Vers la version anglaise du site de NGI Group
Actualités
News du 05 mars 2018 12:08

L'intelligence artificielle, un sujet qui suscite des interrogations


L’Intelligence Artificielle ouvre de nouvelles perspectives au secteur de l’imagerie, au point que certaines Cassandre parlent même de la fin du métier de radiologue. Qu’en est-il ? De quoi parle-t-on exactement quand on parle d’IA ? Nous avons souhaité revenir sur ce sujet qui suscite toujours autant d’interrogations…


L’intelligence artificielle dans le domaine de la radiologie 
Il existe aujourd’hui deux niveaux d’intelligence artificielle : l’IA faible, et l’IA forte. L’IA faible consiste à reproduire une tâche spécifique, ou à « reproduire à l’identique » l’intelligence humaine à l’aide d’un programme informatique. Ce dernier est conçu pour être performant sur l’activité pour laquelle il a été programmé, sans possibilité d’évoluer. Ce niveau d’intelligence artificielle est d’ores et déjà présent dans la radiologie quotidiennement, comme par exemple la reconnaissance vocale pour une dictée automatique des comptes-rendus, mais également la technologie de reconnaissance optique des caractères (OCR).

 
Le deuxième niveau d’intelligence artificielle est quant à lui capable de « produire » l’intelligence humaine, c’est-à-dire d’analyser une situation, d’évaluer les différentes solutions possibles en fonction du contexte, et enfin d’agir pour répondre aux besoins pour lesquels elle a été conçue. Dans ce qu’on appelle l’intelligence forte, se distinguent encore deux sous-domaines qui sont : le « Machine Learning » et le « Deep Learning ».

 
Le « Machine Learning » ou apprentissage automatique consiste à reproduire un comportement non pas en le programmant pour un domaine spécifique mais en concevant un système capable d’apprendre, à partir de plusieurs exemples, à résoudre un problème. En radiologie, le « Machine Learning » tel que développé aujourd’hui par des géants de la technologie devrait permettre de détecter une anomalie sur une image, la caractériser et établir un diagnostic. Plus concrètement, en lui donnant accès à une base de données de diagnostics, l’IA grâce à son algorithme pourra repérer les différents types de pathologies possibles puis les comparer à un cas particulier. C’est ainsi qu’une forme rare de leucémie, un cancer des cellules de la moelle osseuse ayant échappé aux méthodes traditionnelles de détection., a pu être diagnostiquée chez une patiente japonaise âgée de 60 ans. Le programme d’intelligence artificielle s’est basé sur 20 millions d’études cliniques d’oncologie pour diagnostiquer ce cancer en seulement 10 minutes !

 
Et bien plus encore, grâce au « Deep Learning » ou apprentissage profond qui est le deuxième sous-domaine de l’IA forte, on pourra prédire l’évolution d’une pathologie et prescrire un traitement. Le principe du « Deep Learning » est de pouvoir réagir de façon programmée à certaines situations mais aussi de réagir aux résultats de ses propres décisions, de les garder en mémoire, de les analyser. En bref, cette technique est capable d’apprendre et de s’améliorer de manière autonome. Aujourd’hui, le « Deep Learning » est encore en développement et en phase de d’expérimentation mais il évolue très rapidement. Plusieurs géants de la technologie ont noué des partenariats avec plusieurs hôpitaux à l’étranger pour améliorer cette technique, d’autres ouvrent des plateformes à destination des chercheurs pour développer cette technologie. Il existe également des concours organisés pour éprouver les recherches comme la « Digital Mammography Challenge » organisée par IBM Research, Sage Bionetworks, et l’U.S FDA (Food & Drug Administration) avec près de 1200 équipes participantes présentant leurs modèles prédictifs à partir des techniques de l’IA. 640 000 images de mammographie numérique anonymisées provenant de 86 000 patientes dans le monde ont été mis à disposition pour ce concours. C’est une société française qui a décroché la première place avec une amélioration de 5% du taux de faux positifs par rapport aux précédentes recherches effectuées dans le « Deep Learning » en santé. Par ailleurs, des chercheurs de Harvard Medical School et Beth Israël Deaconess Medical, ont même eu un taux de réussite de 92% pour diagnostiquer un cancer du sein lors d’une compétition annuelle internationale. 


Quel impact pour le médecin radiologue ? 
De nombreuses questions se posent sur cette tendance technologique et notamment l’impact sur le métier de médecin radiologue. Dans une étude effectuée par la SFR en 2017 sur 271 répondants, 82% des professionnels de l’imagerie médicale affirment que l’IA peut améliorer la pertinence de leurs décisions cliniques et 80% pensent que l’IA peut optimiser leur productivité. Même si pour 66% des répondants, l’idée que l’IA puisse remplacer un radiologue reste floue, 67% d’entre eux estiment quand même que les diagnostics seront réalisés à l’aide de l’IA. 

En effet, l’intérêt de l’intelligence artificielle est la transformation du médecin radiologue en « Data scientist » qui consiste à gérer, analyser et contrôler les résultats issus de l’IA. Les enjeux sont l’amélioration de la prise en charge des patients, l’établissement d’un diagnostic plus pertinent et plus rapide tout en gardant le contrôle. L’IA reste à ce stade une opportunité pour les médecins de libérer du temps au profit d’un meilleur suivi et relation aux patients...

 
Entre fiction et réalité 
L’intelligence artificielle est prometteuse et offre de belles perspectives d’évolutions du secteur de l’imagerie médicale, cependant elle n’a pas vocation à remplacer le radiologue mais plutôt à l’’assister pour une prise en charge rapide et efficace du patient.  L’intelligence artificielle fait tout de même face à des défis tels que l’accès aux données qui relèvent des questions éthiques et réglementaires. En effet, une importante quantité de données est nécessaire pour le fonctionnement de l’IA, mais face aux réglementations et lois relatives à la protection des renseignements personnels sur la santé, l’accès à ces données reste encore une grande étape à franchir….