Save the date pour la prochaine Paris Healthcare Week : 21 au 23 mai 2019

Un événement

Intelligence artificielle – IA : Un outil d’aide au diagnostic de plus en plus performant


Intelligence artificielle (IA)

Un outil d’aide au diagnostic de plus en plus performant

Elle n’en est qu’à ses balbutiements mais l’Intelligence artificielle (IA) s’immisce progressivement dans les services de soins. Il s’agit essentiellement d’outils de dépistage de certaines maladies, c’est-à-dire de logiciels capables de repérer des anomalies dans une image et de proposer un diagnostic. 

1,5 milliard d’euros de crédits publics pour, notamment, favoriser en France « l’émergence de champions de l’intelligence artificielle » : telle est l’ambition affichée par Emmanuel Macron, le 29 mars, au lendemain de la remise du rapport sur l’IA du mathématicien et député Cédric Villani. Dans le cadre de la stratégie quinquennale qu’il souhaite lancer en la matière, le Président de la République a indiqué vouloir mettre l’accent prioritairement sur deux secteurs : les transports et la santé. Il faut dire que, même si elle pose des questions juridiques et éthiques qu’il faudra appréhender, l’IA offre de grands espoirs, en particulier en matière de dépistage et de diagnostic.

 

Performances logicielles variables

À l’heure actuelle, certains logiciels détectent automatiquement les nodules sur des scanners du poumon et évaluent s’ils sont bénins ou malins, facilitant ainsi le diagnostic des cancers du poumon. Interviewé en novembre 2017 par Les Échos, le Dr Jean-Philippe Masson, Président de la Fédération nationale des médecins radiologues (FNMR), précisait qu’en la matière, « la machine reconnaît 100 % des “taches“ ». En revanche, selon lui, les logiciels permettant de naviguer grâce à la reconstruction en 3D du côlon d’un patient pour rechercher des lésions coliques précancéreuses (« coloscopies virtuelles ») sont moins performants : « On observe 90 % de faux positifs dans la détection des polypes, ce qui nous fait perdre du temps. »

Si les performances des logiciels reposant sur l’IA sont encore très variables, elles offrent de réelles perspectives. Selon une étude, publiée en décembre 2017 par le Journal of American Medical Association1, l’IA a obtenu, dans certains cas, de meilleurs résultats que les professionnels de santé pour détecter les métastases dans les ganglions lymphatiques de femmes atteintes d’un cancer du sein.

 

Maladies infectieuses et urgences médicales

 Des domaines autres que la cancérologie sont ou seront impactés, tels que la cardiologie, la dermatologie ou encore, l’infectiologie. En effet, « à l’heure actuelle, des algorithmes détectent la tuberculose sur la base d’une radiographie thoracique qu’ils comparent avec un jeu considérable de radiographies stockées et étiquetées », explique Gaspard D’Assignies, médecin radiologue du CHU de Nantes et co-coordinateur d’un groupe de travail sur l’IA au sein de la Société française de radiologie (SFR).

La pathologie est détectée avec une sensibilité de 97,3 % et une spécificité de 100 %2, grâce à la technologie dite du deep learning (ou apprentissage profond)3, la forme la plus avancée d’intelligence artificielle.

En matière d’urgences également, des algorithmes sont en train d’être mis au point pour détecter des situations aigües, telles qu’une hémorragie intracrânienne, toujours à l’aide d’images radiologiques. « D’autres visent à hiérarchiser des scanners cérébraux pour prioriser ceux qui présentent des anomalies et nécessitent des examens complémentaires urgents », précise Gaspard D’Assignies. L’objectif étant de prendre en charge au mieux et au plus vite les patients dans un état critique.

 

Médecine de précision, médecine personnalisée

De nombreuses start-ups et grandes entreprises (Philips, GE, Toshiba, Siemens Healthineers etc.) du secteur de l’imagerie (sans compter les géants des technologies tels que Google et Microsoft) misent sur l’IA. « Nous investissons énormément pour renforcer l’IA dans nos gammes de produits et ce, dans sa forme la plus aboutie, le deep learning », confirme Serge Ripart, responsable de l’activité Imagerie médicale chez Siemens Healthineers. L’entreprise a déjà déposé plus de 400 brevets relatifs à des technologies reposant sur le machine learning et 75 sur le deep learning. En outre, « à peu près une trentaine de logiciels d’IA sont déjà installés sur nos appareils », détaille-t-il.

