Des chercheurs du Worcester Polytechnic Institute ont développé un modèle d'apprentissage automatique qui analyse des scanographies IRM de 95 régions cérébrales pour détecter la maladie d'Alzheimer avec près de 93% de précision, identifiant la perte de volume de l'hippocampe comme un biomarqueur précoce clé.
Microsoft a lancé Copilot Health, un compagnon santé IA dédié qui intègre les données de plus de 50 appareils portables et les dossiers de plus de 50 000 hôpitaux américains via HealthEx, positionnant l'IA de l'entreprise vers une superintelligence médicale pour les patients du quotidien.
Nature publie le système d'IA révolutionnaire DeepRare qui utilise des données cliniques et des informations génétiques pour diagnostiquer des maladies rares, mettant fin à des odyssées diagnostiques de plusieurs années pour les patients.
Le stéthoscope numérique alimenté par IA d'Eko Health a démontré une sensibilité de 92,3% pour détecter les valvulopathies modérées à sévères, soit près du double des 46,2% de précision des examens au stéthoscope traditionnels dans les essais cliniques.
La recherche du Mount Sinai montre que les LLM d'IA croient à la désinformation médicale dans 32 à 46 % des cas, notamment lorsqu'elle est présentée comme un avis d'expert.
Des recherches de l'université d'Oxford révèlent que les chatbots IA donnent des conseils médicaux incohérents, rendant difficile pour les utilisateurs d'identifier des informations de santé fiables.
Des chercheurs de Harvard publient dans Nature Neuroscience le modèle de base BrainIAC, qui prédit la démence, les AVC et le cancer à partir de 48 900 examens IRM.
L'Utah s'est associé à la start-up de technologies de santé Doctronic pour lancer un système d'IA qui renouvellera de manière autonome environ 200 médicaments courants après avoir réalisé des évaluations cliniques. L'initiative soulève des questions cruciales sur l'autorité de surveillance de la FDA, Doctronic affirmant que son médecin IA n'a pas besoin d'homologation réglementaire.
Cet outil d'apprentissage profond fournit une visualisation 3D sans précédent des cellules ciliées de la cochlée, faisant progresser la recherche sur les traitements de la perte auditive.
Les chercheurs du MIT démontrent que les modèles d'apprentissage automatique les plus performants peuvent devenir les moins performants lorsqu'ils sont appliqués à de nouveaux environnements de données, révélant des risques cachés liés à des corrélations fallacieuses dans l'IA médicale et d'autres applications critiques.
