FINDER pour “Foodborn Illness Detector in Real time”. Tel est l’acronyme du modèle mathématique déployé par Google. Objectif: détecter les intoxications alimentaires dans les restaurants pour empêcher leur aggravation. Le résultat est bluffant et dépasse de loin les méthodes traditionnelles.
Ce nouveau modèle mathématique entend aider les services de santé à détecter les foyers d’intoxication plus rapidement, avant qu’ils ne dégénèrent. Ce partenariat entre Harvard, Google et l’école de santé publique de Harvard est le premier du genre. Il utilise l’autoapprentissage et des données de recherche et de localisation provenant d’utilisateurs Google. L’intelligence artificielle fait ensuite le travail en détectant les plaintes et les restaurants «potentiellement dangereux». Et le tout, en temps réel, de manière bien plus efficace que les méthodes existantes de traitement des plaintes ou encore que les inspections de routine.
Lisez aussi tous nos articles sur les
intoxications alimentaires
Google a réalisé des tests grandeur nature à Chicago et Las Vegas
Comment ça fonctionne? Le modèle commence par classer les requêtes de recherche pouvant indiquer des symptômes, tels que des «crampes d’estomac» ou une «diarrhée» (nos conseils sur la diarrhée). Il détermine ensuite dans quels restaurants les personnes recherchant ces termes s’étaient récemment rendues. Les départements de la santé des deux villes tests, Chicago et Las Vegas, reçoivent ensuite une liste des restaurants «suspectés». Des inspecteurs sont ensuite envoyés dans lesdits restaurants, mais en «aveugle», c’est-à-dire qu’ils ignorent si leur inspection est inspirée par ce nouveau modèle ou par les méthodes traditionnelles. Durant l’étude, publiée dans npj Digital Medicine, les départements de la santé ont également suivi leurs procédures d’inspection habituelles.
Le taux d’identification des risques est doublé
À Chicago, où le modèle a été déployé entre novembre 2016 et mars 2017, le modèle a entraîné 71 inspections. L’étude a révélé que le taux de restaurants «dangereux» parmi ceux détectés par le modèle était de 52,1%, contre 39,4% parmi les inspections classiques. Les chercheurs ont noté que Chicago possède l’un des programmes de surveillance les plus avancés du pays et utilise déjà des techniques d’alerte sur les médias sociaux. Pourtant, ce nouveau modèle s’est avéré plus précis pour identifier les restaurants qui enfreignent les règles de sécurité alimentaire. À Las Vegas, le modèle a été déployé entre mai et août 2016. Comparé aux inspections de routine, le taux de précision de l’identification des restaurants était également supérieur. Au total, le taux global détecté par le modèle dans les deux villes était de 52,3%, tandis que le taux global de détection de restaurants à risque lors d’inspections de routine n’était que de 22,7%.
Cette étude ne brosse cependant que la surface de ce qui est possible dans le domaine de l’épidémiologie apprise par l’intelligence artificielle. En temps quasi réel, cette approche de Google possède le potentiel d’améliorer considérablement la santé publique de manière rapide et rentable.
Lisez notre Nutrigraphics sur les
mesures en cas de Symtômes gastro-intestinaux
