Adieu radiologues, dermatologues, et ophtalmologistes ? Les médecins des disciplines les plus prestigieuses sont-ils menacés de disparition, remplacés par des docteurs in silico, capables plus rapidement et plus efficacement que le plus expérimenté d’entre eux, de poser un diagnostic précis, choisir le traitement le plus adapté… ?
Après des secteurs comme le marketing ou les véhicules autonomes, l’intelligence artificielle (IA) et le big data font une entrée en fanfare dans le monde de la santé, fascinant les uns autant qu’ils laissent sceptiques les autres. Témoin de cette effervescence, le nombre de publications scientifiques explose depuis 2013. Un des derniers exemples en date les plus frappants concerne les tumeurs cutanées. En entraînant un algorithme avec une banque de quelque 100 000 images, une équipe américaine l’a rendu aussi performant qu’un dermatologue expérimenté pour reconnaître des maladies de peau et en particulier distinguer tumeurs bénignes et cancers – grains de beauté et mélanomes par exemple. Ces résultats ont fait la « une » de Nature du 2 février. Les géants de l’informatique (Google, IBM, Microsoft…) ont tous annoncé des projets. Côté start-up, la plate-forme franceisai.com, qui promeut l’écosystème français à l’international, en recense 27 sur ce créneau, dont 17 créées après 2015.
De quoi toucher tous les métiers de la médecine. Un rapport remis au gouvernement, en mars, sur les potentialités de l’IA liste une vingtaine d’applications comme l’aide au diagnostic, la modélisation et la simulation, l’aide à la rédaction de comptes rendus médicaux, l’assistance à l’observance et au suivi thérapeutique…
« Les ordinateurs n’ont pas d’a priori »
« Cela peut être comparable à ce qu’ont apporté les IRM en neurologie, prévoit Alain Livartowski, oncologue et responsable adjoint des données à l’Institut Curie (Paris). Les ordinateurs ne fatiguent pas, n’ont pas d’a priori, voient des choses qui échappent à l’homme. » Ils sont aussi plus rapides. « Les IA sont en outre moins sensibles que les humains au paiement à l’acte, et n’ont pas d’ego qui peut fausser leur jugement », ajoute le docteur Laurent Alexandre, président de la société de séquençage DNAVision. Cette part d’automatisation de la médecine, couplée à des systèmes de communication à distance, pourrait aussi répondre au déficit de spécialistes dans les pays en voie de développement ou aux déserts médicaux.
Pionniers de cette nouvelle médecine, IBM et son système Watson. En 2011, cette machine battait les meilleurs candidats au jeu télévisé américain « Jeopardy ! », très populaire aux Etats-Unis. Pour ce faire, l’ordinateur avait dû non seulement emmagasiner tout un tas de connaissances encyclopédiques, mais aussi comprendre le langage naturel, afin de trouver la question à poser correspondant à la réponse donnée (c’est le principe déroutant du jeu). « Des médecins nous ont alors contactés pour voir si notre système pouvait leur être utile », raconte Pascal Sempé, directeur des solutions Watson pour la santé en Europe.
L’un des arguments étant que les médecins croulent sous les informations de leurs patients mais aussi sous la littérature scientifique, et qu’ils doivent composer avec ce flot pour comprendre et soigner.
« L’ORDINATEUR A REPÉRÉ SI UNE TUMEUR EST PRÉSENTE OU NON SUR DES IMAGES DE COUPES DE PROSTATE AVEC UN TAUX D’ERREUR DE MOINS DE 1 %. LA PERFORMANCE M’A SURPRIS » PETER WILD, PROFESSEUR AU CHU DE ZURICH
En 2015, une branche « santé » est créée pour Watson, des collaborations sont nouées et des succès obtenus. « L’ordinateur a repéré si une tumeur est présente ou non sur des images de coupes de prostate avec un taux d’erreur de moins de 1 %. La performance m’a surpris », décrit ainsi Peter Wild, professeur à l’université et au CHU de Zurich (Suisse), qui collabore avec IBM. En revanche, l’université du Texas a mis fin à sa collaboration avec IBM en 2016 après avoir dépensé près de 60 millions de dollars en cinq ans (55 millions d’euros). Un audit témoigne que « le système n’est pas prêt pour l’investigation clinique et son utilisation pour le traitement des patients est proscrite ».
Watson n’est pas une super-intelligence aux capacités universelles. Il est fait de plusieurs briques, dont chacune doit être programmée pour des besoins spécifiques. « Nous envisageons de développer maintenant le traitement direct de la voix car par elle passent des informations permettant de détecter précocement certaines pathologies neuropsychiatriques comme la dépression ou Alzheimer », prévoit Pascal Sempé.
