industrie de haute technologie et les instituts de recherche est nécessaire. Les entreprises de haute technologie et les grandes universités peuvent fournir les outils, les entreprises de télécommunications peuvent donner accès aux données des individus, et les autorités devraient veiller à ce que le partage de données soit conforme aux règles de confidentialité et ne crée pas de risques d'utilisation abusive des données des individus.

Par exemple, en Belgique, les ensembles de données des opérateurs de télécommunications sont combinés avec des données sur la santé sous la supervision de l'Autorité belge de protection des données afin de générer des ensembles de données agrégés et anonymisés au niveau régional qui peuvent être utilisés pour évaluer comment le virus se propage et quelles zones sont élevées risque. Des initiatives similaires sont en cours dans d'autres pays. La véritable valeur de ces efforts est que les technologies numériques peuvent offrir une surveillance en temps réel, permettant aux autorités d'être plus proactives.

En Autriche, le plus grand opérateur de télécommunications est parvenu à un accord avec les autorités pour fournir des données anonymisées, tandis qu'un mécanisme similaire de partage des données des clients anonymisés a été mis en place pour suivre et analyser les mouvements de population dans la région italienne de Lombardie, durement touchée.

Applications protégeant la confidentialité

La recherche universitaire peut également être utile pour illustrer comment le partage d'informations peut être conçu tout en évitant les risques pour la vie privée. Le Human Dynamics Group du MIT Media Lab, par exemple, a beaucoup travaillé avec les données des smartphones pour analyser le comportement des individus tout en respectant des normes de confidentialité élevées. Il recommande un calcul multipartite sécurisé pour préserver la confidentialité des utilisateurs.

Les mécanismes de données respectueux de la vie privée du MIT pourraient servir de base à la conception d'un modèle de partage de données pour limiter la propagation de COVID-19. Un consortium d'épidémiologistes, d'ingénieurs, de scientifiques des données, d'activistes de la protection de la vie privée, de professeurs et de chercheurs de différentes parties du monde travaille sur une application pour smartphone open source pour empêcher la propagation du virus sans créer un État de surveillance. L'application vérifie les chevauchements des traces GPS des utilisateurs avec les traces de tous les patients infectés (dont les données anonymisées sont fournies par les autorités sanitaires), tandis que des méthodes cryptographiques sont utilisées et qu'il n'y a pas de partage de données brutes (les données personnelles ne quittent pas l'appareil) . Ce système fournit des alertes précoces et des informations personnalisées qui permettent aux personnes qui se sont inscrites à l'application de comprendre leur propre exposition et leurs risques, sur la base de contacts antérieurs avec des patients infectés. Ces services ne peuvent être efficaces que si un grand nombre de patients et d'autres personnes s'y abonnent.

Avec ces informations en entrée, la recherche sur les réseaux (sociaux) tente de prévoir comment et dans quelle mesure le virus se propagera, compte tenu d'un ensemble de paramètres et de caractéristiques prédéterminés. Les autorités peuvent utiliser ces scénarios pour préparer à temps leurs plans d'urgence.

En utilisant des informations sur le temps que les individus passent dans un endroit particulier et sur le nombre d'infections qui s'y produisent, les scientifiques créent des modèles spatiaux qui dépeignent l'évolution des contacts entre les personnes infectées, afin de capturer comment évolue la transmission. L'une des conclusions préliminaires de ces efforts est que la prévision de la transmission du COVID-19 est plus délicate que pour les virus précédents car les individus peuvent être porteurs du virus sans présenter de symptômes, et leurs infections sont donc difficiles à détecter. Un grand nombre des infections à Wuhan semblent avoir été transmises par de tels porteurs asymptomatiques (le Lin Lab de Stanford estime que 50% des individus infectés sont asymptomatiques). Ainsi, les programmes de test intensif COVID-19 (comme celui mis en œuvre en Corée du Sud) peuvent être utiles en fournissant des données pour de meilleures performances de ces modèles.

L'IA peut également être appliquée à la détection et à la suppression automatiques des informations erronées liées au virus publiées sur les réseaux sociaux; produire des tomodensitogrammes très précis et rapides pour la détection de la pneumonie induite par le virus; L'impression 3D pour produire les outils nécessaires aux soins intensifs; optimisation des essais cliniques de médicaments et de vaccins potentiels; développement de systèmes robotiques pour assainir les zones infectées; et des systèmes en ligne pour l'examen médical des individus.

Le timing est bien sûr critique (une étude sur la pandémie de grippe de 1918 montre que les villes américaines qui ont adopté des mesures non pharmaceutiques à un stade précoce avaient des taux de mortalité de pointe 50% inférieurs à ceux qui ne l'ont pas fait). On a reproché aux gouvernements de ne pas comprendre la gravité de la situation des coronavirus et de ne pas avoir imposé des mesures coordonnées à temps.

Alors que la communauté de l'intelligence artificielle travaille intensément à fournir des applications qui peuvent aider à contenir le virus, les systèmes d'IA sont encore à un stade préliminaire et il faudra du temps avant que les résultats de ces mesures d'IA ne soient visibles. Nous sommes encore loin de la fin de cette histoire tragique.