IA-t-il un médecin dans la salle?

Comment l’Intelligence Artificielle (IA) va changer notre quotidien de médecin


L’intelligence artificielle fait une entrée remarquée dans le monde de la médecine avec son lot d’inquiétudes. La presse généraliste se fait l’écho des dernières publications et présente inlassablement les nouveaux algorithmes comme supérieurs aux experts médicaux, et d’en déduire que nous serons bientôt au chômage, rendus inutiles par les petits frères de Siri. Pourtant, au risque de décevoir ceux qui pensaient que les vacances étaient proches, je pense pouvoir affirmer qu’il y a encore du boulot pour nous, médecins, pour bien des décennies.

D’accord, mais alors finalement qui fera quoi ?

Je vous propose d’illustrer à travers quelques exemples la façon dont notre quotidien pourrait être amélioré par l’IA.

Il s’agit alors de comprendre quelle forme prendra cette intelligence.

Sur ce point, vous remarquerez que la plupart des articles qui traitent du sujet s’illustrent d’un visuel du type cortex cérébral sur fond de carte graphique fluo ou de robots dont les traits prennent la forme de femmes superbes et inquiétantes. Et on comprend alors trop bien les fantasmes et visions subjectives qui s’associent à ces concepts.

On nous présente des androïdes diplômés de médecine mais pourtant il me semble qu’il faut s’attendre à des représentations bien différentes. Benedict Evans, investisseur dans la sillicon valley, présentait il y a quelques mois dans son discours « ten years futures » que le machine learning, ou apprentissage automatique en français, pouvait se résumer à des techniques permettant l’analyse statistique des modèles que l’ordinateur ne pouvait pas voir avant. Ces nouvelles techniques constituent donc une forme moderne d’automatisation : après avoir automatisé les jambes (le travail physique rendu possible avec les moteurs), les mains (le travail de précision rendu possible par les robots dans l’industrie), nous automatisons les yeux (la détection de patterns dans des images). Historiquement à l’arrivée d’une nouvelle vague d’automatisation, nous imaginons que les nouvelles technologies nous ressembleront : robots humanoïdes, intelligence artificielle raisonnant et se déplaçant comme une personne. Dans les années 50, nous nous figurions qu’un androïde avec deux bras et deux jambes ferait la vaisselle, rangerait les affaires sales et s’occuperait des autres tâches du foyer, et effectivement nous avons eu un robot domestique et nous l’appelons… une machine à laver, en effet cette machine est un robot. Un robot dédié à une seule tâche et qui s’en acquitte admirablement, mais qui n’est pas très apte à lire des histoires aux enfants. L’IA à laquelle nous aurons à faire sera de la même nature : totalement spécialisée, une automatisation dédiée à une seule tâche.

Et concrètement comment cela se passera-t-il? Point d’androïde à la Blade Runner, il s’agira simplement de systèmes transparents, intégrés à notre travail quotidien, comme une simple option sur votre logiciel d’imagerie. L’IA sera douée pour des tâches précises et décuplera notre productivité. Evans utilise encore cette métaphore, imaginez avoir avec vous non pas un ou deux, mais un million de stagiaires, capables de s’acquitter en un rien de temps de tâches pas forcément complexes mais très coûteuses en temps. Et cela changera énormément de choses, la rapidité avec laquelle nous nous acquittons de nos examens actuels mais aussi la nature même de ces examens, rendant possible des actions impossibles aujourd’hui. C’est bien la combinaison du médecin et de la machine qui vont créer une révolution, et non la machine seule.

La radiologie s’appuie déjà sur des systèmes informatisés d’aide au diagnostic en imagerie médicale (les fameux CAD, Computer Aided Diagnosis) depuis près de 40 ans. Les conclusions de ces logiciels sont utilisées comme une assistance à l’interprétation des images par le radiologue pour des tâches spécialisées (microcalcifications mammaires, nodules pulmonaires, polypes coliques etc.). Certains algorithmes d’intelligence artificielle sont déjà intégrés à des CAD.

