Une intelligence artificielle mise au point par Google a su mieux repérer les traces du cancer du sein sur les mammographies que les médecins. Et ce n’est pas la première fois que l’homme est battu par la machine pour détecter des tumeurs sur des radiographies.
Cette intelligence artificielle, alimentée avec plus de 29 000 mammographies de patientes britanniques et américaines, a appris à repérer les tumeurs cancéreuses. Entraînée pendant des mois par les chercheurs de Google, en collaboration avec des scientifiques de l’Imperial College de Londres, cet algorithme a fini par surpasser ses professeurs. Publiés dans la revue spécialisée Nature, les résultats montrent que ce logiciel a réduit de 5,7 % les faux positifs – lésions signalées comme cancéreuses alors qu’elles ne le sont pas – sur les patientes américaines et de 1,2 % chez les patientes britanniques. Cette intelligence artificielle est également parvenue à éliminer 9,4 % des faux négatifs aux Etats-Unis et 2,7 % en Grande-Bretagne. Selon les conclusions de l’étude, le logiciel était plus fiable qu’un diagnostic établi par un seul médecin et égalait les performances de diagnostics établis par deux médecins.
La machine pour seconder l’homme
Cet exemple, qui n’est pas isolé en médecine, est une bonne illustration de l’apport de la technologie dans l’aide au diagnostic, comme l’explique Dominic King, dirigeant britannique de Google Health : « Le système d’intelligence artificielle nous dit ‘Je pense qu’il y a un problème ici, vous ne voudriez pas jeter un oeil ? » Des résultats d’autant plus importants pour un exemple comme celui du cancer du sein, car l’immense majorité des cas est révélée par l’imagerie et non par la palpation. Malgré l’aide précieuse que peut apporter l’IA aux médecins dans la phase d’établissement du diagnostic, la technologie n’est pas capable de remplacer l’homme.
Une précieuse aide
au diagnostic
Le logiciel ProFound IA, mis au point par iCAD, est un autre exemple de l’apport
des algorithmes à la médecine. Il trace un contour autour des ombres qu’il juge
suspectes à l’image et fournit un score Lésion – qui représente le taux de
malignité estimé de la lésion – et un score Cas – qui prend en compte d’autres
facteurs médicaux comme la présence ou non de calcification ou la densité des
tissus par exemple. Le logiciel fournit donc ces informations, qui feront l’objet
d’observations particulières des praticiens, selon les points de vigilance
détectés.