Intelligence artificielle et "big data" - une tendance également en dermatologie

Les applications de l’intelligence artificielle (IA) sont notamment très développées dans le domaine de la reconnaissance d’images médicales, ce qui constitue un domaine d’application très intéressant pour la dermatologie. Pour une mise en œuvre adéquate des innovations numériques, la réglementation par les autorités sanitaires et les recommandations dans les lignes directrices sont des outils réglementaires importants. Beaucoup de choses sont en train de changer à cet égard.

L’intelligence artificielle (IA) est de plus en plus utilisée en médecine pour soutenir l’expertise humaine, elle est très actuelle en période de COVID-19 et devrait prendre de plus en plus d’importance à l’avenir. (Fig. 1). Les technologies d’IA permettent d’entraîner les ordinateurs à traiter de grandes quantités de données et à reconnaître des modèles spécifiques dans les données. (Aperçu 1). Le potentiel de ces applications et les dangers potentiels de l’interaction entre l’intelligence humaine et l’intelligence artificielle font l’objet de nombreuses études récentes. Dans le cadre du congrès annuel virtuel de l’EADV de cette année, des experts internationaux ont résumé les connaissances actuelles dans ce domaine.

Opportunités et risques des applications numériques dans le domaine de la santé

L’ingénieur et entrepreneur Jacques Biot, ancien président de l’École polytechnique de Paris, a montré dans son exposé que les applications basées sur l’intelligence artificielle (IA) dans le domaine de la santé peuvent comporter, outre certains risques, de nombreuses opportunités et contribuer à économiser des ressources [1]. Face à l’augmentation des volumes de données, les solutions de gestion efficace des données gagnent en importance et peuvent constituer un élément important de la médecine personnalisée, conclut une publication de Matheney et al. parue cette année. [2]. Dans le contexte de la mise en œuvre des technologies numériques dans le secteur de la santé, la réglementation est un outil important. Les États-Unis ont beaucoup évolué dans ce domaine ces derniers temps. En avril 2018, la FDA (US Food and Drug Administration) a approuvé un dispositif médical qui utilise des algorithmes d’IA pour la détection précoce de la rétinopathie. Il s’agit de la première approbation par la FDA d’un dispositif qui peut être utilisé indépendamment de l’évaluation d’un médecin [3]. En outre, dans le cadre du “Digital Health Innovation Action Plan”, la FDA a élaboré un cadre réglementaire spécifique pour l’implémentation de méthodes d’IA dans les logiciels médicaux (“Software as a medical device”, SaMD) [4]. La traduction des connaissances scientifiques en applications cliniques, y compris la certification par les autorités sanitaires, est l’un des grands défis du secteur de la santé numérique. En résumé, les applications d’IA joueront un rôle de plus en plus important dans la médecine de précision, dans l’optimisation de l’utilisation des ressources et dans l’accès aux services de santé, quel que soit le lieu où se trouvent les personnes. La collaboration multidisciplinaire est essentielle pour le développement et la mise en œuvre d’applications numériques viables, y compris la réglementation par les autorités sanitaires et autres instances.

Diagnostic du cancer de la peau assisté par IA

Le Dr Josep Malvehy, du service de dermatologie de l’hôpital universitaire de Barcelone [5], a fait un exposé sur l’utilisation des applications numériques dans le diagnostic des lésions pigmentées. Les résultats d’une expérience menée par l’université MedUni de Vienne, publiés cette année dans la revue Nature, montrent que l’assistance d’un outil d’intelligence artificielle peut améliorer la précision de l’évaluation diagnostique [6]. Des images dermatoscopiques de lésions cutanées bénignes et malignes ont été présentées à 302 médecins pour évaluation, d’abord sans puis avec l’aide de l’intelligence artificielle. Il y avait trois variantes : Dans le premier cas, l’IA montrait à l’examinateur les probabilités de tous les diagnostics possibles, dans le deuxième cas, la probabilité d’une modification maligne, et dans le troisième cas, une sélection d’images similaires avec des diagnostics connus, comparable à une recherche d’images via Google. Il s’est avéré que, dans le premier cas, la collaboration avec l’IA a amélioré la précision du diagnostic des enquêteurs de plus de 10%. Ces résultats confirment ceux d’études antérieures. Dans d’une étude publiée l’année dernière par Tschandl et al., dans laquelle 511 médecins humains ont affronté 139 algorithmes de reconnaissance d’image (77 laboratoires différents dans le monde) pour évaluer des lésions pigmentées dans le cadre du défi ISIC de l’International Skin Imaging Collaboration [7]. Les machines ont appris à partir d’une base de données d’images contenant plus de 10 000 images prises au microscope optique et représentant sept classes différentes de lésions pigmentées de la peau. Dans le cadre de l’expérience, tous les participants ont été soumis au hasard sur une plateforme en ligne à 30 images provenant d’un pool de nouvelles photos non disponibles dans la base de données d’images. Si les programmes de reconnaissance d’images ont obtenu des résultats légèrement meilleurs, ils ne peuvent toutefois pas, avec leurs capacités actuelles, remplacer les humains, concluent les auteurs, car le diagnostic d’un patient implique également l’observation de l’évolution et l’interprétation dans un contexte global. Mais ces deux études montrent le potentiel des applications d’IA comme outil de soutien dans le domaine du diagnostic du cancer de la peau. L’orateur conclut en soulignant l’importance de la réglementation pour le développement et l’utilisation d’applications dans le monde réel. (encadré).

Source : EADV 2020

Littérature :

Biot J : Conséquences du deep learning pour le système de santé. Jacques Biot, Paris. Intelligence artificielle et données massives, EADV Vienne (virtuel), 29.10.2020
Matheny ME, et al : Artificial Intelligence in Health Care. Un rapport de l’Académie Nationale de Médecine. JAMA 2020 ; 323(6) : 509-510.
U.S. Food & Drug Administration : FDA permits marketing of artificial intelligence- based device to detect certain diabetes-related eye problems, www.fda.gov/news-event. Dernier appel 02.11.2020
U.S. Food & Drug Administration : Software as a Medical Device (SaMD), www.fda.gov/medical-devices/digital-health-center-excellence
Malvehy J : Diagnostic des lésions pigmentées. Dr Josep Malvehy, intelligence artificielle et big data, EADV Vienne (virtuel), 29.10.2020
Tschandl P, et al : Collaboration homme-ordinateur pour la détection du cancer de la peau. Nature Medicine 2020 ; 26 : 1229-1234.
Tschandl P, et al. : Comparaison de la précision des lecteurs humains versus algorithmes d’apprentissage machine pour la classification des lésions de la peau pigmentée : une étude diagnostique internationale ouverte basée sur le web. Lancet Oncol 2019 ; 20(7) : 938-947.
Krittanawong C, et al : Deep learning for cardiovascular medicine : a practical primer. Eur Heart J 2019 ; 40(25) : 2058-2073.
Keutzer L, Simonsson USH : Medical Device Apps : An Introduction to Regulatory Affairs for Developers. JMIR Mhealth Uhealth 2020 ; 8(6) : e17567.
Medical Device Regulation (MDR [EU]) 2017/745, https://eur-lex.europa.eu, dernière consultation 02.11.2020
Suisse numérique, www.digitalerdialog.ch/de/neue-schwerpunkte-fur-die-digitale-schweiz, dernière consultation 02.11.2020
Interpharma, www.interpharma.ch/themen/fuhrend-in-forschung-entwicklung/mit-hochwertigen-gesundheitsdaten-medizinischen-fortschritt-sichern/kuenstliche-intelligenz-ki/, dernière consultation 02.11.2020