En effet, l’IA est très performante dans l’interprétation automatisée d’une image par la recherche de contenus prédéfinis et pourrait être utilisée en imagerie en temps réel. En radiologie, dans un contexte où le nombre d’examens et le volume d’images généré par chaque examen explosent, ces assistances diagnostiques pourraient permettre de faire face à cette charge de travail toujours croissante. A l’instar de milliers de stagiaires, ces algorithmes pourraient screener les coupes à la recherche de pathologies infectieuses, lésions cancéreuses et autres anomalies d’organes afin que le radiologue ne porte son regard que sur les régions d’intérêt. Les différents examens dans le temps d’un même patient pourraient être comparés entre eux instantanément. Les recherches que je conduis actuellement en matière de deep learning appliqué à l’échographie pour mon projet nhance me laissent penser que l’assistance de ces algorithmes permet de réaliser plus vite plus d’examens en restant fiable dans ses conclusions.

L’avantage du gain de rapidité apporterait dans les contextes d’urgence un gain d’efficacité considérable. Par exemple GE commercialise un échographe comportant des fonctions basées sur des algorithmes d’automatisation dont l’objectif principal est de poser un diagnostic sur le type de choc en moins de 90 secondes, afin d’orienter le patient vers l’unité et le spécialiste le plus approprié.

Dans le domaine de l’interventionnel, les interventions guidées par l’imagerie seraient facilitées. Les outils pourraient être beaucoup plus ergonomiques grâce à des lunettes permettant la superposition des imageries pré et per-opératoire à la réalité. Ces lunettes de réalité augmentée enrichissent l’environnement d’informations contextuelles compilées grâce à ces algorithmes d’apprentissage automatique et permettent à celui qui les porte de basculer d’un écran d’imagerie à son champ de vision immédiat.

Les écrans d’affichage d’imagerie les plus classiques supportent 8 bits soit 256 nuances de gris par pixels, les modalités de traitement d’image plus modernes affichent entre 12 et 16 bits par pixels, soit 4096 à 65 536 degrés de gris. D’un autre côté, heureusement, on oublie ces célèbres « 50 nuances de gris », car on estime que dans de bonnes conditions un radiologue peut distinguer 870 nuances de gris. Toutefois, on admet donc que dès qu’un système d’affichage contient plus de 10 bits par pixels, (1024 degrés de gris), il dépasse les potentialités de l’œil humain. (6) Il est fort possible que les algorithmes d’intelligence artificielle appliqués à l’imagerie médicale trouvent des lésions précoces invisibles à l’œil humain. Un système informatisé n’est pas limité de la même manière que l’œil humain sur l’analyse des structures mais plus que cela, ces systèmes ne « voient » pas comme l’humain. L’image est traitée différemment, les algorithmes d’IA étant capables d’analyser une image dans son ensemble contrairement à notre cerveau qui analyse l’image par morceaux. Il est envisageable que l’on puisse détecter des facteurs prédictifs encore inconnus de cette manière. Actuellement, des chercheurs chez Google utilisent des photos de rétines afin d’observer la disposition des vaisseaux sanguins qui seraient un facteur de risque d’infarctus. L’analyse du contenu des images peut s’automatiser, c’est au médecin de décider à partir d’un contenu, quel est le type d’informations cliniquement utiles à rechercher.

Comme le défend Cédric Villani, mathématicien et député LRM chargé par le gouvernement d’une mission sur l’intelligence artificielle :

« à chacun de trouver sa place. On a suffisamment d’expérience aujourd’hui pour montrer que la combinaison homme + intelligence artificielle est plus performante que l’homme ou l’intelligence artificielle tout seuls ».

Il faut l’humain pour comprendre et interpréter les recherches qui vont appuyer et valider les observations. La question est de savoir quelles nouvelles inconnues fait-on rechercher à la machine pour améliorer la médecine. Une IA comme Alphago dévoile aujourd’hui aux meilleurs joueurs de Go au monde de nouvelles stratégies pour un jeu millénaire ; je suis impatiente que nous arrivions à de nouvelles perspectives médicales qui vont révolutionner notre approche de certaines maladies.