L'intelligence artificielle pour le diagnostic médical

Jamais sans mon algorithme

Le domaine de la médecine s’est fortement modernisé en profitant des différentes révolutions industrielles. Ce qui a contribué -à l’aide d’autres facteurs- à une amélioration notable de l’espérance de vie. Dans son scénario dit « central » de projection démographique, l’Insee en appliquant aux années futures les évolutions actuelles. A pu déduire qu’en 2070, l’espérance de vie à la naissance atteindrait 93 ans pour les femmes et 90 ans pour les hommes [1].

L'intelligence artificielle pour le diagnostic médical

L’avènement de la révolution numérique, l’émergence de l’internet des objets (IoT) et de l’intelligence artificielle (IA), offrent maintenant aux patients la possibilité d’introduire des solutions connectées pour un accès aux soins plus performant, un meilleur diagnostic, une meilleure efficacité thérapeutique et un suivi plus précis. Ce qui interpelle, les médecins futuristes à repenser l’avenir de la profession médicale.

Alors, une question s’impose. Jusqu’à quelle mesure la transformation numérique pourra améliorer la performance du processus médical ?

La réponse est de plus en plus évidente, puisque la digitalisation concerne désormais toutes les étapes du parcours de soin, le E-rendez-vous, les plateformes médicales du médecin remplaçant, les Apps santé, le dossier médical informatisé, la télémédecine, la médecine robotisée, les soins à distance, l’internet des objets (IOT), les objets connectés, l’intelligence artificielle, le Big– data et mille autres innovations.

Dans le domaine du diagnostic médical, l’IA apporte une plus-value au travail du médecin et surtout luis permettre une prise en charge plus économique ciblée et efficace.

Objets connectés

Ce sont les incontournables de la vie moderne (montre, bracelet, téléphone…), sauf que désormais, ils sont aussi des gadgets de prévention, capables de collecter nos données personnalisées en temps réel, encourageant des modes de vie plus sains et rassemblant une quantité de données à utiliser dans la recherche médicale. L’ère du «Quantified Self» semble connaître un tournant puisque les données sont davantage réutilisées à des fins plus médicales et moins autocentrées.[2]

Désormais, les praticiens seront appelés à prescrire des montres connectées (smartwatch), permettant la mesure et le suivi de la tension artérielle, de la fréquence cardiaque, de l’ECG, voire même du Holter tensionnel, ce qui contribuera à mieux prévenir les crises cardiaques et les complications de l’hypertension artérielle, notamment, les accidents vasculaires cérébraux.

Dans le domaine de la santé et sécurité au travail, les entreprises peuvent à l’aide de dispositifs portables connectés, mesurer des paramètres de sécurité au travail (température, niveau de son, niveau de lumière…), réviser leur démarche ergonomique ou même les processus internes, afin d’évoluer vers un niveau de sécurité plus élevé.

Certaines entreprises ont déjà introduit des appareils portables sur leur lieu de travail pour évaluer ou améliorer le niveau de performance du personnel, en surveillant les niveaux de stress et des paramètres de santé.

Logiciels d’aide au diagnostic

Ce système a été inspiré du programme Watson, cet algorithme a la capacité d’analyser toutes les données d’un patient : ses informations personnelles (Age, sexe, poids…), symptômes, les consultations médicales, ses antécédents familiaux, ses antécédents personnels ses résultats d’examens paracliniques, ses habitudes de vie, ses traitements etc.

La firme IBM avait affirmé que «le logiciel peut engager avec le professionnel une discussion collaborative dans le but de déterminer le diagnostic le plus vraisemblable et les options de traitement». Et surtout, aller au-delà de tout cela, comparer un patient particulier, sa situation, et son pronostic en fonction de l’effet de tous les traitements déjà appliqués à tous les patients similaires avant lui, il a la capacité de surfer le web et de chercher les toutes nouvelles publications , en particulier dans le domaine de l’oncologie médicale , permettant de proposer au médecin traitant les tout nouveaux traitement tout en précisant le pronostic.

En 2017 déjà, une équipe américaine de l’université de Stanford avait mis en valeur la pertinence des systèmes d’intelligence artificielle dits de deep learning (ou apprentissage profond) en dermatologie.

Un algorithme d’IA a été conçu en se basant sur une grande sélection d’images de lésions prises par dermatoscopie. C’est une technologie qui permet la fois de supprimer les reflets de la lumière sur la peau, donc d’accéder aux couches plus profondes, et de les visualiser grâce à un très fort grossissement. Cet algorithme serait capable de faire le diagnostic instantané d’une lésion dermatologique, en détectant le mélanome malin avec une précision proche à celle du meilleur dermatologue, soit 89 % de bonnes réponses pour les dermatologues, 95 % pour la machine.[3]

Le deep learning ou apprentissage profond est un type d’intelligence artificielle dérivé du machine learning (apprentissage automatique) où la machine est capable d’apprendre par elle-même, contrairement à la programmation où elle se contente d’exécuter à la lettre des règles prédéterminées.

Dans le domaine de la radiologie, les algorithmes d’IA, pourraient révolutionner le domaine de la radiologie diagnostique, lui permettant de mieux se concentrer sur l’étude de cas cliniques compliqués, détecter les lésions millimétriques et les anomalies non détectables à l’œil nu, ils peuvent aussi améliorer la qualité du compte rendu, offrant au médecin la possibilité de consacrer plus du temps au patient.

Selon une analyse publiée dans The Lancet Digital Health, dans le domaine de la radiologie, il y a encore du chemin à parcourir, selon Xiaoxuan Liu et al. “L’intelligence artificielle semble détecter les maladies à partir de l’imagerie médicale avec les mêmes niveaux de pertinence que les professionnels de santé” mais “au vu du faible nombre d’études de bonne qualité disponibles, le vrai potentiel de l’IA reste incertain”.[4]

Même les spécialités médicales les plus pointues, seront révolutionnées par l’IA, la FDA a approuvé IDx-DR, l’algorithme de détection de la rétinopathie diabétique avec un degré de précision de 89,5%. D’ailleurs, c’est le premier outil du genre qui peut être utilisé pour le diagnostic sans l’intervention d’un médecin !!

Aujourd’hui, le principal défi consiste à réussir des algorithmes utilisant simultanément différentes sources de données interopérables (cliniques, génétiques, appareils connectés, smartphones, big–data, fichiers médicaux, etc.)

Ce tsunami technologique, avance selon une vitesse bouleversante, surtout après l’avènement de la pandémie du covid-19. Il faut néanmoins s’interroger non seulement sur l’efficacité et la fiabilité de ces algorithmes, mais aussi sur les questions éthiques que leur utilisation suppose (secret médical, protection des données à caractère personnel, éthique médicale, délimitation de la sphère privée..).

Et surtout, la responsabilité médicale, en cas de préjudice, un retard ou une erreur diagnostic et/ou thérapeutique. Qui serait le responsable, le(s) concepteur (s) du logiciel, le développeur, le chargé de la programmation, le vendeur, ou bien le médecin qui l’a utilisé ?