Des promesses et des limites

Publié le 22/03/2019

Article réservé aux abonnés

Certaines IA améliorent déjà la prise en charge. Le robot compagnon virtuel Vik®sein de la start-up Wefight, accessible depuis Messenger, donne une réponse quasi instantannée aux patientes atteintes d’un cancer du sein.

En 2017, la start-up Calmedica a remporté l’appel d’offres de l’AP-HP pour équiper les unités de chirurgie ambulatoire de ses hôpitaux d’un outil de suivi automatisé des patients. Le chatbot (robot conversationnel) MemoQuest – selon un algorithme question-réponse adapté à chaque hôpital – dialogue par SMS avec les patients en post-opératoire et alerte les équipes médicales si nécessaire.

Pionnière en cardiologie, la société française Cardiologs-Technologies a développé un logiciel d’assistance à l’interprétation d’électrocardiogrammes (via un algorithme entraîné sur une base de 600 000 ECG) pour analyser de manière fiable et plus rapide des ECG enregistrés en continu par Holter (jusqu’à trois semaines) et y détecter sans faillir des arythmies. En juillet dernier, l’Institut cardiovasculaire Paris Sud (ICPS) s’annonçait comme premier établissement en France à intégrer l’IA de Cardiologs dans sa pratique clinique courante pour les ECG ambulatoires.

C’est en imagerie et cancérologie que l’IA est la plus courue, explorée, développée. Au royaume de l’image, ses prouesses sont les plus avancées, « surtout pour les 30-40 % de tâches les plus fréquentes et automatisables », explique Olivier Clatz, cofondateur de Therapixel, qui développe une IA destinée à améliorer le diagnostic de cancers du sein par mammographie.

L’IA voit mieux que l’humain

Capable de scanner à la file un nombre d’images (radios, mammographies, scanners IRM) ou de lames numérisées à faire pâlir les plus performants des radiologues ou anatomopathologistes, l’IA y décèle en outre des détails inférieurs au millimètre, « indétectables à l’œil nu », explique Bernard Nordlinger. Nourries de diverses données (scanners, résultats de biopsie, profils génomiques des tumeurs) dont on s’est assuré la fiabilité et l’invariabilité pour éviter des résultats biaisés, elles détectent aussi des signaux insoupçonnés susceptibles, espère-t-on, d’aider à pronostiquer des récidives et à prédire la réponse ou la résistance aux traitements, d’immunothérapie notamment. Expérimentée dans de nombreux cancers (poumon, sein HER2+, mélanome), elle est prometteuse pour des sous-populations porteuses d’anomalies et de marqueurs tumoraux spécifiques, mais tous n’y répondent pas. De nombreuses équipes sont donc engagées dans la recherche de nouveaux déterminants grâce à l’IA. À Gustave-Roussy, en lien avec Centrale Supélec, médecins et chercheurs ont conçu et entraîné un algorithme sur des images de scanner. Cette IA leur a permis de créer une signature radiomique : invisible à l’œil nu, le niveau d’infiltration lymphocytaire de la tumeur déterminerait un score prédictif d’efficacité de l’immunothérapie chez les patients. Les travaux, validés sur 500 malades, ont été publiés dans le Lancet en août dernier. Avant d’espérer une utilisation en pratique courante, il va d’abord falloir en passer par une véritable étude clinique, explique le Dr Éric Deutsch, chef du département de radiothérapie.

On touche ici une zone où l’IA ne concurrence pas l’humain. De même que les algorithmes ne savent pas s’ils jouent aux échecs ou au jeu de Go, identifient un point ou une tumeur, lorsqu’ils tirent une connaissance de leurs apprentissages statistiques ou corrélations, ils en ignorent le contexte et le sens. Les chercheurs ont besoin remettre en perspective cette découverte pour pouvoir la valider.