Intelligence artificielle en diagnostic médical : révolution en marche ou simple outil d'assistance ?

L'intelligence artificielle bouleverse le monde de la santé. Capable d'analyser des millions d'images médicales en quelques secondes, de détecter des anomalies invisibles à l'œil nu et de prédire l'évolution de maladies, l'IA suscite autant d'espoir que d'interrogations. Entre performances spectaculaires et limites techniques, où en est vraiment cette technologie qui promet de transformer le diagnostic médical ?

L'IA médicale : de quoi parle-t-on ?

Une discipline en pleine explosion

Depuis le COVID-19, l'IA accélère les innovations, transforme le secteur de la santé, notamment en matière de diagnostic médical. Parmi les entreprises notables du secteur de la santé on compte Gleamer, qui propose un assistant IA dédié à l'imagerie médicale, Primaa, qui étudie automatiquement les lames en laboratoire, ou encore Owkin, l'expert en biotechnologie à la découverte de nouveaux traitements.

L'intelligence artificielle (IA) en santé n'est pas une tendance nouvelle. La recherche dans la détection et le diagnostic a démarré au début des années 2000. Mais ces dernières années, le développement de l'IA générative, comme ChatGPT, et l'explosion des données médicales disponibles ont bouleversé la donne. Aujourd'hui, les outils sont plus puissants et plus rapides. Ils sont capables d'analyser en quelques secondes des milliards de clichés d'IRM ou de résultats de prise de sang.

Des systèmes experts aux algorithmes d'apprentissage profond

Dans les années 1980, cette approche, dite symbolique, a permis le développement d'outils capables de reproduire les mécanismes cognitifs d'un expert. C'est pourquoi on les a baptisés « systèmes experts ». Les plus célèbres, Mycin (identification d'infections bactériennes) ou Sphinx (détection d'ictères), s'appuient sur l'ensemble des connaissances médicales dans un domaine donné et une formalisation des raisonnements des spécialistes.

Aujourd'hui, les systèmes reposent principalement sur le Deep Learning (apprentissage profond), une technique qui permet aux algorithmes d'apprendre par eux-mêmes à partir de millions de données, sans qu'on leur explique précisément ce qu'ils doivent chercher.

Les domaines d'application : où l'IA excelle-t-elle ?

Radiologie et imagerie médicale : le terrain de jeu favori

En radiologie, les algorithmes d'IA décortiquent les images médicales avec une précision accrue.

Performances impressionnantes :

L'IA peut lire des mammographies avec un taux de réponses exactes de 99% : la densité tissulaire du sein exprimée en BI-RADS est mesurée automatiquement, elle est plus reproductible et plus fiable que les mesures des cliniciens.

Une équipe coréenne a montré, dans une étude, que l'assistance d'un algorithme d'intelligence artificielle avec une grande précision de diagnostic pouvait améliorer les performances du radiologue dans la détection des cancers du poumon sur les radiographies pulmonaires.

Dépistage du cancer du sein : une révolution en cours

La sensibilité moyenne au cancer a légèrement augmenté lors de l'utilisation de la prise en charge de l'IA. L'IA a également contribué à réduire le taux de faux négatifs, ou des résultats qui semblent normaux même si un cancer est présent.

L'amélioration des performances diagnostiques des radiologues dans la détection du cancer du sein a été obtenue sans prolonger leur flux de travail. Dans les cas avec une faible probabilité de malignité, le temps de lecture a diminué lors de la deuxième session de lecture.

94% des systèmes d'IA sont moins performants que les radiologues experts. Le radiologue associé à l'IA est supérieur à l'IA seule ou le radiologue seul, que ce soit au niveau de la sensibilité ou de la spécificité.

Prédiction des risques et médecine personnalisée

Un modèle intelligent peut analyser des données génétiques, des habitudes de vie ou des antécédents médicaux. Il identifie les individus à risque avant même l'apparition des symptômes. Cette approche permet une intervention précoce avec des mesures de prévention personnalisées, réduisant ainsi la prévalence de maladies graves.

