« La quasi-totalité des champs de l’intelligence artificielle dispose d’applications dans le domaine de la santé. » La conclusion du rapport Stratégie France IA remis en mars 2017 au gouvernement est éloquente. La médecine semble être entrée dans l’ère des données et l’intelligence artificielle (IA) se placera à l’avenir comme un outil précieux, notamment pour l’aide au diagnostic.

Watson, le programme développé par IBM, en est l’exemple le plus emblématique. Fondé sur le deep learning, ou « apprentissage profond », branche la plus connue de l’intelligence artificielle, il fonctionne par couches, à l’image d’un réseau de neurones connectés entre eux et répartis en différentes strates pour chaque calcul. La réponse n’est pas « recrachée » après un apprentissage associant dès le départ symptômes et pathologie. Elle est véritablement calculée à partir d’analyses statistiques et consiste en probabilités, celles que la réponse soit exacte. Watson apprend par lui-même, à partir d’un corpus pharaonique de connaissances, et crée de manière autonome ses propres connexions au fur et à mesure. Mais ce type d’intelligence artificielle présente un gros inconvénient : elle fonctionne comme une « boîte noire » et personne ne peut en expliquer le résultat… qui ira en outre enrichir le corpus de départ.
 

Une boucle d’apprentissage autonome

« En s’aidant des connaissances médicales qu’elle possède, la machine en acquiert de nouvelles, tout comme le fait un être humain : plus il en sait, plus il apprend », illustre Amedeo Napoli, directeur de recherche au Laboratoire lorrain de recherche en informatique et ses applications1. Son équipe « fouille les données médicales pour les donner à un système intelligent et créer une boucle d’apprentissage autonome ».

Les prouesses de l'intelligence artificielle pour trier les images (et donc déterminer quels clichés présentent des anomalies pathologiques) font dire à certains que le métier de radiologue va disparaître... Or, selon les chercheurs, l'humain a une force de contextualisation très large, qui échappe à la machine et le rend indispensable.

Les prouesses de l'intelligence artificielle pour trier les images (et donc déterminer quels clichés présentent des anomalies pathologiques) font dire à certains que le métier de radiologue va disparaître... Or, selon les chercheurs, l'humain a une force de contextualisation très large, qui échappe à la machine et le rend indispensable.

Cyril FRESILLON/CNRS Photothèque

Cyril FRESILLON/CNRS Photothèque

Partager

Partager

« Nous avons également développé un système d’aide à la prise de décision pour les oncologues, qui fonctionne par analogie avec un cas standard de patient atteint de cancer », ajoute le chercheur. Les trajectoires des patients seront également mieux suivies, car si « un oncologue peut appréhender une dizaine de parcours de patients, la machine, elle, intègre des années de prise en charge », s’enthousiasme-t-il. Ce système d’aide à la décision a été pensé par des spécialistes du cancer et des praticiens cliniques, comme c’est presque toujours le cas pour des systèmes travaillant sur un domaine particulier.

Affiner le diagnostic et prédire l’évolution

En imagerie médicale, la révolution IA pourrait s’avérer colossale. Il s’agit cette fois d’entraîner la machine à repérer des caractéristiques particulières, des propriétés régulières, comme la forme et le volume des différentes aires cérébrales. Le but est d’observer ces régularités, puis de suivre leur évolution au cours du temps et selon les patients. Pour cela, le système trie et classe un grand nombre d’images cérébrales. Chacune d’elles est associée, ou non, à un état pathologique, ce qui permet notamment de classer automatiquement des patients dans des catégories diagnostiques. En fonction de leur évolution, la base de données, longitudinale, s’enrichira : quelles zones sont altérées ? Quels patients développent une maladie d’Alzheimer ? En combien de temps ? Autant de données qui seront croisées ensuite dans l’espoir de « prédire l’évolution de maladies neurodégénératives, comme Alzheimer, à des stades très précoces, dix ou vingt ans avant l’apparition des premiers symptômes », commente Olivier Colliot, directeur de l’équipe Aramis à l’Institut du cerveau et de la moelle épinière (ICM)2.

D’autant plus que ces systèmes restent cantonnés à des tâches ultra-spécialisées. Par exemple, si la machine est réglée pour détecter des lésions cérébrales de la maladie d’Alzheimer, elle pourra ne pas repérer une tumeur, pourtant évidente pour un radiologue. « L’être humain a toujours cette force de connaissances contextuelles très larges que n’a pas la machine », insiste le chercheur.

Reste que dans certains cas, les performances de la machine dépassent celles du praticien. En janvier 2017, un système d’intelligence artificielle fourni par Google, baptisé Show and Tell et basé sur la classification d’images, a réussi à détecter 90 % des taches bénignes sur la peau, contre 76 % pour les dermatologues interrogés (sur 130 000 images analysées). Et « à Stanford, une équipe a montré que l’intelligence artificielle faisait mieux en matière de dépistage de la rétinopathie diabétique que des ophtalmologistes », relève José-Alain Sahel, professeur d’ophtalmologie et directeur de l’Institut de la vision à Paris3. « L’intelligence artificielle en médecine commence à se rapprocher des performances observées avec le jeu de go », avance-t-il.

