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.
