Les ordinateurs excellent de plus en plus dans l'analyse des radiographies et des tomodensitogrammes. Les radiologues ressentent la pression croissante de l'intelligence artificielle (IA).
Il y a un an, un ordinateur a surpassé quatre des meilleurs joueurs professionnels de poker lors d'un tournoi No-Limit Texas Hold'em. Cette prouesse impressionne car le poker, avec ses informations incomplètes et ses stratégies de bluff, est plus complexe pour une machine que les échecs ou le go.
Au cœur de cette victoire : l'IA, qui permet aux ordinateurs d'accomplir des tâches considérées comme intelligentes par les humains. Ces systèmes traitent d'énormes volumes de données via des algorithmes d'apprentissage automatique pour en extraire des règles applicables.
Aujourd'hui, l'IA s'invite massivement dans la recherche médicale. Des géants comme IBM, Google et Philips investissent dans des algorithmes d'apprentissage automatique aux applications cliniques prometteuses.
Le magazine scientifique IEEE Spectrum publie un tableau de bord comparant IA et médecins humains. Les logiciels IA surpassent actuellement les praticiens dans le diagnostic de la pneumonie et la prédiction de l'autisme via scintigraphies cérébrales. Ils rivalisent avec les meilleurs experts pour détecter cancers du cerveau et de la peau.
Les progrès les plus fulgurants concernent la radiologie, qui utilise rayons X, tomodensitogrammes (TDM) et IRM pour détecter maladies et blessures. Les radiologues intègrent désormais l'IA et l'apprentissage profond pour analyser ces images, grâce à une révolution en vision par ordinateur.
En 2012, le logiciel d'Alex Krizhevsky et Geoffrey Hinton (Université de Toronto) a remporté le concours ImageNet avec moins de 25 % d'erreurs. Ce défi annuel consiste à classer chats, chiens, avions et centaines d'objets sur photos en ligne. En 2018, les ordinateurs atteignent moins de 2 % d'erreurs.
Ces avancées reposent sur les réseaux de neurones profonds, mimant le cerveau avec des couches interconnectées. Ils apprennent par analyse de masses de données : plus un réseau voit d'images variées de chats, mieux il les identifie.
Pourquoi cela compte-t-il ? Si l'IA distingue chiens de chats, elle peut détecter anomalies sur images médicales.
Bram van Ginneken, professeur d'analyse d'images au Radboudumc de Nimègue, pionnier en reconnaissance d'images médicales, a développé CAD4TB avec Delft Imaging Systems. Ce logiciel classique détecte la tuberculose sur radiographies pulmonaires numériques.
« CAD4TB est essentiel en Asie et Afrique, où la tuberculose est endémique mais les radiologues rares », explique Van Ginneken.
Il équipe des laboratoires mobiles : 100-200 radios par jour, analysées en une minute. Anomalie suspecte ? Test d'expectoration confirme, bien que plus coûteux.
Según Van Ginneken, CAD4TB égale un radiologue, tout en étant plus rapide, fiable et économique. « Avec le vieillissement populationnel et l'essor des scanners, les radiologues gèrent plus d'images en moins de temps, augmentant les erreurs. L'IA les assiste, calcule tailles tumorales ou croissances ».
Via Thirona, sa société, Van Ginneken cible cécité liée à l'âge et cancers, avec réseaux profonds. « Les programmeurs définissent l'architecture ; l'IA découvre les calculs seule, via données massives ». Thirona analyse TDM pour MPOC, évaluant éligibilité à des traitements et fournissant rapports.
Il y a deux ans, Geoffrey Hinton, père des réseaux profonds, a choqué en déclarant inutile de former de nouveaux radiologues : l'IA serait plus rapide et précise.
Van Ginneken nuance : « Les radiologues scrutent des centaines d'indices ; l'IA gère une dizaine max. Elle ignore artefacts ou besoin de rescan ».
Andrew Ng tempère : l'IA excelle en tâches simples (entrée A → sortie B rapide), comme nodules sur radio thoracique.
Mais elle ne raisonne pas sur complexes : elle identifie un chat sans en comprendre la nature.
Prochainement, l'IA assistera sur routines, libérant les radiologues. En cas de divergence ? L'IA manque d'explicabilité : « Elle alerte sans justifier », note Van Ginneken.
L'IA conquerra routines, mais fiabilité cruciale en médecine : des vies en jeu, pas du poker.
[]