Nouvelles avancées de l’IA pour une utilisation clinique

Les chercheurs de Radboudumc ont contribué à faire progresser l’intelligence artificielle (IA) dans le contexte clinique après avoir démontré comment l’IA peut diagnostiquer des problèmes similaires à ceux d’un médecin, tout en montrant comment elle parvient à ce diagnostic. L’IA joue déjà un rôle dans cet environnement, étant utilisée pour détecter rapidement les anomalies qui pourraient être étiquetées comme une maladie par les experts.

IA dans le contexte clinique

L’intelligence artificielle a été de plus en plus utilisée dans le diagnostic de l’imagerie médicale. Ce qui était traditionnellement fait par un médecin étudiant une radiographie ou une biopsie pour identifier les anomalies peut maintenant être fait avec l’IA. Grâce à l’utilisation de l’apprentissage profond, ces systèmes peuvent diagnostiquer par eux-mêmes, souvent avec une précision égale ou supérieure à celle des médecins humains.

Cependant, ces systèmes ne sont pas parfaits. L’un des problèmes est que l’IA ne démontre pas comment elle analyse les images et parvient à un diagnostic. Un autre problème est qu’ils ne font rien de plus, c’est-à-dire qu’ils s’arrêtent une fois qu’ils ont atteint un diagnostic spécifique. Cela pourrait conduire le système à manquer certaines anomalies, même si le diagnostic est correct.

Dans ce scénario, le médecin humain est meilleur pour observer le patient, la radiographie ou d’autres images dans leur ensemble.

Avancées de l’IA

Ces problèmes de l’IA dans le contexte clinique sont maintenant abordés par les chercheurs. Christina González Gonzalo est une candidate au doctorat au groupe de recherche et d’analyse d’images diagnostiques A-eye de Radboudumc.

González Gonzalo a développé une nouvelle méthode pour l’IA diagnostique en utilisant des scans oculaires qui ont trouvé des anomalies de la rétine. Les anomalies spécifiques peuvent être facilement trouvées par les médecins humains et l’IA, et elles sont souvent trouvées en groupes.

Dans le cas du système d’IA, il diagnostiquerait une ou plusieurs anomalies et s’arrêterait, démontrant l’un des inconvénients de l’utilisation d’un tel système. Pour remédier à cela, González Gonzalo a développé un processus dans lequel l’IA examine l’image à plusieurs reprises. Lorsqu’elle le fait, elle apprend à ignorer les endroits qu’elle avait déjà couverts, ce qui lui permet de découvrir de nouveaux. En outre, l’IA met en évidence les zones suspectes, rendant l’ensemble du processus diagnostique plus transparent pour les humains.

Cette nouvelle méthode diffère des systèmes d’IA traditionnels utilisés dans ces contextes, qui basent leur diagnostic sur une évaluation unique du scan oculaire. Maintenant, les chercheurs peuvent voir comment le nouveau système d’IA est parvenu à son diagnostic.

Pour ignorer les anomalies déjà détectées, le système d’IA remplit numériquement ces anomalies avec du tissu sain provenant des alentours. Le diagnostic est ensuite effectué sur la base de l’ensemble des évaluations.

L’étude a constaté que ce nouveau système améliore la sensibilité de la détection de la rétinopathie diabétique et de la dégénérescence maculaire liée à l’âge de 11,2 +/- 2,0 %.

Ce nouveau système pourrait vraiment changer la façon dont l’IA est utilisée pour diagnostiquer les maladies basées sur des anomalies, et la plus grande avancée est la nouvelle transparence qu’il peut démontrer lors de ce processus. Cette transparence est ce qui permettra encore plus de corrections et d’avancées futures, avec pour objectif final un système d’IA qui pourrait diagnostiquer des problèmes beaucoup plus précisément et plus rapidement que les meilleurs experts humains dans le domaine. Tout cela pourrait également conduire à un système plus fiable, susceptible de conduire à une adoption généralisée dans le domaine plus large.