Interviews Diffusé le

IA en imagerie médicale : vers l’uniformité diagnostique ?

Pour améliorer la prise en charge des patients lors de l’épidémie de Covid-19, une équipe du laboratoire Creatis (CNRS/Inserm/UCBL-1/Insa Lyon/UJM) a travaillé sur l’analyse automatique de radios pulmonaires. Fort de cette expérience, Olivier Bernard imagine les futurs usages de l’IA en imagerie médicale.

Réalisation : Barbara Vignaux

Production : Universcience

Année de production : 2020

Accessibilité : sous-titres français

IA en imagerie médicale : vers l’uniformité diagnostique ?

"Au-delà du fantasme de la machine toute-puissante, l’intelligence artificielle désigne tout simplement une famille d’algorithmes. En médecine, et en particulier en imagerie, ce sont surtout les algorithmes dits « d’apprentissage profond » qui sont utilisés : des programmes capables d’apprendre par eux-mêmes à partir de bases de données. Ces méthodes ont fait leurs preuves en reconnaissance vocale et en reconnaissance faciale." - Si je prends l'exemple de la reconnaissance faciale, je vais mettre un rectangle autour d'un visage, et je vais le faire pour des milliers, millions d'images, et je vais permettre du coup à l'algorithme d'apprendre sur cette base de données référencées et à refaire ce qu'il a vu, ce qu'il a pu apprendre. On peut prendre l'exemple d'une mammographie, où on va vouloir détecter, de façon automatique la présence ou pas d'une tumeur, et si oui, à quel endroit. Les algorithmes peuvent s'appliquer en IRM, en imagerie CT, donc rayons X, en imagerie échographique, elle s'applique à n'importe quel type d'organes. Ça peut être le cœur, le foie, le cerveau, le poumon, aucune limite à ce niveau-là. "Sur cette échographie cardiaque, par exemple, se trouvent en pointillés les délimitations réalisées par un médecin de manière manuelle ou semi-automatique : en vert, le ventricule gauche, entouré du muscle myocardique entre les pointillés verts et rouges, et enfin en bleu, l’oreillette gauche. En traits pleins, les contours réalisés par un algorithme d’apprentissage profond. - Donc l'idée ici, cela va être, à la fois de segmenter à partir d'images scanner CT, donc avec des rayons X, de segmenter les poumons. pour pouvoir être capable de calculer un volume pulmonaire, et à l'intérieur de ces poumons, d'aller détecter des zones avec des lésions dues à la Covid, et donc d'être capable de mesurer un rapport entre les zones infectées et la capacité pulmonaire. Il y a des études pour faire de la prédiction. Vous ne vous sentez pas bien, vous allez à l’hôpital, on vous passe un scanner CT, Donc vous avez une première image, on applique un algorithme d'apprentissage profond qui va prédire si vous avez des risques de développer des problèmes sévères dus à la Covid ou pas. La limite, c'est l'accès aux bases de données, et éventuellement, je rajouterais le mot "bien référencées, c'est-à-dire avec des annotations d'experts. Généralement, c'est des études qui se limitent, à l'heure actuelle, à une centaine de cas, voire à un millier de cas, mais ça se limite à ça. Donc si on veut que ces méthodes soient vraiment très performantes, il va falloir collecter des masses de données au-delà des centaines, voire des milliers, et ce qui permettra d'améliorer encore plus les résultats et d'être encore plus fiable. Dans d'autres pays, comme la Chine, les images n'appartiennent pas aux gens mais appartiennent aux hôpitaux. Donc, cela laisse beaucoup plus de liberté pour accéder à des données et mettre en place des politiques de déploiement d'algorithmes d'IA pour telle ou telle pathologie. Et si en plus on arrive à avoir une certaine labellisation entre les pays d'Europe par exemple, On peut imaginer, à terme, que si on passe un examen en Allemagne ou en France, on aura à peu près le même diagnostic, parce que derrière, les machines produiront des résultats qui seront très similaires, qui permettront aux médecins d'établir un diagnostic qui sera équivalent.

Réalisation : Barbara Vignaux

Production : Universcience

Année de production : 2020

Accessibilité : sous-titres français