TLMFMC - Formation Médicale Continue - Développement Professionnel Continu
> Retour à la présentation du Dossier 111
  • Les algorithmes plus forts pour le diagnostic radiologique

  • Un algorithme d’intelligence artificielle obtient seul un taux de réussite de 90% pour déterminer, à partir d’une radiographie, si le patient est atteint de tuberculose. Une réussite possible grâce au réseau de neurones artificiels de la machine. Elle a appris seule, en comparant plus de 1 000 radiographies de patients classées en deux parties : ceux atteints d’une tuberculose pulmonaire et ceux qui n’ont pas cette pathologie. A partir de ces seules données, l’algorithme déduit lui-même les caractéristiques qui conduisent au diagnostic. Dès qu’on lui présente une nouvelle image, il la compare aux milliers d’images déjà étudiées, observe les ressemblances et formule un diagnostic. La méthode est la même que le radiologue, mais le panel de comparaison est beaucoup plus large. L’analyse de la machine, vérifiée au cours d’une étude coréenne parue dans la revue Radiology, est fiable 9 fois sur 10. Ce ratio est aussi valable pour la détection du caractère bénin ou malin d’un nodule pulmonaire. Même si ce résultat est très encourageant, il n’est pas suffisant pour que l’intelligence artificielle remplace les médecins. Mais une large majorité d’entre eux estiment que cette intelligence artificielle améliorerait la pertinence de leurs décisions cliniques et augmenterait leur productivité. Selon une enquête menée par le Société française de radiologie, 70% des radiologues utilisent les nouvelles technologies… Un pourcentage qui augmentera dans les prochaines années. Des logiciels permettront bientôt à l’ordinateur de diagnostiquer, avec une fiabilité de 100%, une tuberculose ou sclérodermie à partir d’une radiologie. L’objectif final des développeurs est que l’intelligence artificielle interprète de façon autonome radiographies, scanners et IRM. Ainsi, le diagnostic serait partiellement automatisé et les radiologues, forts de ces milliers de données, auront une appréciation plus large des pathologies et facteurs de risques. C’est ce à quoi travaille Siemens Healthineers, qui a déjà développé trente outils à destination des radiologues. L’entreprise élabore des technologies pour aider les radiologues à détecter les pathologies tumorales, notamment pour le cancer du poumon pour lequel le médecin prend la responsabilité d’engager une biopsie. Avec ces nouveaux outils, les professionnels de santé gagnent du temps car ils ne réunissent plus manuellement les différentes informations nécessaires au diagnostic. Tout est automatisé. Pour Vincent Champain, directeur général de GE Digital, quatre technologies sont incontournables dans le domaine de la radiologie : les data sciences, le cloud computing, les applications et la machine learning. Des outils qui permettront d’améliorer la qualité des soins et expertises. Dans les hôpitaux, l’intégration de ces nouvelles technologies augmenterait la performance et la rapidité des diagnostics pour une meilleure prise en charge. Les algorithmes imaginés pour ces établissements de santé traitent jusqu’à 260 millions d’images par jour. Indéniablement plus rapide que l’œil humain puisque ce chiffre représente l’ensemble des IRM, scanners et autres images analysées par les radiologues américains chaque jour. De plus, la numérisation des données médicales dans les hôpitaux et cabinets de santé opérée depuis plusieurs années permet petit à petit de regrouper ces informations dans un framework doté d’une intelligence artificielle. Celui-ci pourrait alors créer d’autres algorithmes en fonction des nouvelles données qu’il reçoit afin de les classer.  Toutes ces avancées sont bénéfiques pour l’exercice des radiologues ainsi que pour la qualité des soins des patients. 

> Retour à la présentation du Dossier 111
  • Ce dossier est composé de 9 Articles