Des chiffres qui, dans cinq ans, « seront dans doute multipliés par trois ou quatre », selon ses estimations. « Nous avons également créés quatre data centers, sur différents continents, pour pouvoir compiler un grand nombre de données médicales ». Un stock précieux pour permettre aux algorithmes de les analyser, de les comparer et, en quelque sorte, de les apprendre. L’objectif est de « renforcer le diagnostic des médecins radiologues, par l’amélioration de la qualité des images réalisées, par la détection et la caractérisation d’anomalies et aussi par la préparation des comptes-rendus diagnostics », confirme Serge Ripart.

Bien entendu, « l’IA n’a pas vocation à remplacer les médecins », rassure-t-il, mais à leur « faire gagner du temps » et à « renforcer la pertinence clinique » de leur diagnostic. Elle s’inscrit dans « l’ère de la médecine de précision et de la médecine personnalisée ».

 

Au-delà de la radiologie diagnostique

La radiologie est et sera l’un des principaux secteurs de la médecine à être fondamentalement impactés par l’IA. Mais elle ne sera pas la seule. La biologie et la génétique le seront également au profit de diagnostics plus rapides et plus fiables. C’est, en tout cas, ce que promettent les chercheurs. À titre d’exemple, le projet Oncosnipe a récemment été lancé pour quatre ans par des sociétés privées et des institutions académiques (les Hôpitaux universitaires de Strasbourg, le Centre Georges François Leclerc de Dijon, l’Institut Paoli-Calmettes de Marseille et la fédération française Unicancer).

L’objectif est « de collecter des données de santé structurées ou non, de les analyser grâce à l’intelligence artificielle afin de dégager des signatures ou biomarqueurs susceptibles d’orienter les médecins lors de la prise en charge des patients et de guider les laboratoires pharmaceutiques dans le développement de nouveaux médicaments », souligne Jan Hoflack, Directeur scientifique au sein de l’une des sociétés associées au projet, interviewé dans un article paru en mars 2018 sur le site EDP Biologie. Par ailleurs, selon une étude4, la plate-forme d’oncologie d’IBM, Watson for oncology, a mis seulement 10 minutes – contre 160 heures pour les cliniciens – à analyser un génome complet.

Autant de solutions et de perspectives à découvrir pour mieux les appréhender à l’occasion de la prochaine Paris Healthcare Week.

 

1 « Diagnostic assessment of deep learning algorithms for detection of lymph node metastases in women with breast cancer », Bejnordi BE. et al., in JAMA, décembre 2017.

2 « Deep Learning at Chest Radiography : Automated Classification of Pulmonary Tuberculosis by Using Convolutional Neural Networks », Lakhani P. et Sundaram B., in Radiology, août 2017

3 Le deep learning (apprentissage profond) est un dérivé du machine learning (apprentissage automatique). Il permet de modéliser des données numériques avec un haut niveau d’abstraction et recouvrent des technologies comme la reconnaissance d’images ou la vision robotique.

4 « Comparing sequencing assays and human-machine analyses in actionable genomics for glioblastoma », Kazimierz O. et al., in Neurology genetics, août 2017.

 


La santé mobile au service de la prescription

Deux médecins sur trois se servent de leur Smartphone pour prescrire, c’est-à-dire pour s’informer sur un médicament, sur une stratégie thérapeutique etc., selon le baromètre Vidal/CNOM publié en 2016. De fait, plusieurs applications mobiles existent telles que « 360 medics » (gratuite), « Médicaments 2018 » (payante) ou encore « Vidal Mobile » (partiellement payante). Cette dernière, par exemple, permet d’accéder aux fiches de plus de 15 000 produits de santé (11 000 médicaments et 4 000 produits de parapharmacie), aux informations sur les interactions médicamenteuses, aux adresses des centres régionaux de pharmacovigilance, aux recommandations officielles sur la vaccination mais aussi à de l’actualité médicale.

 


« Donner un sens à l’IA »

Rendu public le 28 mars, le rapport du mathématicien et député de La république en marche (LREM) de l’Essonne Cédric Villani, intitulé « Donner un sens à l’intelligence artificielle – Pour une stratégie française et européenne », s’articule autour de six axes :

– articuler la politique économique autour des données ;

– renforcer la recherche ;

 « anticiper et maîtriser » les impacts de l’IA « sur le travail et l’emploi » ;

– mettre l’IA « au service d’une économie plus écologique » ;

– définir une éthique ;

– veiller à « une IA inclusive et diverse ».

 

Pour télécharger le rapport : https://www.aiforhumanity.fr

 

 

Orientation non prise en charge

Pour une meilleure expérience,
veuillez tourner votre appareil en mode portrait.