L’intelligence artificielle au service du diagnostic médical

L’intelligence artificielle s’impose partout, y compris dans le domaine de la santé. Avec, à la clé, un repérage plus sûr, plus précis et plus précoce de nos pathologies.

Restez informée

Évoquer l’intelligence artificielle (IA) amène souvent à penser aux robots humanoïdes et à la science-fiction. Celle-ci n’a pourtant déjà plus rien d’une chimère. L’Organisation mondiale de la santé a publié en juin dernier un premier rapport sur les opportunités et les défis liés à ces techniques. Pour elle, l’IA représente « un grand espoir (…) à condition de placer l’éthique et les droits humains » en son cœur. Les enjeux sont énormes. Rien que dans le domaine du diagnostic, on estime qu’elle pourrait réduire les taux de faux positifs et de faux négatifs, améliorer la rapidité et la précision des décisions et apporter ainsi de meilleures chances de guérison, des traitements plus appropriés, voire éviter des examens inutiles aux malades.

Fini le temps où seule la palpation donnait de rares indications sur l’intérieur du corps ! Les techniques d’imagerie révèlent désormais un panorama précis de l’organisme, en 2 voire en 3D. Dans quelques années, même le génome du patient pourra être analysé sur indication du médecin. Il s’agira de le comparer aux anomalies génétiques connues de certaines pathologies, comme des malformations complexes ou des maladies rares. Un grand plan d’action (France médecine génomique 2025) a été lancé pour que tout le territoire en bénéficie. Mais si ces données sont une richesse potentielle, leur masse rend leur lecture impossible au praticien. Pour faire « parler » ensemble toutes ces informations le plus efficacement possible, la recherche se tourne donc vers l’intelligence artificielle.

Simplifier la lecture des symptômes

Les chercheurs utilisent notamment les outils de deep learning (apprentissage profond). En imagerie, par exemple, on « apprend » à la machine à identifier les mammographies normales et celles qui contiennent des anomalies pathologiques. Un travail de titan pour les chercheurs et les radiologues ! Car lorsqu’un praticien annote cinq lésions pour orienter son diagnostic, la machine, elle, doit au préalable ingurgiter des milliers d’images – annotées à cet effet par le radiologue – pour distinguer les nodules bénins des malins. Ce n’est qu’ensuite que l’ordinateur devient capable de comparer seul de nouveaux clichés à ceux de sa base de données. En utilisant la statistique, il classera alors la nouvelle image et enrichira d’autant plus son corpus de connaissances.

Principal écueil du deep learning : la machine est une « boîte noire ». Sa réponse n’est pas intelligible pour l’humain ! Faut-il s’y fier aveuglément ? En France, la communauté scientifique et médicale ne l’envisage pas. La réponse de l’IA n’est qu’un outil supplémentaire de décision. Au moins jusqu’à ce que les chercheurs parviennent à rendre compréhensible la logique des algorithmes  ! Il n’empêche. Aujourd’hui, des équipes de recherche sont en mesure de créer des algorithmes qui émettent un diagnostic à la fois plus rapide et plus fiable que celui de l’humain. Pour le cancer de la peau, par exemple, mais aussi pour la rétinopathie diabétique, ou pour caractériser la sévérité d’un œdème pulmonaire. Le diagnostic des maladies rares bénéficie également du grand nombre de données que peut réunir l’IA, par rapport à un médecin isolé.

Classifier les cancers et prédire leur évolution

Cheffe du service d’anatomie pathologie de l’Hôpital européen Georges-Pompidou, la Pre Cécile Badoual voit déjà sa discipline se transformer. « Auparavant, j’examinais les prélèvements des patients (biopsie, peau, fluides…) à travers un microscope. Aujourd’hui, les lames sont numérisées, transformées en pixels et je les vois sur ordinateur, détaille-t-elle. Pour le moment, cette numérisation me permet, en cas de doute, d’envoyer ma lame à un confrère pour bénéficier de son avis. C’est déjà précieux. Mais dans un avenir proche, on disposera certainement d’algorithmes pour favoriser notre prise de décision. »

Pour l’heure, les spécialistes n’envisagent ce recours que pour les cas problématiques. D’autant qu’un gros travail de validation serait à effectuer en amont. À terme, en revanche, l’IA pourrait non seulement rassembler les lames par type de cancers, mais aussi additionner les informations issues des lames aux informations cliniques pour anticiper une évolution de la maladie. « La machine interprète la moindre information d’une image, contrairement à nous qui nous concentrons sur les cellules tumorales, souligne Cécile Badoual. L’IA nous apportera donc très certainement un autre regard sur l’évolution des cancers. » La spécialiste imagine le recours à ces outils dans la surveillance de pré-cancers ou de lésions sur des muqueuses, pour lesquels les facteurs de risques de transformation en cancer sont faibles mais existants.

