Apports et limites de l’intelligence artificielle en médecine
- Serge Cannasse
- Actualités Médicales
L’intelligence artificielle suscite beaucoup d’espoirs, mais aussi de craintes, chez les médecins. Trois chercheurs (deux Américains et un Britannique) proposent une mise au point sur ce qu’il est actuellement raisonnable d’en attendre.
Pour commencer, qu’entend-on par intelligence artificielle ? Le terme approprié serait plutôt « apprentissage machine » (machine learning – ML), ou apprentissage automatique. En effet, il ne s’agit plus de faire appliquer des recommandations d’experts par l’ordinateur, mais de traiter un nombre considérable de données (d’où l’importance du « big data ») au moyen d’algorithmes permettant à l’ordinateur d’améliorer en même temps ses performances.
En médecine, une première application du ML est le diagnostic par imagerie, censé améliorer la lecture d’images en deux ou trois dimensions. En ophtalmologie, les logiciels d’aide au diagnostic pourraient apporter une aide précieuse aux spécialistes, pour qui il est de plus en plus difficile de suivre le développement accéléré des connaissances, ou palier au nombre insuffisant d’ophtalmologistes dans certains territoires. Un logiciel pour le diagnostic de la rétinopathie diabétique a été approuvé par la FDA (Federal Drug Administration – l’équivalent de notre HAS). En pneumologie, un logiciel permet de faire un diagnostic fiable des principales pathologies à partir d’un cliché frontal en radiologie par rayons X, le tout en 1,5 minutes en moyenne pour interpréter 420 images, contre quatre heures pour un radiologue.
Un deuxième type d’application du ML est la prévention, par exemple par l’estimation du risque de complication ou de décès après chirurgie en fonction des caractéristiques du patient, ce qui serait une aide importante pour la décision d’intervention ou la préparation pré-opératoire du malade. En ophtalmologie encore, un logiciel est actuellement en expérimentation pour évaluer la progression probable de la myopie chez les jeunes adultes, ce qui est un enjeu majeur en Asie du sud-est, où l’affection touche entre 8 et 9 étudiants sur 10.
Un troisième type d’application est le renouvellement des catégories diagnostiques, aujourd’hui largement fondées sur des approches cliniques anciennes. Les auteurs donnent l’exemple de nouveaux phénotypes de l’asthme et des allergies à partir de l’analyse de la sensibilisation aux IgE de sous-groupes d’enfants.
Enfin, le ML pourrait aider à identifier les erreurs de prescription médicamenteuse, dont on sait qu’elles sont une source importante de iatrogénie.
La validité des résultats obtenus par le ML n’est cependant pas garantie. Dans sa phase d’apprentissage, le programme informatique suit les méthodes employées par les médecins et les corrèle avec les résultats qu’ils obtiennent. Le programme peut ainsi répéter les erreurs et les biais de décision des praticiens, même s’ils s’atténuent avec le temps. De plus, il peut repérer des associations qui ne sont en fait pas pertinentes pour la situation examinée. Enfin, comme pour toute méthode nouvelle, son application en vie réelle doit être soigneusement évaluée.
Malheureusement, l’accès à l’intégralité de cet article est reservé uniquement aux professionnels de santé disposant d’un compte.
Vous avez atteint la limite d'articles par visiteur
Inscription gratuite Disponible uniquement pour les professionnels de santé
