L’intelligence artificielle (IA) a franchi un nouveau cap dans le domaine de la médecine. Une étude publiée mercredi 1er janvier dans le magazine Nature vient de dévoiler une IA superchampionne dans la détection des cancers du sein. Ce travail de recherche a été financé par Google.
À voir aussi sur Konbini
Pour réussir cette prouesse, l’IA a appris à interpréter des images issues des rayons X de la poitrine, les mammographies.
Le cancer du sein est le plus fréquent chez la femme. Il s’agit de la deuxième cause de mortalité en France, derrière les maladies cardiovasculaires. En 2018, près de 60 000 nouveaux cas ont été détectés, même si le taux de mortalité diminue du fait d’un meilleur dépistage et de meilleurs soins. Selon la Fondation pour la recherche médicale, aujourd’hui, 87 % des femmes sont encore en vie cinq ans après leur diagnostic. Les mammographies sont à ce jour le moyen de détection le plus répandu.
Malheureusement, dans l’état actuel, ce moyen n’est pas entièrement fiable parce que soumis à l’interprétation. Dans le cas d’un “faux positif”, la poitrine semble atteinte d’une tumeur alors qu’il n’y en a pas. Dans le cas contraire d’un “faux négatif”, la poitrine a l’air en bonne santé alors qu’une tumeur est présente : à cause de cela, jusqu’à 20 % des cancers peuvent être omis, selon l’American Cancer Society, information relayée par cet article du New York Times publié également le 1er janvier.
Dans un article de The Verge, Shravya Shetty, chercheuse pour Google et co-autrice de l’étude, a en effet indiqué que “les mammographies sont très efficaces, mais il y a toujours un problème significatif avec le taux de résultats erronés.” Heureusement, pour pallier ces problèmes de détection, on peut compter sur l’intelligence artificielle.
28 000 cas étudiés
Dans un premier temps, les chercheurs ont fourni à l’ordinateur les mammographies de 76 000 Anglaises et 15 000 Américaines dont le diagnostic était déjà connu, pour l’entraîner à reconnaître les signes de cancer.
Après cet entraînement, l’IA a relevé le véritable challenge en analysant, sans connaître le résultat, les mammographies de 25 000 femmes Britanniques, et de 3 000 femmes Américaines. Les radiologues qui suivaient ces femmes avaient accès aux antécédents des patientes, contrairement à l’ordinateur. Pourtant, lorsque l’équipe de chercheur a comparé les résultats humains VS robot, il s’est avéré que ce dernier était le plus précis.
Le résultat a été probant : l’IA a permis de réduire les résultats négatifs erronés de 9,4 %, et les résultats positifs erronés de 5,7 % pour les femmes américaines. Au Royaume-Uni, où le système de vérification diffère du modèle américain, les résultats positifs erronés ont été réduits de 1,2 % et les faux résultats négatifs de 1,2 %. Christopher Kelly, scientifique pour Google et également co-auteur de l’étude, a annoncé à Wired que “le système est maintenant plus performant qu’un radiologiste anglais ou américain.”
Radiologues et IA, des forces complémentaires
Pour autant, le système n’est pas parfait : s’il a efficacement identifié les cancers dans la majorité des cas, les médecins se sont aperçus qu’il lui arrivait d’en omettre. Les chercheurs s’avouent tout de même enthousiastes d’une telle performance. “Nous sommes très excités et encouragés par ces résultats“, confie Daniel Tse, un autre co-auteur de l’étude. Il a affirmé à The Verge que son équipe travaille actuellement sur la généralisation de ce système pour toutes les populations. “Il y a évidemment une nuance quand on l’utilise dans des conditions cliniques“, a-t-il ajouté.
L’utilisation de l’IA dans le domaine de la radiologie a beaucoup progressé ces dernières années. En juillet 2018, par exemple, une IA chinoise avait battu un groupe de radiologues dans un “concours” de détection de tumeurs au cerveau.
Chargement du twitt...
Malgré ces prouesses à répétition, les chercheurs le martèlent : la technologie est là pour guider et aider l’homme, et non pour le remplacer. Écoutons Shravya Shetty, de chez Google : “ils s’apportent chacun leur force, de façon complémentaire. […] Il y a de nombreux cas dans lesquels les radiologues identifient quelque chose que le système a raté, et vice versa. Les deux combinés peuvent vraiment renforcer la détection, et les résultats en général.”
Point noir de la méthode : pour entraîner une intelligence artificielle à reconnaître quelque chose, il faut lui fournir un volume de données médicales très conséquent. Il y a quelques semaines seulement, la presse américaine révélait le projet Nightingale. On apprenait que Google avait, très discrètement, collecté et analysé les données médicales de millions d’Américains dans 21 États différents à travers le pays.
