L’évolution du diagnostic médical | IMIS

une école du groupe igs

L’avancée technologique au service du diagnostic médical

« La quasi-totalité des champs de l’intelligence artificielle dispose d’applications dans le domaine de la santé », expliquait le rapport Stratégie France IA commandé par le gouvernement en 2017. Après le projet pionnier Watson (IBM) qui « calcule » un diagnostic en se basant sur des analyses statistiques et un processus d’apprentissage basé sur des giga-données, les industries de santé continuent d’expérimenter des applications, des logiciels et des machines, essentiellement basées sur l’intelligence artificielle, pour accélérer, appuyer et fiabiliser le diagnostic médical. Etat des lieux.

L’environnement est favorable au développement de l’intelligence artificielle (IA) appliquée à la médecine

Le rapport « Intelligence artificielle et travail » réalisé par France Stratégie pour le secrétaire d’Etat auprès du Premier ministre chargé du Numérique définit l’IA comme étant « l’ensemble des technologies visant à réaliser par l’informatique des tâches cognitives traditionnellement effectuées par l’humain ». Les applications sont nombreuses : après l’automatisation des tâches simples, l’IA s’est imposée comme un avantage concurrentiel dans l’industrie automobile (les voitures IA sont déjà sur nos routes), dans l’aviation (des tests d’avions sans pilote ont été réalisés en 2018), dans le monde de l’entreprise par l’automatisation des tâches et bien sûr dans les industries de santé. L’IA est une opportunité pour le diagnostic médical. Deux facteurs sont nécessaires pour la rendre viable à grande échelle dans les établissements de santé : la disponibilité de données de masse sur les patients, les symptômes et les diagnostics, et la disponibilité d’un matériel informatique de pointe capable de réaliser les calculs nécessaires dans un délai raisonnable. L’environnement est plutôt favorable à l’introduction progressive de l’IA dans les pays industrialisés : les entreprises du secteur n’ont jamais collecté autant de données qu’aujourd’hui, et la technologie informatique est plus accessible, surtout avec le développement du cloud.

Renforcer, accélérer, orienter et fiabiliser le diagnostic

Le corps médical a procédé au diagnostic de la même façon pendant les 100 dernières années, à peu de choses près. Aujourd’hui, l’IA et le Deep Learning ont largement montré qu’ils pouvaient renforcer, accélérer, orienter et fiabiliser le diagnostic.

Les chatbots pour contrer l’automédication

Babylon Health, une start-up britannique, a développé un chatbot pour prévenir et diagnostiquer les maladies des patients. Il se présente sous la forme d’une application de messagerie instantanée qui s’entretient avec le patient, lui posant une série de questions pertinentes en fonction de ses réponses. Le verbatim du patient est comparé à une base de données massive pour ensuite formuler une réponse appropriée en fonction de la combinaison des symptômes signalés et des antécédents du patient. Naturellement, l’objectif de ce type d’applications n’est pas de remplacer le médecin, mais plutôt d’orienter le patient vers le bon interlocuteur et de prévenir l’automédication. Des consultations en temps réel, via vidéo, sont proposées dans certains « scénarios ». L’application a été testée par deux hôpitaux sur 2 150 patients, à Essex, dans le Sud-Est de Londres. Résultat : le temps d’attente des patients a été réduit (sans que l’étude ne donne de chiffres précis).

L’IA et le Deep Learning pour favoriser les diagnostics précoces

De son côté, l’Université de Stanford a mobilisé l’IA et le Deep Learning pour mieux diagnostiquer le cancer de la peau. La technique du réseau de neurones à convolution a été utilisée pour créer un algorithme capable de détecter les tumeurs associées au cancer de la peau en utilisant 130 000 images de lésions cutanées. L’enjeu est de taille, dans la mesure où la détection précoce maximise le taux de survie. Selon la Skin Cancer Foundation, la détection précoce du cancer de la peau implique un taux de survie de 98% à cinq ans, tandis qu’une détection après les métastases (organes ou ganglions lymphatiques éloignés) voit le taux de survie chuter à 23%. Cet algorithme a été mis en concurrence avec 21 dermatologues sur la base de trois réponses possibles à l’issue de l’examen des images : procéder à une biopsie, établir un protocole de traitement ou rassurer le patient. L’algorithme a abouti aux mêmes conclusions que les dermatologues. Un résultat prometteur, surtout pour les pays en voie de développement où les services d’oncologie ne disposent pas d’assez de ressources.

La reconnaissance faciale pour le diagnostic des troubles congénitaux

La reconnaissance faciale est également mise à contribution pour améliorer le diagnostic de certaines pathologies rares. Des applications comme Face2Gene analysent les photos des patients, prises dans des conditions optimales, pour identifier des caractéristiques faciales « typiques » de certains troubles congénitaux ou neurodéveloppementaux. Une vidéo de démonstration explique le mode opératoire de cette application réservée aux professionnels de santé.

Ce dynamisme des laboratoires de Recherche et Développement, qui devrait se poursuivre dans les prochaines années au vu des nombreux défis du secteur de la santé, s’accompagne d’une batterie d’essais cliniques rigoureux pour limiter les risques ainsi que d’un effort soutenu de formation à destination des professionnels de santé.

découvrez le programme
demande de documentation

zoom métier

LE MÉTIER DE SPÉCIALISTE AFFAIRES RÉGLEMENTAIRES INTERNATIONALES
AFFAIRES RÉGLEMENTAIRES – JURIDIQUE – INDUSTRIE PHARMACEUTIQUE – BIOMEDICALE Les affaires réglementaires (AR) couvrent plusieurs activités (...
Voir d'autres fiches métiers