Avec l’avènement de la santé numérique, l’intelligence artificielle (IA) assoit sa présence dans le monde de la santé, notamment en ce qui concerne l’étape clé du diagnostic. En effet, il s’agit là d’une étape cruciale dans le parcours patient, qui permet d’orienter la prise en charge thérapeutique et qui peut s’avérer complexe et parfois très longue, par exemple pour des maladies rares ou en l’absence de test et méthode de diagnostic simples.
Les médecins, dans beaucoup de spécialités différentes, peuvent aujourd’hui recourir à l’intelligence artificielle pour être assistés dans leur pratique diagnostique, que ce soit pour mieux orienter, pour accélérer le processus ou pour appuyer ses choix et sa prise de décision. Dans cet article, Alcimed revient sur les différents types de solutions développées, les défis à relever et les limites de ces nouveaux outils.
Pour faire simple, l’intelligence artificielle fait référence à des solutions logicielles capables d’effectuer des tâches qui nécessitent généralement une intervention humaine. Ces tâches peuvent être plus ou moins complexes, allant de la détection d’objets ou d’éléments à la formulation de recommandations ou la production de contenus et conversations.
L’utilisation de l’intelligence artificielle est tout particulièrement pertinente pour l’analyse et le traitement d’un grand nombre de données et le recoupement d’informations complexes et hétérogènes. Cependant, l’IA reste à ce jour un outil au service de l’homme. Aussi la pose des diagnostics en parfaite autonomie et les responsabilités que cela soulève ne sont aujourd’hui pas de son ressort. L’objectif est davantage d’orienter la prise de décision en recoupant des sources d’informations diverse, de façon rapide et en auto-apprenant, en renforçant les analyses par des statistiques factuelles, ou d’aiguiller les professionnels de santé sur des points spécifiques ou subtils, leur permettant de ainsi de gagner du temps.
L’imagerie médicale est un domaine qui produit une grande quantité de données, souvent hétérogènes, analysées par les radiologues et l’ensemble des professionnels amenés à poser un diagnostic. Par exemple, en 2020, plus de 10 millions d’actes d’imagerie médicale (scanner et IRM) ont été réalisés dans des établissements publics et privés à but non lucratif en France [1].
En réponse, de nombreux outils d’aide à l’analyse d’imagerie médicale ont été développés. Ils couvrent un large spectre de spécialités (ex : cancérologie, angiologie, cardiologie, traumatologie…) et l’intégralité des modalités d’acquisition d’images (radio, scanner, IRM, échographie). Les algorithmes sont entraînés sur des sets de données composés de clichés d’imagerie médicale et de données cliniques et omiques caractérisant ces clichés, et regroupant des cas sains ainsi que des cas malades. Une fois l’apprentissage terminé, ces outils permettent de :
Grâce à ces solutions dotées d’IA, les spécialistes sont en mesure de se concentrer sur les cas à plus forte valeur ajoutée, et gagnent un temps précieux. De leur côté, les non spécialistes peuvent mieux orienter les patients dans leurs parcours diagnostic.
De plus en plus fréquemment, les praticiens basent aussi leurs diagnostics médicaux sur des données de séquençage génétique. En effet, les analyses génétiques sont une source d’information complémentaire, et sont notamment poussées par le Plan France Médecine Génomique 2025, qui prévoyait la prise en charge de 235 000 séquences de génome par an en 2020.
Les analyses génétiques sont souvent très longues du fait de la masse de données à traiter. Les algorithmes mis au point sont donc capables de passer au crible des ensembles de données génétiques et fournissent une liste restreinte de variants responsables de syndromes génétiques, réduisant les choix et donc la durée de l’interprétation.
Les derniers algorithmes développés incluent par ailleurs les explications justifiant le résultat avancé, et notamment la priorisation des variants. Cela permet aux praticiens de disposer du cheminement logique, et de s’assurer de la fiabilité de l’analyse pratiquée par l’intelligence artificielle.
Découvrez des exemples de projets d’IA en santé menés avec nos clients >
Quel que soit le domaine de la santé, les dernières années ont vu une explosion du nombre de solutions d’intelligence artificielle appliquées à la médecine. En France, 102 start-ups d’IA en santé ont été dénombrées en 2019, contre 191 en 2020 ! Parmi ces dernières, 59 sont positionnées sur l’aide au diagnostic.
Cependant, même si leur nombre est grandissant, les entreprises mettant en œuvre de l’intelligence artificielle comme aide au diagnostic font face à de nombreux enjeux :
Malgré tout, des preuves de confiance ont déjà été observées. Plusieurs hôpitaux publics comme privés, utilisent aujourd’hui des outils d’aide à la prise de décision basés sur l’intelligence artificielle. Les outils utilisés viennent s’intégrer dans la pratique quotidienne des professionnels de santé, sans se substituer à eux. En parallèle, des appels à projets sont publiés pour soutenir l’innovation, notamment sous l’impulsion du Grand Défi du gouvernement français « Amélioration des diagnostics médicaux par l’intelligence artificielle ».
En conclusion, les outils d’intelligence artificielle permettent déjà d’assister les médecins dans leur pratique, en offrant un appui à la pose de diagnostic, les rendant plus fiables et plus rapides. Ces solutions s’améliorent continuellement, notamment afin de détecter des pathologies de manière plus précoce, permettant une prise en charge anticipée et donc une amélioration de la qualité des soins. Cependant, leurs inventeurs doivent encore faire face à de nombreux challenges.
Si un avenir sans médecins n’est ni envisageable ni envisagé à date, la question se pose de qui portera demain la responsabilité légale de la prise en charge des patients et du choix des stratégies thérapeutiques employées si l’IA est à la source de toutes les décisions.
Chez Alcimed, nous sommes convaincus de l’avenir de l’intelligence artificielle dans l’aide au diagnostic, et notre équipe est prête à vous accompagner dans vos projets d’IA en santé. N’hésitez pas à nous contactez !
[1] L’équipement en imagerie des établissements de santé publics et privés à but non lucratif – DREES (2020)
A propos de l’auteur,
Line, Consultante au sein de l’équipe Innovation et Politiques Publiques d’Alcimed en France
Cross-sectoriel
Quelles sont les difficultés actuelles rencontrées pour la valorisation des images médicales ? Quelles conditions doivent être respectées pour la mise en place d’outils d’annotation d'image ...
Articles
Viz.AI est l’une des nombreuses entreprises qui développent une intelligence artificielle pour la prise de décisions cliniques. L’algorithme développé par la société bénéficie de la ...
Santé
Comment l’IA peut-elle améliorer le développement clinique dans l’industrie pharmaceutique ? Des outils d'intelligence artificielle voient le jour grâce à la numérisation des résultats ...