La Pre Nathalie Lassau (Institut Gustave-Roussy, université Paris-Saclay) n’a aucun doute non plus sur l’apport des algorithmes. « Grâce à ce regard, nous espérons trouver de nouveaux biomarqueurs prédictifs de la maladie, explique-t-elle. Ça nous permettrait aussi de mieux définir les chances de survie du patient en fonction du traitement envisagé. »

Aux États-Unis, où l’accès aux données médicales est beaucoup moins réglementé qu’en France, un algorithme du Massachusetts Institute of Technology a réussi à prédire jusqu’à cinq ans en avance la survenue réelle d’un cancer du sein. Pour y parvenir, le laboratoire de recherche avait entraîné sa machine sur près de… 90 000 mammographies. Mais utiliser les données hétérogènes de l’hôpital constitue une tout autre gageure. L’utilisation de tels algorithmes dans la pratique courante demeure très futuriste.

Dresser la carte des anomalies du cerveau

Différencier plusieurs types de démence aux symptômes très proches relève encore du défi. Pour faciliter le diagnostic, la chercheuse Ninon Burgos (laboratoire Aramis, Institut du cerveau, CNRS) a eu l’idée d’utiliser l’imagerie. « Quand il y a démence, les cellules nerveuses s’affaiblissent et consomment moins de glucose. Avec la tomographie par émission de positrons (TEP), on peut suivre le parcours d’un traceur radioactif proche du glucose. Les zones du cerveau où le produit est absent sont signe d’une disparition des neurones », expose-t-elle.

En parallèle, l’image donnée par l’IRM apporte une bonne résolution spatiale de la structure du cerveau, mais est aveugle aux anomalies. En superposant les images des deux examens, on génère une carte précise des anomalies cérébrales du patient. L’IRM seule en révèle la version « saine », précise encore la chercheuse. L’outil permettrait ainsi d’attirer l’œil du clinicien sur les zones atteintes pour l’aider dans son diagnostic. Dans un second temps, les chercheurs espèrent pouvoir disposer de suffisamment de « cartes d’anomalies » afin que l’algorithme, en compulsant ses « connaissances », propose automatiquement le diagnostic le plus probable.

Devancer le déclin cognitif

Au-delà d’affiner le diagnostic, les chercheurs tentent de prédire le déclin cognitif des patients souffrant de maladies neurodégénératives. Sous la direction de Stanley Durrleman (Inria, ICM), l’équipe Aramis a mis au point en avril dernier un autre outil, l’AD Course Map. Celui-ci doit constituer un atlas spatio-temporel de l’évolution de la maladie d’Alzheimer chez un patient et prédire ainsi le rythme de sénescence de ses neurones. Des recherches américaines ont, quant à elles, étudié la modélisation de la progression de la maladie de Parkinson dès le stade précoce. La machine serait, à terme, capable de scénariser cette évolution, en fonction des caractéristiques du patient et du traitement envisagé.

Pour l’heure toutefois, la prudence reste de mise et les praticiens ne sont pas prêts à laisser leur blouse à l’algorithme. « Il est probable que les médecins l’utiliseront avant tout comme un outil, comme ils le font aujourd’hui avec la littérature scientifique, prévient Marie-Christine Jaulent, directrice de recherche à l’Inserm et spécialiste de l’intelligence artificielle. D’ailleurs, si on ne prenait en compte que l’avis de la machine, qui aurait la responsabilité du diagnostic ? Comment la décision de l’AI serait remboursée ? Avant de s’en servir au quotidien, de nombreuses questions devront être résolues. Une chose est sûre : elles ne le seront pas au rythme d’un algorithme ! »

A lire aussi :

⋙ L’intelligence artificielle se plie en quatre pour notre santé !

⋙ L’intelligence artificielle peut-elle remplacer un vrai médecin ? La réponse d’un spécialiste

⋙ Diagnostics du futur : des outils de plus en plus fiables et précis

Source: Lire L’Article Complet