On peut lire çà et là que l’intelligence artificielle remplacera bientôt le médecin. La capacité de détection des algorithmes pourrait effectivement laisser penser qu’un jour l’IA supplantera le radiologue. Cette vision est alimentée par les progrès spectaculaires réalisés dans d’autres disciplines comme les échecs, où Deep Blue a battu il y a déjà près de 25 ans le champion du monde Gary Kasparov.
Le fantasme d’une médecine sans médecins ?
En santé, plusieurs publications ont annoncé ces dernières années des performances de la machine égales ou supérieures à celle de l’homme. Une équipe de Stanford a publié en 2017 dans Nature une étude sur les cancers cutanés démontrant que « la machine était à égalité avec les experts
testés ».
Une étude publiée par IBM dans le JAMA en novembre 2020 concluait également qu’un algorithme atteignait le même niveau de performance que les internes en radiologie.
Pour des raisons liées à l’interopérabilité des données en imagerie, les radiologues ont été les premiers concernés par l’arrivée de l’intelligence artificielle, mais les problématiques de l’imagerie peuvent aisément être généralisées à l’ensemble des médecins
L’intelligence artificielle est-elle réellement intelligente ?
Que va faire l’IA en imagerie ? Elle va analyser de manière systématique une image hors de toute connaissance du contexte clinique, qu’elle ne saurait d’ailleurs pas intégrer. Elle va donc accomplir une tâche routinière pour laquelle elle a été formée en analysant chaque pixel de l’image et en indiquant si quelque chose lui parait anormal au vu de son apprentissage.
Si rien ne lui paraît pathologique, l’IA considèrera l’examen comme normal même si celui-ci contient une pathologie évidente mais non couverte. Un logiciel qui ne traite que la fracture ne s’intéressera pas à l’épanchement articulaire qui peut pourtant être un signe d’appel d’une fracture non visible en radio.
Le radiologue va se pencher sur un contexte clinique et poser son diagnostic non seulement en fonction de l’image mais aussi de tout ce qu’il peut savoir par ailleurs sur le patient. C’est pourquoi en France par exemple la mammographie s’accompagne systématique d’un examen clinique.
L’intelligence artificielle est-elle réellement artificielle ?
Au départ de tout algorithme, il y a un processus d’annotations par l’homme des examens d’imagerie. L’IA n’a donc d’artificiel que le nom. Trois biais majeurs peuvent survenir à ce stade :
– une qualification insuffisante des annotateurs. C’est notamment le cas quand les sociétés d’IA recourent, pour des questions de coût, à des internes et non à des médecins séniors.
– une qualification insuffisante de la base de clichés. Des clichés de qualité parfaite sont certes utiles pour les algorithmes mais ils ne traduisent pas la vraie vie, dans laquelle les algorithmes vont devoir aussi traiter des clichés techniquement insuffisants. Ne pas avoir une représentation réelle des examens se traduit immanquablement par des faiblesses au niveau des algorithmes.
– Enfin, il convient de disposer de base de données en quantité suffisante. A titre indicatif, il aura fallu plus de 800 000 examens aux équipes de Milvue pour arriver au niveau de performance actuel de ses algorithmes en radiologie conventionnelle.
C’est donc d’abord sur la qualité des hommes (médecins et concepteurs des algorithmes) que l’IA va reposer, et ce n’est pas là le moindre des paradoxes de l’IA.
A quoi sert donc l’IA ?
Pour autant, l’intelligence artificielle est amenée à jouer un grand rôle dans le futur en augmentant les possibilités des médecins. Le terme d’intelligence augmentée est d’ailleurs plus approprié.
L’IA peut supporter le diagnostic du médecin de plusieurs manières. Elle peut lui permettre tout d’abord de se dégager de tâches routinières pour lesquelles sa valeur ajoutée est moindre. La production automatique de compte rendu sur les examens normaux permet un radiologue de gagner plusieurs heures par jour et de se concentrer sur des activités cliniques.
Par son caractère systématique, l’IA permet aussi d’éviter le biais de satisfaction, qui consiste à arrêter un diagnostic à la première pathologie découverte. Un urgentiste expliquait récemment avoir recherché (et trouvé) une fracture de côtes, et qu’il aurait pu potentiellement passer à côté d’un pneumothorax si l’IA n’avait pas attiré son attention.
Enfin l’IA présente la caractéristique d’être stable, quel que soit le stress dans le service, le volume d’examens à interpréter, la fatigue du radiologue ou l’heure de l’examen. En limitant la variabilité Inter opérateurs, elle est également un facteur d’assurance qualité.
Un radiologue augmenté ?
Bien intégré aux outils en place, l’Intelligence Augmentée peut devenir un vecteur considérable d’amélioration du workflow, par le support au diagnostic en temps réel, la priorisation des examens à relire par le médecin, ou la documentation automatique du compte rendu.
Pour « augmenter » le radiologue, trois éléments sont nécessaires :
– un socle d’IA couvrant une part significative de son activité
– des solutions fluides qui lui font gagner du temps et non en perdre, et qui doivent donc être parfaitement intégrées au système d’information en place
– un niveau de performance diagnostique proche, voire égal à celui du radiologue pour que celui-ci se sente en confiance avec l’aide au diagnostic apportée par l’IA
Cette approche suppose une réflexion préalable qui va donc très au-delà de l’évaluation de la performance clinique des solutions d’IA. Le véritable enjeu portera sur la façon dont les radiologues, et plus généralement les médecins, vont se vont se saisir de ces outils pour les intégrer dans leur pratique quotidienne.
[i] Milvue est un MedTech française spécialisée dans l’IA hospitalière.
