Rôle de l’IA dans le diagnostic du cancer
Aujourd’hui l’IA s’immisce dans différents aspects de notre vie. Cependant, en raison de ses implications conséquentes, certains remettent en question son intérêt, et s’interrogent même sur son utilité ; A-t-on vraiment besoin de cette technologie ? Dans le domaine médical l’IA a gagné une place importante surtout en matière de dépistage précoce des maladies difficilement détectables. Mais, est-ce que cette technologie apporte réellement des avantages par rapport aux méthodes de diagnostics traditionnelles ?
Le progrès de cette technologie est particulièrement intéressant, et les résultats constatés sont effectivement non négligeables. Dans une étude récente, l’IA a pu repérer la présence de cancer du sein avec une précision similaire à celle des radiologistes et a permis de réduire le nombre de faux positifs de 5,7% dans le groupe basé aux États-Unis et de 1,2% dans le groupe basé au Royaume-Uni. Mais, comment cette technologie parvient à détecter la maladie avec une telle acuité ?
Modalité de diagnostic avec l’IA : comment ça marche ?
Le diagnostic passe en fait par l’apprentissage des réseaux de neurones profonds ; les données représentatives des différentes séquences d'ARN, images médicales et dossiers de patients sont collectées. Puis, elles sont soumises au processus d’étiquetage par lequel des médecins experts les annotent en jugeant la pertinence de leurs caractéristiques pour le diagnostic.
Efficacité pour le dépistage précoce
Certains types de cancers tels que les cancers dans leur phase initial ou même également le cancer primitif inconnu sont difficiles à détecter. Dans ces cas, le recours à l’IA pourrait être efficace et pourrait notamment induire un réel progrès. Effectivement, le ciblage de l’origine de la tumeur lors du traitement des CPI (le cancer primitif inconnu) par exemple et le choix d’un traitement adéquat pourrait éventuellement entrainer des bénéfices considérables au patient pour son rétablissement. Wilfrid, un patient atteint de CPI a été diagnostiqué par une IA (développée par l’institut Curie) qui a localisé l’origine du cancer. À l’issue de l’application de cette chimiothérapie ciblée, un progrès majeur a été noté dans sa situation. Le dépistage au niveau du rein par l’IA a été achevé à l’issu d’un apprentissage basé sur 20000 profils d’ARN, et ne pouvait pas être effectué par les médecins qui avaient déjà scanné l’organe sans rien trouvé.
À cet effet, grâce à l'IA, les patients peuvent obtenir des diagnostics de haute précision plus rapidement, et donc commencer leur traitement plus tôt.
En outre, à l’aide des bases de données provenant de dossiers de patients du Massachusetts General Hospital, l’algorithme a été susceptible de prédire les risques de cancer ; allant ainsi plus loin que le simple diagnostic, en augmentant les mesures préventives envisageables.
Figure 3 : Calcul du risque de cancer du sein selon le modèle de Gail, pour une femme de 63 ans
Prérequis pour établir un tel système
L’efficacité du système requière évidemment la mise en place d’équipement adapté. Afin d’obtenir ces résultats concis sur l’état du patient l’établissement des équipements, tels que les scanners, les IRM (Imagerie par Résonance Magnétique), et les équipements de tomodensitométrie (CT) de haute précision et bien calibré doivent être installés pour l’optimisation de la performance. La qualité des images accordées à l’IA pour le diagnostic en cause contribue à la détection des détails anatomiques ; des images de haute résolution permettent à l'IA de repérer des anomalies minuscules ou des lésions dès les premiers stades du cancer.
Figure 4 : Architecture globale de la séquence de traitement des données
Conséquences de la collecte de données : des défis à prendre en compte
L’apprentissage demande la procuration de quantité dense de données afin d’entrainer le système de neurone profond à repérer le plus de cas envisageable. Cependant, la collecte d’une telle quantité de données d’images annotées nécessite de grandes capacités de stockage et leur digitalisation-annotation, demande un budget conséquent pour sa mise en œuvre.
On peut reprocher à l’IA également le biais qui pourrait affecter le diagnostic. En effet, l’utilisation de données dérivées d’une sélection particulière des patients dans l'ensemble d'entraînement, de préjugés du personnel médical, ou même d’erreurs de saisie de données pourrait conduire à des résultats de diagnostic erronés.
Il tient d’indiquer dans cette optique que les données collectées pour les diagnostics sont des données sensibles à caractère personnel ce qui pourrait avoir des implications cruciales au niveau juridique. Il faudra assurer la collecte de données strictement nécessaire au diagnostic et ainsi prédéterminer clairement les collectes et traitements autorisés dans ce sens afin de prévenir tout abus. Il s’avère de plus nécessaire d’établir un système sécurisé pour le stockage de ces données sensibles surtout en ce qui concerne les données collectées pour effectuer des recherches à ce sujet.
Il faudra également bien préciser en amont le partage de responsabilité en cas de préjudice, retard ou erreur diagnostic.
Donc, que l’IA pourrait avoir des avantages certains au niveau des diagnostiques du cancer. C’est une maladie où la rapidité et la précision de diagnostic jouent un rôle primordial dans la guérison des patients. Bien qu’elle ne soit pas totalement démentie d’erreur mais les recherches se développent à haut débit dans le domaine pour arriver à la meilleure performance possible. Cependant, cette évolution doit être accompagnée par des règlementations juridiques pour assurer la sécurité des données engagées et gérer les responsabilités en cas de fautes.