Quelles sont les applications actuelles de l’IA en santé ?

 

 

Interview du 11 octobre 2021 - Partie 2 :

Quelles sont les applications actuelles de l’IA en santé ?

Certains métiers vont être impliqués dans l’IA. Globalement lorsque l’on parle d’IA appliquée à la santé, il faut distinguer deux grands domaines ; le premier dans lequel l’IA réalise des tâches que l’humain sait déjà faire et qu’elle va faire en général au moins aussi bien et plus vite et parfois même mieux, j’aurais quelques exemples à vous donner. Et le 2ème grand domaine d’IA en santé concerne des tâches que l’humain ne peut pas faire, ne sait pas faire, je vais également vous proposer quelques exemples.

Si on s’intéresse tout d’abord aux tâches que l’IA va faire, et que l’humain sait déjà faire. Il y a deux grands exemples en médecine et en cancérologie plus particulièrement, c’est bien évidemment la radiologie et l’anatomo-pathologie.

Ces deux domaines vont être particulièrement impactés par l’IA. En effet, ce sont des spécialités médicales qui reposent principalement sur la perception, sur l’interprétation d’une image. En radiologie par exemple, on va être amené à faire des mammographies pour le dépistage du cancer du sein, un scanner du poumon pour dépister un cancer des poumons. Ces examens, lorsqu’ils sont faits à très haut débit (beaucoup d’examens pour dépister un maximum de personnes), demandent du temps humain très important et engendrent aussi parfois des erreurs comme des détections qui ne sont pas faites ou au contraire des détections faites par excès.

De nombreuses études confirment l’intérêt de l’IA en imagerie médicale

L’IA, tant pour la mammographie que pour l’interprétation du scanner pulmonaire, a déjà fait l’objet de nombreuses études. Elle est capable de façon quasi-instantanée de repérer un nodule, même très petit et s’il est suspect de le désigner comme tel et d’attirer l’attention du radiologue sur ce nodule, cette image, cette anomalie. Parfois lorsque l’on a 500 ou 1000 images coupes fines sur scanner, l’œil humain, malgré toute l’attention apportée à l’interprétation de l’examen, peut oublier ou passer à côté d’un nodule. Dans ce cadre, l’IA va être capable de faire l’interprétation de ce type d’examen plus rapidement et parfois mieux, en tout cas de façon plus homogène.

On voit bien que pour ces deux indications par exemple, l’IA va avoir un rôle central en cancérologie.

L’analyse à haut débit des lames d’anatomo-pathologie

Le deuxième exemple de tâche de perception où l’IA excelle déjà, et à mon avis va être amenée à être utilisée, est l’anatomo-pathologie et plus particulièrement l’analyse de lames anatomo-pathologiques, que cela soit des biopsies ou des pièces opératoires, à très haut débit (un très grand nombre de lames interprétées très rapidement) pour détecter par exemple des cancers, et faire des diagnostics de cancers de façon automatisée. Cette spécialité va être profondément changée par cette technique. En effet, au lieu d’interpréter manuellement lame après lame, on va pouvoir faire des interprétations à très haut débit et permettre de centraliser un grand nombre de biopsies, de pièces opératoires, et donc aller beaucoup plus vite dans le diagnostic et l’interprétation de ces lames.

Sur ces tâches de perception comme on le voit avec ces deux exemples (mais il y en a beaucoup d’autres), on peut donc dire que l’IA et notamment le « deep learning », va jouer un rôle très important.

L’IA est plus performante que l’humain dans les tâches de prédiction

Le deuxième type de grandes tâches confiées à l’IA sont dites de prédiction, tâches que l’humain ne sait pas vraiment faire. On sait en effet, d’après certaines recherches en neurosciences, que dès qu’il y a 5 facteurs qui rentrent en compte dans une prédiction, le cerveau humain n’est plus tout à fait capable de faire parfaitement la part des choses entre les caractéristiques qui sont importantes et celles qui ne le sont pas.

Typiquement pour ce genre de tâches, si l’on a besoin de créer des modèles prédictifs par exemple de la survie d’un patient, de l’évolution d’une maladie ou même du risque de développer une maladie ultérieurement, et bien dès que l’on dépasse 5 le cerveau humain est mauvais contrairement à l’IA qui n’a pas de limite : elle peut intégrer un très grand nombre de facteurs de façon mathématiquement parfaite et absolument idéale. L’IA va être capable de faire de la prédiction de la survie des patients, de leur guérison et même de leur risque de développer une maladie. Grâce à cela le médecin va pouvoir personnaliser la prise en charge, les traitements bien sûr, mais aussi les programmes de dépistage de maladie, voire en allant un peu plus loin développer des politiques ou des interventions de prévention pour éviter que les maladies qui sont probablement à risque n’apparaissent. Donc on devine le paradoxe de certaines situations, c’est-à-dire que l’on va prédire l’apparition de maladies, puis intervenir pour faire en sorte qu’elles ne se déclarent pas : finalement la prédiction que l’on avait faite était-elle juste ? On ne le sait pas, mais on commence à voir des interrogations intellectuellement fascinantes dans ce domaine.

Des changements majeurs, mais sans remplacer le médecin

En tout cas, il faut bien comprendre que l’IA ne va pas remplacer le médecin, quelle que soit la spécialité sur les 5 à 10 prochaines années, il va y avoir des changements majeurs, mais je ne pense pas que l’IA remplace le médecin de sitôt. On peut être attentif à ce développement sans avoir de paranoïa excessive dans ce domaine.

Déclaration d’intérêts :
JB déclare ne pas avoir de conflit d’intérêt en lien avec le texte publié.