Des chercheurs ont développé des modèles capables de prédire le risque de cancer du sein sur 5 ans à partir des mammographies, permettant potentiellement d'adapter la fréquence du dépistage selon le profil de risque individuel.

Détection des urgences vitales

L'intelligence artificielle permet aussi de faciliter la détection des urgences. C'est le cas par exemple des hémorragies intracrâniennes : un logiciel a été développé pour détecter automatiquement les anomalies sur les scanners et éviter ainsi les retards liés à un flux d'examens trop élevé ou à un manque de disponibilité du radiologue.

Autres domaines prometteurs

Anatomopathologie : Analyse automatisée de lames histologiques pour détecter des cellules cancéreuses

Dermatologie : Détection de mélanomes à partir de photos de peau

Ophtalmologie : Dépistage de la rétinopathie diabétique

Cardiologie : Analyse d'électrocardiogrammes pour détecter les troubles du rythme

Échographie obstétricale : SUOG intègre une ontologie qui fournit un modèle centré sur les signes du domaine, avec les relations entre les signes des différents types de grossesses pathologiques, les structures anatomiques et les éléments techniques. Dès le premier examen, des opérateurs non experts recueillent des séries d'images de haute qualité, proches de ce que feraient des opérateurs experts

Les performances spectaculaires de l'IA

Quand l'IA surpasse les médecins

Microsoft vient de dévoiler un système d'intelligence artificielle qui surpasse les performances humaines dans des cas de diagnostic médicaux complexes. Selon une étude comparative conduite sur des milliers de scénarios cliniques, cette IA serait jusqu'à quatre fois plus précise que les médecins généralistes dans certaines situations rares ou difficiles à identifier.

La stratégie combinée : le meilleur des deux mondes

La stratégie proposée par Leibig et al. combine un triage initial des clichés classés normaux par l'IA avec un haut degré de certitude, un rôle central du radiologue pour les cas incertains ou pathologiques et un « filet de sécurité » permettant à l'IA de « rattraper » des cancers non vus

Résultats probants :

La performance évaluée de l'IA autonome (sensibilité 84,6% et spécificité 91,3%) était inférieure à celle d'un radiologue non aidé (sensibilité 85,7% et spécificité 93,4%), elle-même inférieure à la stratégie combinée IA + radiologue (sensibilité 89,7%, spécificité 93,8%). La stratégie combinée permettait également de trier automatiquement 63% des examens,

Réduction de la charge de travail

Dans un contexte de pénurie de radiologues et d'explosion du nombre d'examens, l'IA permet de :

• Trier automatiquement les examens normaux

• Prioriser les cas urgents

• Réduire le temps de lecture des cas simples

• Permettre aux médecins de se concentrer sur les cas complexes

Les limites et risques de l'IA médicale

L'IA n'est pas infaillible

Nous devons apprivoiser les systèmes d'intelligence artificielle pour comprendre lorsqu'ils produisent un résultat juste, incertain ou totalement faux. Dans la détection des cancers à l'aide de radios l'IA peut par exemple générer des faux positifs. Or, il faut être expérimenté pour repérer les erreurs du système. C'est ce qui peut être difficile pour les jeunes médecins

Si le soignant suit systématiquement les recommandations de la machine, le risque c'est de demander des interventions et des biopsies supplémentaires qui ont un coût pour la société, à défaut de donner des soins pour les patients qui en ont réellement besoin

Le problème des données d'entraînement

Les algorithmes ne sont performants que sur les types de cas sur lesquels ils ont été entraînés. Si une population est sous-représentée dans les données d'apprentissage (enfants, personnes âgées, certaines ethnies, femmes), l'IA sera moins performante sur ces profils.

Avec la hausse de l'utilisation de ces outils, les données disponibles vont croître. En particulier, celles concernant des profils de patients sous-représentés dans les études cliniques (les enfants, les personnes âgées, les femmes). En clair, plus on aura de données sur ces profils, mieux ils seront représentés et plus les diagnostics seront précis.

