Vous l’aurez remarqué, depuis quelques temps déjà, l’intelligence artificielle ou IA est très à la mode. Elle est omniprésente, les valorisations boursières des sociétés spécialisées explosent et elle alimente toutes les peurs et tous les fantasmes. Bref l’intelligence artificielle pose question !

Pour de nombreux scientifiques et entrepreneurs de renom, le potentiel de l’IA est largement surestimé et les possibilités qu’elle offre ne sont qu’utopies. Ainsi, le créateur de Siri, Luc Julia, estime que « l’intelligence artificielle n’existe pas ». De même, le chirurgien et entrepreneur Laurent Alexandre considère que « l’intelligence artificielle est incroyablement stupide ». Un point de vue partagé par Andrew Moore, vice-président de Google, et bien d’autres experts à travers le monde. À leurs yeux, les IA restent de simples algorithmes. Certes, les ordinateurs sont capables d’apprendre à réaliser des tâches spécifiques sans avoir besoin de l’intervention humaine. Néanmoins, ces sceptiques estiment qu’une IA générale, aussi versatile et profonde que l’intelligence humaine, restera à tout jamais de l’ordre de la science-fiction.

Ce n’est pas le point de vue d’Elon Musk, CEO de Tesla et de SpaceX, fondateur de The Boring Company, une société de construction de tunnels, et de Neuralink, une société de neurotechnologie. D’après ses dires « les personnes qui se trompent le plus sur l’IA sont celles qui sont très intelligentes ». Pour cause, ces personnes « ne peuvent imaginer qu’un ordinateur puisse surpasser leurs capacités cognitives ». Or, il s’agit à ses yeux « d’une faille dans leur logique ». Ainsi, Musk affirme que ces personnes sont « juste bien plus stupides qu’elles le pensent ». Surprenant venant d’un homme qui est habituellement grand défenseur des nouvelles technologies. Il va même plus loin en disant que l’intelligence artificielle représente une menace pour les hommes.

Lors d’un débat avec Jack Ma, PDG de la société chinoise Alibaba, sur l’intelligence artificielle, le milliardaire a tenu un discours très pessimiste sur le progrès de la technologie. « Le rythme de progression des ordinateurs est dingue », a-t-il déclaré. Avant d’ajouter : « Je pense que les gens sous-estiment les capacités de l’intelligence artificielle. (…) Elle sera bientôt bien plus intelligente qu’un humain moyen ». Jack Ma, beaucoup plus optimiste, estime au contraire que l’on ne devrait pas s’inquiéter des machines. « Les ordinateurs ont seulement des puces, les hommes ont le cœur. C’est du cœur que provient la sagesse. »

Ces propos paraissent d’autant plus surprenants quand on sait que plusieurs des entreprises d’Elon Musk travaillent actuellement sur des projets basés sur l’intelligence artificielle. Le milliardaire a cependant une théorie qui justifie sa démarche. Selon lui, le seul moyen de ne pas finir esclaves des machines est d’évoluer au même rythme qu’elles. Pour cela, il nous faut établir une vraie connexion avec les ordinateurs.

Cette idée de lien entre l’homme et la machine est l’un des principes sur lesquels repose le travail de Neuralink, la start-up créée par Musk en 2016. Celle-ci développe actuellement un implant qui a pour objectif de connecter le cerveau humain à un ordinateur. Avec cette invention, Elon Musk déclare vouloir créer « une symbiose entre le cerveau humain et l’intelligence artificielle. ».

Quoiqu’il en soit, que l’on soit pour ou contre, l’intelligence artificielle est une technologie impressionnante, ouvrant de nombreuses perspectives et la question n’est plus de savoir si elle sera car elle sera mais la question qui se pose est de savoir comment elle peut être utilisée au mieux pour être bénéfique à l’humanité. Parmi les utilisations vertueuses de l’IA, il y a les possibilités immenses qu’elle offre au monde de la santé et notamment à celui du diagnostic médical. C’est sur ce dernier point que je vais développer la suite de cet article.

