Le secteur de la santé a rapidement intégré le machine learning, les algorithmes avancés et l’intelligence artificielle (IA) pour développer la médicine de précision au cours des dernières années. La technologie avancée scanne et analyse le Big Data pour obtenir des diagnostics pertinents et détecter différentes pathologies.
L’analyse d’image par IA améliore les capacités de prédiction de l’état de santé du patient via l’analytique du Big Data. Elle convertit les images acquises en données avant d’analyser les informations pour détecter les anomalies. Ces résultats permettent aux radiologistes d’identifier les signes précurseurs d’une maladie et de développer un plan de traitement personnalisé.
L’adoption rapide des systèmes d’imagerie basés sur l’IA (soit, en pratique, les rayons X, les IRM et la tomodensitométrie) ainsi que les investissements croissants dans les technologies médicales avancées ont démocratisé leur utilisation. Les investissements ont débuté en 2016 lorsque l’IA s’est révélée particulièrement prometteuse et n’ont depuis cessé de jouer un rôle majeur dans la médecine. Ainsi, les rapports de marché prédisent que l’analyse d’image par IA devrait générer un TCAC de 30,4 % d’ici 2026 (Mordor Intelligence, 2021).
Dans cet article, nous reviendrons sur le développement de l’analyse d’image par IA pour la détection et la prévention des pathologies, et nous mettrons en évidence le rôle des radiologistes au cours de cette évolution avant de nous pencher sur l’avenir de l’IA.
Exploiter l’analyse d’image par IA pour un diagnostic plus précoce
Au fil des années, l’IA s’est progressivement imposée sur le marché de la santé en raison de sa précision accrue et de ses taux de rappel moindres. Ces aspects augmentent les niveaux de productivité et la justesse du diagnostic pour différentes pathologies. Les avancées en imagerie diagnostique permettent aux radiologues de détecter les signes précurseurs de cancer, de tumeurs et d’autres maladies.
Une intervention en temps réel peut améliorer le taux de survie et aider les médecins à établir un plan de traitement personnalisé en fonction des données acquises. Le Journal of the American College of Radiology met l’accent sur l’avenir de l’analyse d’image par IA dans le secteur de la santé, en listant ses diverses applications et en analysant la demande du marché. Un récent rapport du Journal of the American College of Radiology, rédigé par le Dr Alan Alexander, estime qu’actuellement, l’utilisation de systèmes d’imagerie basés sur l’IA est de 90 % pour la tomodensitométrie, de 60 % pour les IRM, et de 56 % pour les rayons X.
Le corps médical a hâte d’utiliser les systèmes d’imagerie au lieu de procéder à des biopsies. Cette approche non invasive du diagnostic et de la détection permet d’éviter les complications indésirables auxquelles les médecins sont confrontés lors d’une biopsie. Les résultats sont relativement plus exacts et précis qu’avec les méthodes de diagnostic traditionnelles. Par exemple, la tomodensitométrie permet d’identifier les mutations génétiques et les lésions à un stade précoce avec l’assistance d’une technologie avancée.
De plus, elle réussit à mesurer de petites anomalies radiographiques auparavant impossibles à détecter. L’IA exploite le machine learning et des algorithmes en amont pour détecter des profils d’atténuation des tissus et des anomalies. Grâce à leur haute sensitivité, ces systèmes sont capables de repérer des altérations insoupçonnées, impossibles à détecter pour les radiologues lors de la première consultation ou de lectures superficielles.
Les radiologues et l’IA : l’IA substituera-t-elle les médecins ?
Il est naturel de se demander si le développement constant des systèmes médicaux basés sur l’IA pourrait, à long terme, substituer les radiologues. Même si l’adoption de l’IA semble aller inévitablement dans ce sens, les professionnels de santé savent que leur présence est tout aussi importante.
Pour commencer, l’analyse d’image par IA n’en est qu’à sa phase de développement. Par ailleurs, il convient de se rappeler que la prise de décision requiert une aptitude et des connaissances médicales dépassant largement la lecture des résultats des algorithmes.
Par conséquent, même si l’analyse d’image par IA est plus efficace que les techniques de diagnostic traditionnelles pour des tâches quantitatives, elle ne peut pas atteindre le niveau de précision de la prise de décision humaine. Pour l’instant, il va de soi que l’intégration du machine learning est une solution de diagnostic complémentaire pour certaines pathologies.
Elle peut aider les radiologues ouverts à l’innovation à augmenter leur productivité en réduisant les délais cliniques et en améliorant les expériences des patients.
Un article récent publié dans The Lancet observe également que les radiologues peuvent optimiser l’état de santé du patient en prenant en compte les imperfections de l’IA. Par exemple, un diagnostic précoce pourrait être difficile à prouver si les résultats indiquent des anomalies non reconnues par la communauté scientifique à grande échelle. De la même manière, un « surdiagnostic dû à des changements mineurs » peut générer de faux positifs. Les radiologues doivent donc se fier à leur expertise pour comparer les symptômes et établir le bon diagnostic. En résumé, l’analyse d’image par IA requiert toujours une intervention humaine pour des résultats optimaux.
L’avenir de l’analyse d’image par IA
La confiance portée à l’imagerie médicale a largement augmenté au cours des dernières décennies. Plus les réseaux de machine learning s’améliorent, plus la détection et l’interprétation des images médicales se perfectionnent. À cet effet, de grandes entreprises et d’importants programmes de recherche investissent dans les capteurs d’image basés sur l’IA.
Par exemple, Google Health veut « réduire la planification du traitement et améliorer l’efficacité de la radiothérapie » en collaborant avec Mayo Clinic pour configurer un algorithme qui distingue les tissus et organes sains des tumeurs. Le géant technologique a également investi dans des solutions d’imagerie centrées sur l’IA pour détecter des maladies oculaires, ainsi que le cancer du sein et des poumons.
En outre, le succès de l’analyse d’image par IA a stimulé le développement de l’imagerie médicale 3D en réalité augmentée. Actuellement, les chercheurs testent des prototypes pour permettre aux médecins d’utiliser des casques RA afin de visualiser les organes et tissus affectés. Parallèlement, l’imagerie 3D peut également être utilisée pour observer des obstructions, des tissus cicatrisés et des tumeurs sous différents angles. Les chirurgiens peuvent utiliser ces informations pour se concentrer uniquement sur les sites cibles durant l’opération.
Enrichir les diagnostics avancés avec l’imagerie médicale permet de collecter des informations décisives sur plusieurs pathologies, blessures (y compris des fractures et blessures musculosquelettiques) et conditions. Les prestataires de soins peuvent ainsi générer des données inédites, impossibles à obtenir sans une aide visuelle. La sensibilité et les taux de précision élevés de ces systèmes permettent d’établir des plans de traitement efficaces.
Finalement, l’intérêt accru porté à l’analyse d’image par IA rendra la technologie de diagnostic plus accessible et pratique.