L’IA ne remplacera pas les Medecins, mais les aidera a faire mieux

Au sein du Groupe Vidi, l’IA est une priorité. Une commission lui est d’ailleurs dédiée, présidée par le Docteur Lavayssière, Directeur Général de Vidi et radiologue chez IPNS à Sarcelles. Parce que demain la radiologie sans IA ne sera pas mais aussi parce que les enjeux sont de taille, notre réseau a engagé une réflexion afin de ne pas avancer en ordre dispersé.

Les questions qui se posent pour le radiologue et les personnes concernées par le fonctionnement d’un service d’Imagerie :

A quoi cela sert-il ?
A faire ce que je sais faire :
L’exemple type est celui de la détection des fractures par un « super CAD ».

Telle société annonce une sensibilité de 98 % et une spécificité de 80 % après adaptation du logiciel, sorte de calibration, aux systèmes de production des images, propres à chaque centre. Telle autre préfère parler de VPN, valeur prédictive négative, de 97 %, ce qui suppose une fiabilité concernant l’absence de fracture.

Cela supprime-t-il pour le radiologue la nécessité de vérifier les constatations, positives ou négatives, du logiciel : réponse non, au moins pour des raisons de responsabilité. Cela signifie- t-il que l’on peut se passer du radiologue, idée perpétuelle ?

Le mode de fonctionnement est-il intégré dans le flux de travail sans perte de temps, voire au RIS avec génération automatique d’un pré-compte-rendu ?

Autrement dit, l’utilisation du logiciel fait-il gagner du temps ou en fait-il perdre ? Peuton consacrer du temps à d’autres tâches, notamment communiquer, au sens le plus large, avec le patient ?

Il y a au moins 4 acteurs proposant ce type de logiciel… Lequel choisir et comme effectuer une sélection : tester les 4 sur un seul site ou sur plusieurs sites, dans un temps raisonnable ???

A faire ce que je ne sais pas faire : bouteille à l’encre… Intérêt médical, mais pas d’impact économique positif dans le système actuel de fonctionnement du système de santé français.

Il y a très peu d’études comparant réellement un logiciel entraîné à une tâche et un humain. L’IA « de base », Deep Learning et réseaux neuronaux ou pas, est encore très loin d’atteindre l’intelligence « forte » ni même l’intelligence humaine.

La notion même d’apprentissage est à prendre avec beaucoup de prudence.

Une méta-analyse récente a soulevé la question fondamentale : une étude comparative a-t-elle démontré une efficacité réelle ?

Ainsi, une méta-analyse (cf. Lancet Digital Health, octobre 2019, « Human versus machine in medicine: can scientific literature answer the question ? »*) de 20 000 articles a montré que seulement une vingtaine étaient scientifiquement recevables et encore…

La première question pratique est l’impact des algorithmes de routine clinique, ceux qui font un travail basique : au-delà du buzz, l’urgence est d’attendre…

Le modèle « un algorithme, une startup » est mort-né, pour plusieurs raisons.

La compétition est féroce entre startup mais aussi avec les Gafam qui peuvent faire en 1 semaine le travail d’un an réalisé par une autre équipe. Cela soulève tout de même quelques problèmes :

• L’accès aux données ;
• La reproductibilité de ces dernières. Est-ce que les logiciels testés sur des patients de morphotypes différents (Chine, USA, EU, JPN) sont applicables partout ?
• La réglementation – aucun de ces GAFAM n’a d’algorithme validé par la FDA à ce jour (à ma connaissance) même si les critères sont assez rudimentaires comme certains niveaux de marquage CE.

*https://www.thelancet.com/journals/landig/article/PIIS2589-7500(19)30124-4/fulltext

Ainsi, nous avons sur le marché plusieurs algorithmes de détection de fracture, en mammographie ou pour le nodule pulmonaire. De ces algorithmes généralistes, ne survivront que quelques-uns, les meilleurs, rachetés et intégrés dans les systèmes utilisés, « PACS » ou autre, sans oublier les algorithmes non liés à l’imagerie proprement dite, mais intervenant dans le fonctionnement. Les autres disparaitront, ainsi que les startups qui les ont créées.

