Nous nous appuyons déjà sur l’intelligence artificielle pour des tâches banales comme la rédaction d’e-mails ou la réservation de vols. Mais le véritable changement se produit en médecine. L’IA n’est pas qu’un mot à la mode ici. Il aide activement les médecins à détecter les maladies rares et les cancers plus tôt que jamais.
La question n’est pas vraiment de savoir si l’IA sera impliquée. Il s’agit de savoir à quel point il est fiable et comment il trouve réellement ce que les humains pourraient manquer.
Le problème des yeux humains
Lorsque les médecins découvrent ce qui ne va pas chez vous, ils utilisent une combinaison de méthodes. Il existe des rapports de symptômes. Des analyses de sang. Examens physiques. Et l’imagerie. Rayons X. Echographies. Tomodensitogrammes. IRM. Ces outils permettent de savoir si des organes sont endommagés ou si une tumeur est présente.
Cela fonctionne bien. Jusqu’à ce que ce ne soit pas le cas.
Les structures de ces analyses sont complexes. Dense. En couches. Même les radiologues expérimentés peuvent manquer des tumeurs à un stade précoce. Ils pourraient également confondre un changement bénin avec un cancer. Cela se produit également avec les échantillons de tissus. L’attention humaine vacille. La fatigue s’installe.
Saisissez IA dans le diagnostic médical.
Lors des premiers tests, les systèmes d’IA ont prouvé qu’ils pouvaient identifier les changements pathologiques après une formation appropriée. Ils ne clignent pas des yeux. Ils ne se fatiguent pas. Ils traitent simplement.
Voir plus dans les mammographies
La détection du cancer du sein repose en grande partie sur les images mammographiques. Les radiologues recherchent des anomalies dans le tissu mammaire. Mais le tissu mammaire dense rend cette tâche difficile. Les petits panneaux sont faciles à ignorer.
Des chercheurs de l’Université de Lund en Suède ont construit un KI-Modell für Brustkrebs (modèle d’IA pour le cancer du sein) pour aider. Ils ne se sont pas contentés de deviner. Ils ont testé.
Ils ont passé des mammographies à 80 000 femmes à haut risque. Certains ont été analysés par l’IA. D’autres par des radiologues.
Les résultats ont été frappants. Le modèle d’IA a détecté 20 % de tumeurs du sein en plus que les médecins. Le taux d’erreur pour les faux positifs était le même. Mais la découverte précoce d’un plus grand nombre de cancers sauve des vies.
Prédire les risques des années à l’avance
Le diagnostic ne représente que la moitié de la bataille. La prévention compte aussi. Un modèle appelé Mirai aide les médecins et les patients à comprendre les risques individuels. Cela va au-delà de la simple observation des images actuelles.
Mirai prédit le risque futur de développer un cancer du sein. Il regarde :
- Facteurs de risque connus
- Âge
- Histoire familiale
- Marqueurs visuels dans les tissus
Il vous indique comment ce risque évolue au fil du temps. Voici le piège. Les chercheurs eux-mêmes ne comprennent pas vraiment comment Mirai parvient à ses conclusions.
“Nous savons comment fonctionne l’apprentissage profond et comment le modèle apprend”, explique Krzysztof Geras de l’Université de New York. “Ce que nous ne comprenons pas, c’est exactement ce que le modèle recherche dans les données. Il apprend probablement à partir de marqueurs visuels que les humains ne connaissent pas.”
Il voit des modèles que nous ne pouvons pas nommer. C’est puissant. Et légèrement déstabilisant.
Repérer l’invisible dans les maladies rares
Krebs erkennen (reconnaître le cancer) est une chose. Trouver des maladies rares en est une autre. L’estomac et le tractus intestinal sont délicats.
Une équipe de la Ludwig-Maximilians-Universität München, de l’Université technique de Berlin et de la Charité a développé une nouvelle approche de l’IA. Ils ont analysé les tissus sains et les résultats courants comme la gastrite chronique. Ensuite, ils ont recherché des écarts.
Ces écarts indiquaient des maladies gastro-intestinales rares.
Voici pourquoi c’est important. Habituellement, l’IA a besoin d’énormes quantités de données pour apprendre. Vous lui donnez des exemples. Il trouve des modèles. Il les applique.
Les maladies rares n’ont pas assez d’exemples. Il n’y a pas assez de matériel pour entraîner efficacement une IA standard. La précision chute. Le modèle échoue.
Ce nouveau modèle ne nécessitait pas de formation explicite pour chaque pathologie rare. Il a déduit les anomalies de la ligne de base commune.
“Nous avons comparé différentes approches techniques”, explique Klaus-Robert Müller de l’Université technique de Berlin. “Notre meilleur modèle a reconnu un large spectre de pathologies plus rares de l’estomac et de l’intestin, y compris des cancers primitifs ou métastatiques rares, avec une grande fiabilité. À notre connaissance, aucun autre outil d’IA publié ne peut le faire.”
Le manque de confiance
L’IA offre de la vitesse. Il offre de l’échelle. Il offre des taux de détection que les humains ne peuvent tout simplement pas égaler de manière cohérente.
Mais nous avons affaire à des boîtes noires. Des modèles comme Mirai trouvent des motifs invisibles pour nous. Nous faisons confiance au résultat car les résultats sont bons. Mais nous ne saisissons pas pleinement le « pourquoi ».
Est-ce un problème ? Peut être.
Les médecins utilisent déjà ces outils comme assistants. Deuxièmes avis. Filets de sécurité. La technologie est là. C’est exact. Elle s’étend à des domaines que nous pensions trop spécialisés pour l’automatisation.
La prochaine étape ne consiste pas seulement à améliorer les algorithmes. C’est comprendre ce qu’ils voient. Et décider si nous sommes prêts à les laisser diriger.
