L’intelligence artificielle remplacera-t-elle bientôt les médecins ?

1
232
The Liberty Beacon

TheLibertyBeacon, le 3 octobre 2019, par : Dr Joshua Mansour, MD

Traduction pour cogiito.com : PAJ

https://www.thelibertybeacon.com/will-artificial-intelligence-soon-replace-doctors/

Avec environ 160 000 décès dus au cancer du poumon en 2018, il s’agit de la principale cause de décès par cancer aux États-Unis. Le groupe de travail américain sur les services préventifs [1]a défini de nouvelles directives[2] pour l’utilisation de la tomographie informatisée à faible dose (LDCP)[3] qui ont récemment été mises à jour pour les personnes présentant un risque élevé de cancer du poumon. Le dépistage du cancer du poumon à l’aide de ce test de tomodensitométrie a permis de réduire le nombre de décès de 20 à 40 %. Cependant, l’utilisation de cet examen de dépistage pose un problème récurrent : le taux de faux positifs (un résultat indiquant qu’une personne a effectivement une maladie alors que ce n’est pas le cas). Bien que le LDCP ait énormément aidé à la détection précoce, il a été constaté qu’environ un quart des nodules suspectés n’étaient pas cancéreux.

Pour déterminer si cela pourrait être amélioré, les médecins de la Northwestern University et de Stanford ont fait équipe avec Google pour déterminer si un type d’intelligence artificielle, appelé Deep Learning, pourrait aider à améliorer nos méthodes actuelles. Ce type d’intelligence artificielle apprend essentiellement aux systèmes informatiques à « apprendre par l’exemple ». Les chercheurs de Google ont utilisé plus de 42 000 scanners pour former cette intelligence artificielle à la détection de nodules pulmonaires cancéreux en imagerie radiologique. L’étude a récemment été publiée dans Nature et [4]s’intitule « Dépistage de bout en bout du cancer du poumon avec apprentissage en profondeur en trois dimensions sur la tomodensitométrie à faible dose ». Plus de 6 000 cas d’essais nationaux de dépistage du cancer du poumon ont été testés ainsi qu’une évaluation indépendante d’un ensemble de plus de 1 000 cas dans la récente étude.

Pour en savoir plus sur ce système complexe, il peut être divisé en trois composants principaux. 

La première partie concerne un modèle tridimensionnel analysant des tomodensitogrammes complets avec des nodules confirmés cancéreux pour obtenir des « données de formation ». La deuxième composante consistait à former le système à la détection d’une « région d’intérêt » suspecte. Enfin, la troisième étape consiste à développer un modèle de prédiction du cancer qui fonctionnerait indépendamment des deux premières étapes.

Le système d’intelligence artificielle a été comparé à des radiologistes qui avaient évalué des tomodensitométries thoraciques à faible dose pour des patients, dont plusieurs avaient une confirmation du cancer par biopsie au cours de l’année. Ce système d’intelligence artificielle à apprentissage en profondeur produisait moins de faux négatifs, ainsi que moins de faux positifs. Lorsque l’imagerie antérieure était disponible, la performance du modèle s’avère supérieure à celle des radiologues (six d’entre eux) avec une réduction de 11 % des faux positifs et une réduction de 5 % des faux négatifs.

Dans la plupart des comparaisons, le système d’apprentissage en profondeur fonctionnait aussi bien, voire mieux, que les résultats obtenus par les radiologues. Cette étude était une étude rétrospective portant[5]  sur des cas passés. Comme le soulignait l’un des auteurs de l’étude, Mozziyar Etemadi, MD :

 – « la prochaine étape consiste à réaliser une étude prospective pour voir si l’outil utilisé par un radiologue peut conduire à un diagnostic plus précoce et plus précis du Cancer ». 

Cependant, il faudra peut-être un certain temps avant que cela puisse être intégré dans un système hospitalier. L’algorithme utilisé est très sophistiqué et son intégration dans les systèmes informatiques des hôpitaux peut prendre un certain temps. C’est quelque chose qui peut être bénéfique pour les soins des patients lorsqu’il est incorporé à un médecin, dans la mesure où tous deux risquent de rater quelque chose ou de faire des erreurs.

L’utilisation d’algorithmes pouvant incorporer des comorbidités et des facteurs de risque en médecine n’est pas rare aujourd’hui. Cependant, l’utilisation d’un produit aussi sophistiqué nécessitera du temps et des études prospectives qui suivront les patients au fil du temps et qui devront être évalués pour confirmer les données et les inclure dans un contexte clinique. Cela nécessitera une évaluation plus poussée, mais nul ne peut nier que l’utilisation de la technologie de l’intelligence artificielle continue d’être un atout en évolution dans le contexte médical.

Renseignements sur l’auteur, le Dr Joshua Mansour, MD : 

Je suis un hématologue/oncologue certifié qui travaille dans le domaine de la greffe de cellules souches hématopoïétiques et de l’immunothérapie cellulaire à Stanford, en Californie. Récemment, il a réussi à avoir plus de 10 résumés récents et plus de 10 manuscrits récents publiés dans des revues réputées et donné d’innombrables présentations lors de conférences et autres institutions. Il a aidé à concevoir et à mettre en œuvre des études cliniques pour évaluer les plans de traitement actuels, a collaboré à des propositions de subvention et dirigé des études rétrospectives multi-institutionnelles publiées.

CONTACT : Jerry McGlothlin 919-437-0001 [email protected]


[1] https://www.uspreventiveservicestaskforce.org/Page/Name/home

[2] https://www.uspreventiveservicestaskforce.org/Page/Document/UpdateSummaryFinal/lung-cancer-screening

[3] https://www.radiologyinfo.org/en/glossary/glossary1.cfm?gid=1048

[4] https://www.nature.com/articles/s41591-019-0447-x

[5] https://www.cancer.gov/publications/dictionaries/cancer-terms/def/retrospective-study

1 COMMENTAIRE

  1. je suis désolée, un médecin robot ça ne me plait pas du tout…
    et… tout ce qui est annoncé « bon pour nous »….je dis ça je dis rien

Laisser un commentaire