L’IA va-t-elle remplacer les radiologues ?
De la hype à la compréhension, pour une préparation vigilante.
L’intelligence artificielle (IA), et particulièrement le deep-learning, a fait des progrès remarquables dans le domaine de la perception, permettant à des machines de se représenter et de comprendre des données complexes. Il en découla des avancées majeures dans des domaines tels que le développement des voitures autonomes, de la reconnaissance vocale ou encore de la reconnaissance d’image.
Après qu’elle ait défait l’humain sur le jeu de Go, ce serait au tour des taxis et des radiologues de devenir obsolètes selon certains experts du domaine, comme le Pr. Geoff Hinton, spécialiste de l’IA, qui déclarait en 2016 : “il est évident que nous devrions cesser de former des radiologues”. L’IA permettrait donc selon certains chercheurs une meilleure prise en charge des patients, face à des radiologues débordés, chez qui on demande d’analyser plus de données plus rapidement, source d’erreur inévitable.
La promesse d’une révolution technologique est source de nombreuses discussions et parfois d’inquiétudes. Il est évident qu‘au vu de l’investissement demandé et de la complexité du métier, il est difficile d’accepter qu’une machine puisse remplacer un radiologue dans les prochaines années. Ainsi, certains discours nient totalement le danger que peuvent potentiellement représenter ces nouvelles technologies, ou prédisent que l’adaptation se fera naturellement, en douceur et sans accro.
Devant autant d’agitation, regardons quelles sont les avancées actuelles concernant l’intelligence artificielle dans la recherche d’image. Et quels sont les éléments qui , aujourd’hui, permettent aux radiologues de ne pas être remplacés ? Finalement, quelles seront les conséquences possibles, voire prévisibles de l’IA en radiologie ?
L’application de modèles mathématiques pour résoudre des problèmes médicaux a commencé dès les années 60, parallèlement au développement de la capacité de calcul des ordinateurs et de la quantité de données disponibles. Car durant cette même période, la médecine perd en partie sa dimension artistique, appuyée sur l’expérience du praticien, pour favoriser les données les plus actuelles de la science, issues de la recherche, afin d’arriver à un idéal de médecine reproductible, basé sur des preuves. Le fait que l’EBM (Evidence-Based Medicine, ou médecine fondée sur les faits en français) devienne le paradigme dominant dans la médecine occidentale permet de faire de la médecine une discipline technique, par définition reproductible par des machines.
Il existait deux principales écoles au sujet de l’IA dans la reconnaissance d’image : la première est basée sur des équations mathématiques décrivant les caractéristiques de l’objet à reconnaitre (comme une tumeur à l’imagerie) écrites par des ingénieurs, qui vont pouvoir être quantifiées à l’aide d’un ordinateur. Si ces caractéristiques sont certes perçues comme discriminantes, elles sont basées sur une approche humaine, et ne sont pas forcément optimales.
La seconde méthode, le deep-learning, a joui d’une attention et d’un développement considérable ces dernières années. En effet, les algorithmes de deep-learning peuvent apprendre d’elles même les caractéristiques représentant l’objet en question sans l’aide de modèles mathématiques humain. Cette approche basée sur des grandes quantités de données ingurgitées par un algorithme de machine-learning, lui même basé sur une structure en réseau de neurone, inspiré par le cerveau humain, permet une abstraction des caractéristiques définissant l’objet à reconnaitre et ainsi peut s’appliquer à une large variété de conditions cliniques et de paramètres. D’une certaine façon, l’IA deep-learning, comme un radiologue, identifie l’image et pondère l’importance de certains paramètres avec d’autres pour arriver à la décision clinique.
Plusieurs études ont comparé des IA deep-learning entrainées pour analyser des images avec des radiologues et ont trouvé des performances comparables sur la discrimination des différents tissus à l’échographie et à l’IRM. Les applications cliniques existent déjà, produites par des entreprises comme Arterys voulant faire rentrer l’IA auprès des radiologues en utilisant le cloud, qui commercialise déjà une IA d’aide à la décision sur les examens d’IRM cardiaque.
Si les évangélistes de la Silicon Valley nous affirment que la radiologie est au bord du précipice, et que sa chute est indéniable face à l’IA, force est de constater qu’en Mai 2020, aucun radiologue n’est encore remplacé ou remplaçable. Selon ce rapport de la cour des comptes, les hôpitaux français connaissent une pénurie de radiologues. Il en est que cesser de former de nouveaux radiologues, sans solution viable pour les remplacer immédiatement, conduirait à un désastre de santé publique, au vu de l’importance de l’imagerie médicale dans le parcours de soins hospitalier.