La santé est peut-être d’ailleurs un des secteurs les plus pertinents pour une utilisation de l’intelligence artificielle car elle fait partie de ceux qui fournissent le plus de données et qu’il n’y a « pas d’IA sans data ».

Alors quelle aide pour l’IA ?

L’intelligence artificielle a fait des progrès énormes dans l’interprétation de l’imagerie médicale. D’après Alastair Denniston (membre de l’Université Hospitals Birmingham et du NHS foundation trust) et son équipe, l’intelligence artificielle est désormais capable de réaliser un diagnostic médical avec autant, voire plus de précision qu’un humain. Le principe est relativement simple, il s’agit d’apprendre à l’ordinateur à différencier une image suspecte d’une image non suspecte en l’abreuvant de milliers d’images classées dans l’une ou l’autre des deux catégories. Cette technique repose sur le Machine learning (apprentissage automatique) ou le Deep learning (apprentissage profond). Les algorithmes sélectionnent les caractéristiques des diagnostics médicaux et apprennent à les classifier.

Dernier exemple en date, que l’on retrouve dans une étude publiée dans la revue médicale JAMA Network Open en novembre 2020, Microsoft Research a développé un système d’apprentissage automatique capable de détecter automatiquement les tumeurs sur les scanners 3D. L’objectif de cette nouvelle technique n’est pas de remplacer les radiologues mais de leur simplifier la vie en automatisant certaines tâches habituellement longues et fastidieuses. Le logiciel permet notamment de réduire la phase de « planification de traitement » en proposant au médecin un calcul prévisionnel de la distribution de la dose de radiothérapie, des quantités des rayonnement à délivrer par faisceau et par séance. La phase de planification du traitement serait réalisée 13 fois plus vite grâce à cette technique.

Dans le même sens, des algorithmes se développent pour reconnaître des tumeurs cérébrales malignes, des glioblastomes, ainsi que d’autres lésions. C’est d’autant plus important pour les IRM cérébrales, puisqu’il est plus difficile d’aller biopsier un cerveau.

Dans le cancer du sein : Therapixel, une start-up française issue de l’Inria à la pointe en matière de technologie appliquée au diagnostic médical, met au point un outil pour améliorer le dépistage du cancer du sein. « Deux médecins regardent aujourd’hui une mammographie. Le premier détecte et caractérise, en environ cinq minutes, les éventuelles anomalies. Le second confirme ou infirme, en une trentaine de secondes, ce que le premier a rédigé », rappelle Olivier Clatz, cofondateur de Therapixel.

« Le premier niveau d’analyse peut être automatisé », estime-t-il. L’enjeu ? Gagner en rapidité, diminuer le nombre de fois où un cancer n’est pas détecté (environ 10 % à l’issue de la première étape), mais aussi éviter d’inquiéter les patientes avec des résultats alarmants qui se révéleront erronés.

Dans la première phase de développement de l’outil, l’algorithme de Therapixel a fait passer le taux de ces fausses mauvaises nouvelles (les « faux positifs ») de 25 % à 4 %. « Lorsque l’algorithme fait une erreur, on va voir les radiologues qui collaborent avec nous et on leur demande de nous expliquer comment ils auraient procédé. Puis on ajoute une branche à notre programme », explique Olivier Clatz.

Autre exemple, dans le domaine de l’échographie prénatale, avec OPPIO, un outil d’aide à la décision en imagerie médicale développé en collaboration avec l’INSERM, qui permet de mieux analyser les images échographiques de grossesses débutantes et qui propose des protocoles personnalisés d’aide au diagnostic.

Bref, vous l’aurez compris, dans le domaine de l’imagerie médicale, l’intelligence artificielle a de multiples vertus et elle est d’autant plus précieuse que les examens sont toujours plus nombreux et approfondis, et que les données de santé sont de plus en plus détaillées pour chaque patient. « Il y a quelques années, un scanner captait de 100 à 150 images. Avec la technique de l’imagerie spectrale, nous avons aujourd’hui jusqu’à 3 000 clichés à analyser par examen », note Marc Zins, Chef du service de radiologie de l’hôpital Saint-Joseph, à Paris (14e). Mais les praticiens manquent. Près de 40 % des postes de la spécialité sont vacants dans le secteur hospitalier public, selon un rapport de la Cour des comptes de mai 2016.