Un précieux gain de temps
Watson n’est plus seul sur le créneau. Au moins deux systèmes d’IA, l’un développé par des Américains avec Google, l’autre par une start-up française, DreamUp Vision, s’attaquent à la détection de la rétinopathie diabétique, complication ophtalmologique d’une maladie qui touche plus de 420 millions de personnes dans le monde. Leurs logiciels sont validés et pourraient arriver sur le marché dans les prochains mois. « Sur une photo de fond d’œil, notre algorithme repère en moins de deux secondes des zones d’alerte correspondant à des micro-hémorragies, micro-anévrisme…, évocatrices d’une rétinopathie diabétique », détaille Johan Ferret, un des analystes de données du projet français. Une analyse en temps réel susceptible de faire gagner un temps précieux aux ophtalmologistes et in fine aux patients. « Selon les pays, notre outil pourra être utilisé dans des hôpitaux ; des centres de télémédecine ; des centres de “self care” tel Walgreens, aux Etats-Unis, où les personnes viennent prendre leur tension artérielle et faire des dépistages… », liste Nicolas Meric, cofondateur de DreamUp Vision.
A plus long terme, la société veut concevoir des IA pour détecter d’autres pathologies oculaires, comme les glaucomes. « Ces analyses d’images ont besoin d’être standardisées par l’élaboration d’algorithmes sur des millions d’images, mais ce n’est que la première étape du deep learning, estime le professeur José Sahel, qui dirige l’Institut de la vision, à Paris. L’enjeu est de mettre au point des systèmes plus complexes d’IA, intégrant de multiples bases de données – cliniques, génomiques, biologiques… qui nous permettront de qualifier précisément le pronostic, et démontrer les effets des traitements. Quand nous en serons là, il faudra revoir complètement notre évaluation des maladies oculaires, basée en bonne part sur la mémorisation de patterns [motifs] et sur l’expérience clinique. »
Une autre start-up française, Owkin, lancée fin 2016, espère « prédire l’efficacité d’un traitement anticancer en fonction des données du patient », explique son cofondateur, Gilles Wainrib, ancien chercheur à l’ENS en sciences des données. Owkin vient de signer avec l’Institut Curie un accord de coopération pour analyser sa base de données de 450 000 patients qui existe depuis dix-sept ans. « Nous avions les données et pas les compétences pour les exploiter. Nos voisins de l’ENS avaient les compétences, mais pas les données », résume Alain Livartowski. Le premier objectif, d’ici un an, est de proposer aux oncologues une liste de cas similaires aux patients dont ils s’occupent, afin de les aider à choisir la thérapie adaptée, notamment après des rechutes.
Changement de paradigme
La start-up bordelaise C-NAPPS développe, de son côté, un ambitieux projet d’IA d’aide aux prescriptions médicales. L’équipe a déjà conçu un outil pour prévenir les accidents liés à des interactions médicamenteuses, un sujet majeur de santé publique. « Aujourd’hui, des données sur les interactions entre molécules sont disponibles, mais sous une forme peu conviviale. On ne peut plus se satisfaire de réponses génériques. Pour évaluer les risques, il faut prendre en compte des critères plus fins comme l’âge, la posologie… », justifie Clément Goehrs, son cofondateur et PDG. L’algorithme, avec une version pour les professionnels et une pour le grand public, n’est cependant qu’une première étape.
« Les logiciels d’aide à la prescription actuels sont basiques. Nous visons des outils intégrant toutes les sources d’information sur les médicaments (recommandations des sociétés savantes, rapports, articles scientifiques…), traçables et mises à jour, poursuit M. Goehrs. Ces logiciels seront aussi utiles en santé publique. Dans toutes les grandes affaires de pharmacovigilance, comme le Mediator ou le valproate (Dépakine), les informations étaient publiques. »
Un changement de paradigme est amorcé. Jusqu’à présent la science et la logique médicale progressaient en émettant des hypothèses, les testant par l’expérience puis en tirant des conclusions. Les « données » étaient les produits du processus. Avec le big data et les nouvelles méthodes d’intelligence artificielle, la logique s’inverse. Les données deviennent premières. On les fait « parler » pour découvrir de nouvelles hypothèses et conclusions. Mais des facteurs prédictifs sont mis en évidence sans qu’on puisse les relier par un modèle aux effets. En d’autres termes, la logique du résultat échappe au médecin. Un obstacle à surmonter, parmi bien d’autres, techniques, juridiques, éthiques…
La nécessité d’évaluer ces logiciels
Ainsi, la qualité des données est essentielle. Gaël Varoquaux, chercheur à l’Institut national de recherche en informatique et en automatique (Inria), note par exemple que les personnes âgées bougent plus dans les appareils d’IRM que les plus jeunes. Cela peut induire en erreur les interprétations humaines ou informatiques. Autre défi, croiser des données de nature fort différentes. « Cela aboutira probablement à complexifier notre vision du cancer par exemple. Il y a quelques années, on classait les cancers du poumon en seulement deux types. Puis la biologie nous a montré le rôle des mutations et on en classe maintenant trente. En mettant tout ensemble, on aboutira peut-être à cent types », explique Alain Livartowski. Un pas de plus vers des traitements ciblés ?
