DIAGNOSTIC PAR L’IMAGE L’IA traque les tumeurs

ALGORITHME Des chercheurs des universités médicales de Harvard à Boston (Etats-Unis) et de Maastricht (Pays-Bas) ont développé un réseau informatique d’apprentissage profond pour mieux prédire l’évolution du cancer bronchique « non à petites cellules » – la plus fréquente des tumeurs malignes du poumon – (photo), tout comme les réponses aux traitements.

Le programme a analysé 581 images provenant de 179 patients après un, trois et six mois de chimioradiothérapie. Aujourd’hui, l’évaluation du diagnostic et de l’efficacité du traitement repose sur l’interprétation humaine de plusieurs signes et examens. L’intelligence artificielle (IA) développée serait « plus efficace pour prédire les métastases à distance, la progression et les récidives », affirme Hugo Aerts, dans le journal de l’Association américaine de recherche sur le cancer, Clinical Cancer Research. Mais attention à ne pas mettre la charrue avant les boeufs. « Le domaine est certainement peu avare en promesses mais relativement peu prolixe en données et en preuves », écrit Eric Topol dans Nature Medicine, après avoir passé en revue méthodiquement les publications scientifiques récentes (216 références) qui, de la radiologie à l’anatomopathologie, de la dermatologie à la gastro-entérologie et jusqu’à l’analyse de vastes bases de données cliniques, ont évalué les apports de l’intelligence artificielle à différents domaines de la médecine. Un autre article paru dans A Cancer Journal for Clinicians, doté de 218 références liées à quatre types de cancer (poumon, cerveau, sein et prostate), pointe le fait que « la plupart des études évaluant les applications d’intelligence artificielle en oncologie n’ont pas encore été validées de façon suffisamment v igoureuse pour s’assurer qu’elles soient reproductibles et généralisables ».

Un médecin qui fait une erreur de diagnostic ou de traitement n’affecte qu’un seul patient. A l’inverse, les erreurs d’un algorithme largement diffusé peuvent avoir des conséquences sur une grande part de la population .