Le Machine learning est la technologie la plus ancienne et la plus simple. Elle s’appuie sur un algorithme qui adapte lui-même le système à partir des retours faits par l’humain. La mise en place de cette technologie implique l’existence de données organisées. Le système est ensuite alimenté par des données structurées et catégorisées lui permettant de comprendre comment classer de nouvelles données similaires. En fonction de ce classement, le système exécute ensuite les actions programmées. Il sait par exemple identifier si une photo montre un chien ou un chat et classer le document dans le dossier correspondant.

Après une première phase d’utilisation, l’algorithme est optimisé à partir des feedbacks du développeur, qui informent le système des classifications erronées et lui indiquent les bonnes catégories.

Le Deep learning (apprentissage profond) n’a pas besoin de données structurées. Le système fonctionne à partir de plusieurs couches de réseaux neuronaux, qui combinent différents algorithmes en s’inspirant du cerveau humain. Ainsi, le système est capable de travailler à partir de données non structurées.

Cette approche est particulièrement adaptée pour les tâches complexes, lorsque tous les aspects des objets à traiter ne peuvent pas être catégorisés en amont. Le système du Deep learning identifie lui-même les caractéristiques discriminantes. Dans chaque couche, il recherche un nouveau critère spécifique de l’objet, qui sert de base pour décider de la classification retenue pour l’objet à la fin du processus.

Tandis que le Machine learning fonctionne à partir d’une base de données contrôlable, le Deep learning a besoin d’un volume de données bien plus considérable. Le système doit disposer de plus de 100 millions d’entrées pour donner des résultats fiables.

Le Dr Azar, chercheur américain qui dirige l’innovation ophtalmologique chez Verily (anciennement Google Life Science), est l’un des meilleurs spécialistes mondiaux de l’intelligence artificielle appliquée au secteur de l’ophtalmologie. Il est notamment à l’origine d’un projet révolutionnaire monté par le Moorfields Eye Hospital et DeepMind Health. Il s’agit d’une intelligence artificielle capable de détecter plus de 50 maladies oculaires cécitantes à partir d’images d’OTC (tomographie par cohérence optique).

Selon lui, l’intelligence artificielle peut être utilisée pour « stratifier les topographies cornéennes avant les chirurgies réfractives, mais elle peut aussi apporter son aide dans le diagnostic de sécheresse oculaire et de glaucome, l’analyse de photographies de fond d’œil et de scanners OCT (tomographie de cohérence optique) ». En août 2018, ses équipes ont annoncé que le dispositif avait un taux d’efficacité de 94 %, soit un score plus élevé que les experts humains.

Côté français, nous ne sommes pas en reste car nous avons la société DreamUp Vision qui est spécialisée dans la détection précoce de la rétinopathie diabétique (une lésion de la rétine qui peut causer la cécité des malades du diabète).

L’IA comme Aide au diagnostic dans les maladies cardiovasculaires

Les maladies cardiaques sont elles aussi fortement investies par les sociétés spécialisées en intelligence artificielle. Implicity, une autre start-up française, s’est spécialisée dans l’écoute à distance des pacemakers en mettant au point une plateforme d’IA qui suit à distance les patients dotés d’un implant cardiaque. Grâce à la télésurveillance des prothèses rythmiques, les visites de contrôle peuvent être réduites à une visite annuelle, s’il n’y a pas d’événement clinique. Le cardiologue a accès en continu aux données de la prothèse de son patient et est alerté en cas de problème.

Dans le domaine de l’analyse d’électrocardiogrammes, Cardiologs a développé une IA permettant de détecter une centaine d’anomalies cardiaques. La MedTech parisienne s’appuie sur l’intelligence artificielle pour simplifier l’interprétation des électrocardiogrammes (ECG). Et pour cause, l’analyse de cet examen, nécessaire pour détecter des pathologies cardiovasculaires (bradycardie, tachycardie, fibrillation auriculaire…), peut se révéler compliquée pour les cardiologues, d’autant plus qu’il existe plus d’une centaine de troubles cardiaques qui peut être repérés avec un ECG. Dans ce contexte, gagner du temps et de la précision est un impératif vital pour les médecins afin d’apporter à leurs patients la solution la plus appropriée, de manière à éviter un infarctus ou un AVC.

