Les algorithmes d’apprentissage profond sont excellents pour la mise en correspondance des motifs dans les images. Cette technique pourrait rationaliser le processus de lecture des scans médicaux.
Nous plaçons énormément de confiance à nos médecins – nous écoutons leurs diagnostics, nous prenons leurs ordonnances, nous suivons leurs conseils diététiques. En ferions-nous de même pour un ordinateur ?
Alors que le marché mondial de l’intelligence artificielle (IA) dans le domaine des soins de santé connaîtra une forte croissance – qui devrait passer de 1,3 milliard de dollars en 2019 à 10 milliards de dollars d’ici 2024, selon Morgan Stanley – il semble que nous devrons peut-être justement lui faire confiance.
L’apprentissage profond est une approche d’IA copiée sur les réseaux neuronaux du cerveau. Il peut analyser des couches complexes d’informations et identifier des anomalies ou des tendances dans les images médicales.
L’IA et les yeux
L’algorithme peut détecter des maladies telles que le glaucome à partir d’un simple scan.
Pearse Keane, ophtalmologiste-conseil au Moorfields Eye Hospital de Londres , a saisi le potentiel de l’apprentissage profond il y a cinq ans.
« Nous nous noyons dans le nombre de patients que nous devons voir, et à cause de cela, il y a des gens qui perdent la vue de façon irréversible parce qu’ils ne peuvent pas être vus et traités assez rapidement « , dit-il.
En appliquant cette technologie à la tomographie par cohérence optique (TCO), il pensait qu’elle aiderait à prioriser les patients atteints de maladies qui menacent la vue.
Pearse Keane s’est adressé à DeepMind, un centre de recherche sur l’IA basé au Royaume-Uni et appartenant à Google, avec lequel il a développé un algorithme, formé à partir de 14884 scanners rétiniens, qui permet d’obtenir un diagnostic détaillé en 30 secondes environ.
Il peut détecter 50 maladies oculaires différentes, dont le glaucome, la rétinopathie diabétique et la dégénérescence maculaire liée à l’âge, fournir un score et recommander l’urgence d’orienter les patients vers des soins.
Les premiers résultats du système, publiés dans la revue Nature Medicine, montrent qu’il a le même niveau de précision que les meilleurs spécialistes, identifiant correctement les types de maladies oculaires dans 94,5% du temps.
Toutefois, avant que la technique puisse être mise en œuvre dans le Moorfields Eye Hospital et au-delà, elle doit passer par un long processus d’approbation réglementaire et d’essais cliniques.
« Nous sommes très excités par l’IA, assure Pearse Keane, mais nous sommes aussi très prudents. Nous savons qu’il a un énorme potentiel, mais il y a des moyens pour qu’il ne fonctionne pas. »
Améliorer la FIV (Fécondation In Vitro)
Cette technologie pourrait contribuer à améliorer le taux de réussite de la FIV
Les scientifiques de Weill Cornell Medicine déploient également des algorithmes d’apprentissage profond pour gagner du temps et identifier les embryons qui ont les meilleures chances de d’apporter une grossesse saine pendant la fécondation in vitro (FIV).
L’algorithme, surnommé Stork (Cigogne), analyse des images à intervalles réguliers d’embryons à un stade précoce et est capable de faire la distinction entre la mauvaise et la bonne qualité de l’embryon. Selon le rapport de recherche publié dans NPJ Digital Medicine, il a fonctionné avec une précision de 97 %.
Habituellement, il s’agit d’un processus manuel, par lequel un embryologiste trie plusieurs images, leur attribuant un score de qualité qui les aide à décider lesquelles implanter en premier.
« Le classement de l’embryon par un humain est très subjectif « , déclare Nikica Zaninovic, embryologiste au Center for Reproductive Medicine de Weill Cornell Medicine. « L’utilisation de l’IA pour classer les embryons signifie que nous pouvons faire une certaine standardisation. »
L’outil aurait également un impact positif sur le processus de FIV dans son ensemble. Il pourrait améliorer le taux de réussite, minimiser le risque de grossesses multiples et aider à réduire le coût de l’intervention, dit Zev Rosenwaks, directeur du Center for Reproductive Medicine de Weill Cornell Medicine.
Actuellement, l’outil n’est disponible que pour les embryologistes de Weill Cornell Medicine dans un cadre expérimental. « Il faut s’attendre à ce qu’elle soit plus largement mise en pratique » d’ici un an ou deux « , dit M. Zaninovic.
Prédire le risque de cancer
Un algorithme, mis au point par des chercheurs du MIT, pourrait identifier le risque de cancer du sein d’une femme et aider à le détecter rapidement.
Une initiative du laboratoire d’informatique et d’IA du MIT permet de prédire à partir d’une mammographie si une patiente est susceptible de développer un cancer du sein dans l’avenir.
Le modèle, formé sur les scintigraphies du sein de 60 000 femmes, a appris des modèles de tissus mammaires qui étaient des précurseurs du cancer et trop subtils pour que l’œil humain puisse les détecter. Il a surpassé les approches existantes, plaçant 31 % de tous les patients atteints de cancer dans sa catégorie de risque la plus élevée, comparativement à 18 % pour les modèles traditionnels.
« J’étais intéressée à créer un modèle qui puisse identifier votre risque futur de cancer « , dit Regina Barzilay, professeure au MIT et auteure principale de l’étude publiée dans Radiology sur le projet.
En tant que survivante du cancer du sein elle-même, elle a par la suite appliqué la technologie à ses propres mammographies. « J’ai découvert que mon cancer était dans le sein deux ans avant mon diagnostic, dit-elle.
Âgée de 43 ans à l’époque et n’ayant aucun antécédent de cancer du sein dans sa famille, elle ne s’était jamais considérée à risque. Mais de telles lignes directrices ne sont pas fiables, dit-elle – seulement 15 à 20 % des cas de cancer du sein sont familiaux, selon une étude du Journal of Medical Genetics.
L’utilisation de l’IA pourrait permettre d’identifier les femmes à risque et les aider à prendre des mesures préventives. « Dans les premiers stades, le cancer est une maladie traitable… Si nous pouvons identifier beaucoup plus de femmes suffisamment tôt et prévenir leur maladie ou les traiter le plus tôt possible, cela fera une énorme différence « , assure Regina Barzilay.
Le modèle a été mis en œuvre à l’Hôpital général du Massachusetts, et des discussions sont en cours avec d’autres hôpitaux au pays et à l’étranger, conclut Regina Barzilay.
https://edition.cnn.com/2019/07/15/business/artificial-intelligence-healthcare/index.html
https://www.morganstanley.com/ideas/medtech-artificial-intelligence
https://www.nature.com/articles/s41591-018-0107-6.epdf