ChatGPT et IA générative : pas encore au niveau

Concernant l'utilisation de ChatGPT ou d'autres agents conversationnels pour des tâches médicales complexes telles la réalisation d'un diagnostic ou la proposition d'un protocole de soins, à ce jour, les résultats ne sont pas satisfaisants. En cause, la représentation statistique des sujets médicaux en question : plus on augmente la spécificité de la question posée ou de la tâche demandée dans un domaine pointu, plus les erreurs du système seront nombreuses.

La boîte noire algorithmique

Beaucoup d'algorithmes d'IA fonctionnent comme des "boîtes noires" : ils donnent des résultats sans qu'on puisse comprendre exactement comment ils sont arrivés à cette conclusion. Cette opacité pose des problèmes de confiance et de responsabilité médicale.

L'IA ne remplacera pas les médecins

Un consensus clair

L'intelligence artificielle ne remplacera jamais le diagnostic humain. Son objectif n'a jamais été de se substituer aux professionnels de santé, mais de travailler de concert avec eux. Aux urgences, l'IA est testée à titre expérimental pour imputer un degré de gravité sur les patients qui se présentent, ce qui fait gagner du temps aux infirmiers dans le tri des cas. Mais ce système aura du mal à capter les nuances que seul un œil humain peut percevoir.

Une idée fait consensus : celle que les outils d'intelligence artificielle aident les médecins dans leurs pratiques et dans leurs diagnostics sans pour autant les remplacer. Classement de données, gain de temps, automatisation… Les avantages sont nombreux mais pas au point d'écarter l'expertise de l'être humain.

Ce que l'IA ne peut pas faire

Face à l'essor de l'intelligence artificielle, certains soignants restent prudents. Ils redoutent une perte d'autonomie ou une déshumanisation de la relation. Pour autant, l'IA n'est qu'un outil d'aide au diagnostic. Le médecin garde la main, peut confirmer ou contester les résultats. Et l'IA peut se tromper .

Ces technologies ne remplacent pas l'intelligence humaine : elles la complètent. Elles ne sont ni créatives, ni conscientes. Elles analysent, comparent, prédisent. C'est une production algorithmique, pas une pensée médicale.

L'expertise humaine reste irremplaçable pour :

• Comprendre le contexte global du patient

• Intégrer les dimensions psychologiques et sociales

• Adapter le diagnostic aux particularités individuelles

• Communiquer avec empathie

• Gérer l'incertitude et les cas atypiques

• Prendre des décisions éthiques complexes

  
  

Les enjeux éthiques et juridiques

Responsabilité en cas d'erreur

Si une décision prise grâce à une intelligence artificielle se révèle inexacte, qui est responsable au regard de la loi : l'outil ou le médecin ?

Par ailleurs, les systèmes intelligents soulèvent plusieurs questions d'ordre éthique. D'une part, si une décision est prise avec l'aide d'un système décisionnel automatique, le professionnel doit en informer son patient, expliquer pourquoi il suit les recommandations et comment il est arrivé à cette conclusion avec ce système. Ensuite, le soignant doit avoir le droit de refuser de suivre les recommandations de l'IA s'il pense qu'elle s'est trompée.

Protection des données personnelles

L'utilisation de l'IA nécessite d'énormes quantités de données de santé. Leur collecte, leur stockage et leur utilisation doivent respecter des règles strictes de confidentialité et de sécurité.

Équité et accès aux soins

L'un des avantages de l'IA est de pouvoir lisser les inégalités d'accès aux soins en diffusant massivement une expertise de pointe dans tous les territoires .

Cependant, l'adoption dans certains pays souffre d'infrastructures insuffisantes et d'un manque de formation dédiée. Les initiatives locales doivent s'appuyer sur des modèles adaptés aux données régionales et à la réalité des établissements.