Dans 3/4 ans les consoles d’interprétations intégreront naturellement quelques algorithmes généralistes (fractures, mammo, nodules) de façon transparente et le paiement ne sera même pas une option. Simplement, l’IA aura amélioré le flux de travail.

En effet, à ce jour, créer un algorithme n’est plus la contrainte dominante et la création d’algorithme n’est plus réservé uniquement aux industriels, mais bien accessible à des équipes multi-disciplinaires structurées. La technologie est là, accessible, en « open source », nous avons les données, directement ou via DRIM IA, et nous avons aussi l’expertise médicale.

Les questions sont maintenant :

• Quel (s) algorithmes ?
• Pour quoi faire ?
• Données : qualité, reproductibilité.
• Labellisation (données de qualité)…

Enfin, l’intégration, point clef, sera gérée et probablement mieux prise en charge par les compagnies fournissant des stations de travail de même que le marquage réglementaire où les plateformes peuvent jouer un rôle. 

La deuxième question est celle des algorithmes experts.
L’imagerie ne se résume pas à quelques tâches identifiées et automatisables. C’est là où des groupes peuvent se démarquer en développant des algorithmes pour des tâches précises, des pathologies rares ou dans un domaine d’expertise en apportant sécurité et rapidité dans l’exécution de tâches difficiles actuellement.

Il y a de nombreux exemples : planification thérapeutique d’un anévrisme intracrânien avant embolisation par un centre expert, contourage pré-radiothérapie sur lésion infiltrante rectale, recherche de récidive pédiatrique de cholestéatome en post-thérapeutique, etc.

Ces algorithmes ne peuvent pas être développés a priori par un industriel et toutes les startup du monde ne peuvent anticiper tous ces problèmes.

Cela doit venir du terrain médical et se construire au sein des centres de soins. Demain existeront des algorithmes experts et des bases de données ultra-qualifiées de grande valeur.

Les centres de référence, avec des équipes multidisciplinaires dans des associations mixtes, médecins et informaticiens dans une même structure ou dans une société filiale, auront donc un double intérêt à développer leurs propres algorithmes : augmenter la performance médicale et obtenir un gain financier en valorisant leurs données. De ce fait, des outils IA réellement adaptés aux médecins seront à disposition.

L’IA sera structurante à l’avenir pour notre métier. En fait, la radiologie sans IA ne sera pas. Exclure les radiologues de l’IA en la laissant aux seuls ingénieurs est un non-sens pour notre profession. Cela revient à accepter de faire de la médecine sans médecin. C’est pourquoi une plateforme de langage commun entre « data-scientists » et médecins prend tout son sens : elle permet la maîtrise de compétences en simultané des enjeux « dicom » et « data-sciences » autrement dit la communication entre 2 expertises.

C’est ce qu’a vécu le marketing avec le digital il y a 10 ans. Aujourd’hui, personne n’imagine faire du marketing sans la maîtrise du digital et le responsable marketing se doit de maîtriser des outils digitaux hier réservés aux informaticiens.

Enfin, une révolution mentale doit être faite : pas plus que l’on peut administrer un pays sans fonctionnaire, on ne peut faire de la Médecine sans médecin. L’IA ne remplacera pas les médecins, mais les aidera à faire mieux. Seule une révolution culturelle permettra d’éviter un 3° hiver de l’IA qui surviendra par l’absence de financement de l’innovation.

Si ces conditions sont réunies, la médecine de demain, à 5 ans, sera une réalité avec les 4 P : personnalisée, prédictive, précise et participative.

Article paru dans la revue “Union Nationale des Internes et Jeunes Radiologues” / UNIR N°40