Les bases de l’intelligence artificielle (IA) ont été posées il y a plus d’un demi-siècle, et la médecine fut dès le départ un champ d’expérimentation majeur. Le premier réseau de neurones artificiels fut proposé en 1958. Cet algorithme, inspiré du fonctionnement cérébral, relie entre elles des fonctions mathématiques ou « neurones ». Chaque neurone fournit une valeur qui dépend du niveau de ses multiples entrées.
Lorsque l’on présente des données, le réseau ajuste l’importance accordée à chaque neurone pour fournir la solution. En multipliant le nombre d’exemples, l’algorithme fournit des réponses correctes à des situations nouvelles : il apprend. Ces travaux sont restés longtemps au stade du laboratoire, mais les choses ont changé récemment, du fait de l’accès à de larges bases de données permettant d’entraîner les réseaux, d’algorithmes performants pour ajuster des millions de neurones, et des capacités accrues des ordinateurs.
Si l’IA classe de façon très fiable des images d’objets ou d’animaux, il devient possible de détecter des lésions dans des images médicales. Sur la base des résultats actuels, la capacité de l’IA à reconnaître des cas pathologiques subtils (classification de tumeurs de la peau) ou leur évolution (modification du volume des lésions) va atteindre, voire dépasser, les performances humaines en qualité et en rapidité, sans baisse liée à la fatigue. Cela ouvre de nouvelles perspectives thérapeutiques.
« Le potentiel de l’IA est avéré, mais les outils sont peu utilisés en milieu médical »
La quantification automatique de lésions cérébrales apparues entre deux consultations permet au neurologue de personnaliser la thérapie de son patient. L’extraction puis l’analyse des milliers de dossiers de patients traumatisés crâniens hospitalisés dans un CHU ces cinq dernières années va permettre de les classer, d’analyser les images associées, d’extraire des signatures prédisant la sévérité de l’atteinte, et de mettre en place des protocoles de soins optimisés. Le potentiel de l’IA est avéré, mais les outils sont peu utilisés en milieu médical.
Quels sont les freins au déploiement plus large de l’IA en santé, et où se situent nos efforts de recherche ? Les modèles d’IA, plus rapides et plus fiables qu’un opérateur humain, ne sont généralisables à l’ensemble des patients que si les exemples ayant servi à leur entraînement sont de qualité, nombreux et représentent la diversité des cas rencontrés. Nos efforts portent sur la constitution de larges bases de données, harmonisées, pour tenir compte des conditions d’acquisition et de la diversité des bassins de recrutement de patients.
Il vous reste 60.41% de cet article à lire. La suite est réservée aux abonnés.