L'avenir de l'IA en médecine

Les jumeaux numériques

On parle déjà de « jumeaux numériques », c'est-à-dire des modélisations 3D d'organes ou du corps référençant l'ensemble du dossier médical d'un patient pour que le médecin consulte à distance, prépare une opération, suive l'évolution de lésions. Ces "jumeaux numériques" permettront à terme de simuler l'évolution de notre état de santé et de renforcer la prévention

BiomedGPT : vers une IA généraliste

Des scientifiques d'une université américaine ont développé un nouveau modèle d'intelligence artificielle. Conçu pour prendre en charge un large éventail de tâches médicales et scientifiques, BiomedGPT pourrait aider les médecins en interprétant des images médicales complexes ou contribuer à la découverte de médicaments en prédisant le comportement des molécules

Formation des futurs médecins

À l'heure actuelle, les programmes universitaires ne forment pas les futurs médecins aux usages du numérique et de l'intelligence artificielle. Un autre manque à combler à l'avenir, pour utiliser les IA en toute sécurité.

De la même façon que les biostatisticiens et les bio-informaticiens ont intégré les laboratoires de recherche médicale il y a quelques décennies, une discipline et un métier nouveaux doivent être créés, qui permettent de dépasser les collaborations interdisciplinaires actuelles et d'intégrer réellement la science des données et des connaissances dans les activités de recherche et de soin.

Perspectives prometteuses

D'ici 2026-2030, l'IA pourrait :

• Réduire significativement les délais de diagnostic

• Améliorer la détection précoce de nombreuses pathologies

• Personnaliser davantage les traitements

• Optimiser les parcours de soins

• Réduire les coûts de santé

  
  

D'ici 2026, l'intégration progressive et régulée de l'IA pourrait réduire les délais de diagnostic et améliorer les parcours patients. La vigilance réglementaire et la formation restent les leviers indispensables pour sécuriser ce progrès

L'IA en pratique : ce qui change pour les patients

Plus de précision, moins d'attente

Ces structures utilisent différentes solutions d'IA. La possibilité via l'IA d'aider au diagnostic, ou de réaliser un suivi à distance de l'état du patient permet au personnel médical : De gagner du temps dans les prises de décisions. D'optimiser le parcours de soins. De réduire les coûts engagés

Transparence nécessaire

Les patients ont le droit de savoir quand l'IA intervient dans leur diagnostic. Une communication claire et pédagogique est essentielle pour maintenir la confiance.

Les patients sont-ils prêts à accepter d'être soignés, au moins en partie, par des applications d'intelligence artificielle ?

Le médecin reste le décisionnaire final

Quels que soient les résultats de l'IA, c'est toujours un médecin qui pose le diagnostic final et engage sa responsabilité. L'IA est un assistant, pas un remplaçant.

L'intelligence artificielle en diagnostic médical n'est ni la panacée miraculeuse annoncée par certains, ni la menace effrayante redoutée par d'autres. C'est un outil puissant, en constante évolution, qui peut considérablement améliorer la précision et la rapidité des diagnostics lorsqu'il est utilisé correctement.

L'intelligence artificielle est un outil d'aide à la décision médicale. Elle devient indispensable car il y a de plus en plus d'informations à synthétiser, et elle permet de le faire efficacement. En imagerie notamment, l'IA permet de quantifier et de localiser automatiquement des modifications et de détecter des changements subtils non visibles à l'œil nu

Les résultats les plus probants sont obtenus lorsque l'IA et le médecin travaillent ensemble, combinant la puissance de calcul et la capacité d'analyse des algorithmes avec l'expérience clinique, l'empathie et le jugement humain du praticien.

L'IA est un outil, pas un remplaçant, et son intégration exige

prudence et pédagogie

L'avenir de la médecine ne sera pas "IA contre médecins" mais "IA avec médecins" – une collaboration qui promet d'améliorer significativement la qualité des soins tout en préservant l'humanité indispensable à la relation thérapeutique.

Pour l'instant nous ne sommes pas prêts à déléguer les décisions à ces systèmes, d'autant plus quand la vie d'un patient en dépend. En parallèle, il y a un besoin urgent de construire une loi, des normes ainsi que des règles éthiques pour encadrer l'utilisation de systèmes prédictifs, afin de minimiser les risques de manipulation et de dépendance