Simuler n’est pas jouer

Les jeunes médecins ne sont pas en reste. Un serious game, simulateur qui « enseigne de manière ludique comment mener une consultation avec un patient », a ainsi été développé par Pierre Zweigenbaum et son équipe du Laboratoire d’informatique pour la mécanique et les sciences de l’ingénieur (Limsi) du CNRS, à Orsay. Le médecin se présente devant un avatar qui expose ses symptômes, ses antécédents médicaux et ses habitudes de vie : un ersatz de consultation, où l’étudiant doit interagir avec l’IA en tapant ses réponses.
 

En bref, cela revient à associer par exemple une douleur localisée à droite du bas-ventre à une possible crise d’appendicite, et ainsi de suite pour tous les types de symptômes et de pathologies. La deuxième étape consiste à présenter de nouveaux cas à la machine, « mais sans lui fournir la solution ! » Le chemin d’entrée et de sortie des informations n’est ainsi donné qu’une fois.

Grâce à l'apprentissage supervisé, les chercheurs du Limsi ont mis au point un "serious game" pour aider les jeunes médecins à se former à la consultation. Ceux-ci se retrouvent face à un avatar qui expose ses symptômes.

De manière plus terre à terre, l’intelligence artificielle devrait grandement aider le fonctionnement administratif hospitalier. « Dès qu’il y a du langage, des textes, on peut faire de l’intelligence artificielle, estime Pierre Zweigenbaum. La langue, c’est le véhicule de la connaissance. » Ainsi, au-delà de la simple technologie, l’intelligence interroge notre rapport au langage et à la connaissance. Et permet parfois de mieux cerner la relation médecin-patient. En mettant au point son simulateur, Pierre Zweigenbaum a été frappé par « l’étendue du vocabulaire utilisé en médecine, la précision avec laquelle on peut décrire une douleur ou un problème respiratoire ». Comment rationaliser cet apprentissage par une IA, alors qu’il s’appuie parfois sur le ressenti subjectif des patients ? Publications scientifiques, médecins, patients…, tous adoptent des niveaux de lecture différents que doit intégrer la machine. Une complexité expérimentée par Pierre Zweigenbaum lorsque l’Agence du médicament lui a demandé d’analyser les forums médicaux sur Internet pour faire de la pharmacovigilance. « La langue des patients sur Internet est très différente du vocabulaire médical. Les médicaments ont même parfois des surnoms », sourit-il.

Vers un changement de paradigme médical ?

Ces systèmes intelligents ouvrent aussi de nouvelles pistes de recherche. « Nous allons voir apparaître des corrélations inattendues, par exemple qu’une molécule développée dans un autre domaine pourrait avoir des effets bénéfiques sur la dégénérescence maculaire liée à l’âge », illustre José-Alain Sahel. Ces systèmes pourront plus rapidement mettre en corrélation gène, diagnostic, symptôme et environnement, en brassant une quantité astronomique de données scientifiques désordonnées, et faire tendre la recherche médicale vers un changement de paradigme. Alors que la méthodologie classique de recherche part d’une hypothèse à explorer, désormais elle se contentera peut-être d’analyser les données et de voir ce qui en ressort. Ces sciences dites « omiques », comme la génomique ou la protéomique, prédisent une médecine de plus en plus personnalisée, appuyée par l’intelligence artificielle. Reste à savoir si ces avancées technologiques seront accessibles à tous et pertinentes. 

Certains domaines de la médecine ont pour l’instant relativement peu d’échantillons pour développer ces systèmes. « En imagerie cérébrale, nous n’avons souvent qu’un millier de patients atteints d’une maladie donnée sur lesquels nous baser », souligne Olivier Colliot. Pierre Zweigenbaum, quant à lui, plaide pour une ouverture plus large des données de santé aux chercheurs, « mais de façon contrôlée, bien sûr ».

Humain ou machine : à qui la faute ?

La question de la responsabilité se pose évidemment de manière cruciale. Qui de l’homme ou de la machine commet l’erreur médicale ? « Pour la voiture sans chauffeur, on peut envisager qu’il n’y ait plus aucune intervention humaine alors qu’en médecine, c’est toujours le clinicien qui prendra la décision », considère Olivier Colliot. Radiologues, ophtalmologistes, oncologues…, tous engagent leur responsabilité, car ils peuvent remettre en cause les informations délivrées par la machine. Et c’est toujours au praticien qu’incombera le choix final de prise en charge et de délivrance des médicaments. En ce sens, l’intelligence artificielle se place comme un simple outil d’aide à la décision, comme peuvent l’être le microscope ou le stéthoscope. Si l’outil faillit, le praticien restera certainement le seul responsable.

Cet article a été initialement publié dans le numéro 3 de la revue Carnets de science.

À lire aussi :
- Peut-on faire confiance à l'intelligence artificielle ?
- Des machines enfin intelligentes ?