Ce constat peut être expliqué par deux arguments qui ne sont pas d’ordre technique. Premièrement, le radiologue ne fait pas que lire des images. Si on ne prend que le versant diagnostique et non invasif du métier (et qu’on occulte toute la partie interventionnelle, de la biopsie à la cimentoplastie en passant par le drainage de kyste…), on se rend vite compte qu’au delà de l’interprétation de l’examen, le radiologue participe également à valider la demande du clinicien, en conduisant les examens ou les interventions appropriées, et en communiquant les résultats de l’examen. Dans certaines situations, comme dans la plupart des cancers, il participe à des réunions de concertation pluridisciplinaire où il apporte son expertise dans l’interprétation de l’imagerie et est parfois également acteur de la prise en charge thérapeutique. Si une IA peut remplacer un radiologue dans tout ces domaines, elle sera capable de remplacer tout les intervenants médicaux.
Le second argument est que l’humain maintient pour le moment l’ultime responsabilité. Si en 2017 pas un seul humain n’est mort dans un vol commercial, c’est en grande partie du à l’implémentation de systèmes technologiques complexes, mais c’est également grâce à un meilleur entraînement des pilotes humains, à la sensibilisation des passagers aux méthodes d’évacuation, et au personnel au sol. L’automatisation ne veut pas forcément dire remplacement du personnel compétent, pour une bonne raison : la responsabilité légale. Il est presque impossible d’imaginer que le propriétaire d’une IA puisse supporter la responsabilité légale des vies humaines qu’il transporte. Même si cet argument est limité, car les mêmes prédictions d’obsolescence humaine sont faites pour les pilotes d’avion, il est vrai qu’en médecine il est bien plus simple de limiter à l’IA l’aide à la décision. Cet argument prend en solidité si on admet que la médecine est une discipline qui ne peut être totalement quantifiée avec nos technologies actuelles, étant donné que chaque patient est unique, présente des caractéristiques spécifiques, et que la prévalence pas si rare des maladies rares sont des situations où les IA ne peuvent pas être compétentes étant donné le peu de données les concernant.
Il reste que l’avenir de l’IA demeure incertain, et on peut se demander ce qu’on peut vraiment en attendre.
Déjà, la très grande majorité des start-up du domaine sont focalisés sur la réponse à un problème clinique très spécifique, comme la détection de signes précoces d’AVC sur une IRM ou un scanner. Ces compagnies sont fortement axées sur l’image et son analyse, plutôt que sur le cadre plus global de la prise en charge du patient. Et c’est parfaitement normal, l’IA est actuellement limitée techniquement à résoudre un problème précis, et à s’intégrer comme une fonctionnalité pouvant aider l’utilisateur, plutôt qu’être un produit remplaçant le radiologue. Il faudra donc que ces fonctionnalités d’aide à la décision clinique prouvent leur efficacité clinique et leur utilité réelle, en terme de coût notamment.
D’une autre perspective, ces fonctionnalités sont vues comme superflues car le réel enjeu des nouvelles technologies dans le domaine de la santé n’est pas créer une machine capable de détecter un AVC lorsque le patient viens de passer son IRM, un humain le fait déjà très bien. C’est de détecter l’AVC, l’hémorragie intracrânienne ou le syndrome coronarien à la phase pré-hospitalière, quand le patient est chez lui. On peut imaginer qu’un appareil de détection de ces pathologies chez les personnes à risque, directement connecté à leur smartphone et capable d’appeler une ambulance au moindre signe d’urgence serait une bien plus grande révolution.
Cependant, l’éventualité de l’arrivée d’une IA capable de remplacer des travailleurs qualifiés, comme des radiologues, mais également d’autres professions basant leur utilité sur leur connaissances, n’est pas nulle. Et si les chances qu’une telle IA débarque sont faibles, sa survenue conduirait à un désastre social sans précédent. Une telle IA aura un impact conséquent sur le métier de radiologue, mais aura un impact sur la société dans son ensemble. Une telle IA aurait des conséquences tellement désastreuses sur la société que ne pas l’anticiper serait extrêmement dangereux.
L’IA, grâce au développement de la capacité de calcul des ordinateurs, et aux nouvelles méthodes d’apprentissage neuronaux basées sur du big data, promet de créer des outils extraordinaires, permettant en radiologie de relever le défi de l’accroissement de la demande face à la pénurie de main d’oeuvre médicale. La technologie actuelle ne menace pas l’avenir de la profession, malgré des innovations toujours plus incroyables, car il n’existe pas d’IA générale aujourd’hui, et son apparition dans le futur est un sujet hautement spéculatif.
Cependant, aujourd’hui plus que jamais, nous prenons conscience de l’importance de prévoir le hautement improbable. Si les chances qu’une telle IA arrive dans les prochaines décennies sont considérées comme très faible, c’est en réalité totalement imprévisible, et son arrivée dans une humanité où l’utilité de l’individu est évalué sur sa capacité à produire aura des conséquences désastreuses. Je vous invite à prendre le temps de réfléchir à une société où l’arrivée d’une telle technologie ne serait pas un désastre pour des milliards d’humains.
« Et il eu soudain le sentiment qu’il pouvait regarder le monde soit comme la malheureuse victime d’un voleur, soit comme un aventurier en quête d’un trésor » - Paulo Coelho