La question de l’évaluation de ces logiciels est cruciale. « Même si nous avons eu un faible taux d’erreurs dans notre expérience avec Watson, c’est en comparant avec mes propres avis. Or d’autres spécialistes peuvent avoir un avis différent. La validation de ces systèmes prendra du temps », estime Peter Wild.
« Il ne serait pas éthique de ne pas tester ce genre d’innovation, estime Alain Livartowski. Il faut rester prudent et garder l’esprit critique. » La question de la protection des précieuses données personnelles, qui sont le carburant de ces innovations, est clairement posée. Il faudra aussi régler celle, récurrente, de la responsabilité en cas d’erreur : le médecin ou la machine ?
Face aux multiples enjeux, les institutions se plongent dans le dossier. Ainsi de la Haute Autorité de santé (HAS), dont l’une des missions est l’évaluation des technologies de santé. « Dans l’inconscient collectif, ces innovations sont déjà validées mais l’expérience, en cancérologie notamment, montre que les résultats des algorithmes décisionnels peuvent être discordants. Ce sont encore des boîtes noires », signale sa présidente, la professeure Agnès Buzyn. « Le travail de la HAS sera de développer une méthodologie pour évaluer la fiabilité des logiciels de deep learning et le service rendu au patient, qui est in fine l’enjeu principal », insiste Mme Buzyn, qui se dit surprise de constater que les autres agences européennes semblent absentes sur ces sujets.
« Qu’il s’agisse d’analyser les données de la recherche fondamentale, de définir le traitement de chaque patient ou sa surveillance à domicile, la cancérologie fait face à une complexité extrême. L’apport de l’intelligence artificielle est un atout indéniable, et l’Institut national du cancer (INCa) s’organise pour ne pas rater le coche », résume Christine Chomienne, sa directrice de la recherche et de l’innovation. L’INCa réunira dans les prochaines semaines tous les acteurs publics et privés concernés pour piloter une réflexion nationale. Une implication est prévue à travers des programmes internationaux et nationaux dans la promotion de la recherche académique, l’accompagnement des professionnels de santé et du public dans les changements de pratiques…
L’expertise humaine reste indispensable
« L’intelligence artificielle ne va évidemment pas remplacer les médecins, mais elle va considérablement modifier les métiers. Cette dimension doit donc être intégrée dès aujourd’hui dans les études de médecine, et dans la formation continue des professionnels », plaide le docteur Jacques Lucas, vice-président du Conseil national de l’ordre des médecins, délégué général au numérique. Face à ces enjeux à court terme, l’instance ordinale prépare des recommandations concernant l’usage de l’intelligence artificielle dans la profession.
A l’heure où l’âge moyen des médecins en exercice en France est de 55 ans, les nouvelles technologies doivent aussi s’inviter dans les réflexions sur la démographie médicale, selon Jacques Lucas. La profession ne craint cependant pas d’être mise au rencard. Les algorithmes vont rapidement devenir fiables pour faire des diagnostics sur des images, ce qui va changer le quotidien des radiologues, anatomopathologistes, ophtalmologistes… Mais l’expertise humaine va rester essentielle longtemps encore pour tout ce qui est décision et gestion des traitements, résument les spécialistes du dossier.
« En tant que clinicien, je ne suis pas inquiet, dit le cancérologue Fabrice Denis. Ces applications vont nous aider, mais ne nous menacent pas. Un patient ne se résume pas à des paramètres objectifs. En quelques secondes, en voyant comment un patient se relève de son fauteuil par exemple, on apprécie son état général mieux qu’un ordinateur. » Sans compter les précieuses relations humaines entre praticiens et patients, que les uns et les autres ne sont sans doute pas prêts à sacrifier totalement.
Aucun commentaire:
Enregistrer un commentaire