Pour éprouver sa technologie, Cardiologs dispose d’une base de données de plusieurs centaines de milliers d’ECG, enrichie en permanence, qui permet d’améliorer l’efficacité des algorithmes. Le modèle d’intelligence artificielle conçu par la start-up française a ainsi été affiné au fil du temps grâce à l’apport de plus de 1,4 millions d’enregistrements d’ECG, de manière à être en mesure de pouvoir détecter plus d’une centaine d’anomalies cardiaques différentes. Le nouveau financement doit ainsi permettre d’étoffer la technologie de la société avec de nouvelles intégrations et des applications étendues pour faciliter le quotidien des cardiologues.

L’IA est également présente dans le domaine de la dermatologie avec, par exemple, des algorithmes pouvant reconnaître avec une grande efficacité des mélanomes cutanés par rapport à des grains de beauté, dans le domaine de l’anatomopathologie en diminuant le temps de lecture des lames et en orientant l’anatomopathologiste dans son diagnostic.

Outre la détection d’anomalies sur des biopsies, le choix de la meilleure combinaison d’examens à réaliser pour un patient et l’étude de l’ADN seront aussi bientôt possibles grâce à l’intelligence artificielle. Les acteurs historiques de l’analyse biologique, tels Cerba ou Biomnis, font entrer cette dernière dans leurs laboratoires. La start-up suisse Sophia Genetics fournit déjà à plusieurs centaines d’hôpitaux dans le monde une analyse exhaustive de l’ADN de leurs patients. Ce service rapide (deux heures de travail facturées 150 euros) permet de détecter les mutations responsables des cancers dits héréditaires, tels ceux du sein, de l’ovaire ou du colon, et de personnaliser les soins. Avec, en ligne de mire, des traitements plus efficaces et des vies sauvées.

Mais là où l’intelligence artificielle peut faire jouer toute sa puissance c’est probablement dans le domaine des maladies rares. En effet, elles sont multiples et variées, touchent 300 millions de personnes dans le monde et sont très largement responsables d’une errance diagnostique qui peut durer des années. Souvent responsables d’atteintes polysymptomatiques et polyorganiques, il est très difficile pour les médecins d’en faire le diagnostic car elles demandent une analyse souvent globale de l’individu avec une multitude d’examens à reprendre, à analyser, des corrélations à établir, des diagnostics différentiels à exclure et tout cela dans un temps de consultation très court. Bref, de nombreuses données concernent ces patients et une aide extérieure serait forcément la bienvenue.

Vous l’aurez compris l’objectif de cet article n’est pas de démontrer la supériorité de l’IA sur l’homme et de remplacer tous les médecins par des machines mais de voir dans quels domaines du diagnostic médical elle peut être utile et comment elle peut aider le médecin dans sa pratique.

Encore faut-il que celle-ci soit un minimum efficace ! Des chercheurs ont mis en commun les résultats de près de 20 000 études menées sur le sujet. Seulement 14 d’entre elles ont été considérées comme étant « de bonne qualité ». Ces 14 études ont révélé que les systèmes de deep learning détectent avec un taux de réussite de 87% l’état pathologique d’un humain. Comparativement, un médecin a un taux de 86%. De plus, l’IA accorde son feu vert pour un traitement adapté dans 93% des cas alors que les médecins ne le font que dans 91% des cas. Pour le docteur Xiaoxuan Liu, auteur principal de l’étude menée par le NHS foundation trust : « il y a évidemment encore de nombreuses zones d’ombre au sujet de la performance de l’intelligence artificielle sur les diagnostics médicaux liés aux humains. Pourtant notre message est très clair : l’IA est capable d’établir des diagnostics de manière aussi qualitative, voire plus qualitative qu’un humain. C’est une excellente nouvelle, le médecin de demain va pouvoir s’appuyer sur une technologie de plus en plus performante et prendre la meilleure décision pour les patients.