{"id":375795,"date":"2024-02-22T14:00:00","date_gmt":"2024-02-22T13:00:00","guid":{"rendered":"https:\/\/medizinonline.com\/comment-les-algorithmes-prennent-ils-des-decisions-complexes\/"},"modified":"2024-04-08T07:37:52","modified_gmt":"2024-04-08T05:37:52","slug":"comment-les-algorithmes-prennent-ils-des-decisions-complexes","status":"publish","type":"post","link":"https:\/\/medizinonline.com\/fr\/comment-les-algorithmes-prennent-ils-des-decisions-complexes\/","title":{"rendered":"Comment les algorithmes prennent-ils des d\u00e9cisions complexes ?"},"content":{"rendered":"\n

L’intelligence artificielle (IA) peut aider \u00e0 d\u00e9tecter les cancers de la peau dans la pratique clinique quotidienne, mais un obstacle r\u00e9side dans le fait que les d\u00e9cisions prises par les algorithmes ne sont souvent pas compr\u00e9hensibles. Des scientifiques du Centre allemand de recherche sur le cancer ont mis au point un syst\u00e8me d’assistance bas\u00e9 sur l’IA pour le diagnostic du cancer de la peau, qui fournit des explications sur les d\u00e9cisions prises par les algorithmes. L’objectif est de renforcer la confiance des m\u00e9decins dans les applications d’IA.<\/strong><\/p>\n\n\n\n

Le m\u00e9lanome est responsable de la plupart des d\u00e9c\u00e8s li\u00e9s au cancer de la peau dans le monde, mais il est difficile de le distinguer des autres tumeurs cutan\u00e9es \u00e0 un stade pr\u00e9coce. Les progr\u00e8s r\u00e9cents dans le domaine des syst\u00e8mes d’aide au diagnostic bas\u00e9s sur l’IA peuvent aider les dermatologues \u00e0 diagnostiquer plus pr\u00e9cis\u00e9ment les m\u00e9lanomes et les grains de beaut\u00e9 \u00e0 partir d’images num\u00e9ris\u00e9es de l\u00e9sions suspectes. Mais quelles sont les caract\u00e9ristiques qui d\u00e9terminent le r\u00e9sultat d’un syst\u00e8me d’IA ? “La responsabilit\u00e9 finale d’un diagnostic incombe au clinicien. C’est pourquoi les dermatologues sont l\u00e9gitimement prudents quant \u00e0 l’utilisation de syst\u00e8mes bas\u00e9s sur l’IA sans pouvoir comprendre leurs d\u00e9cisions”, a expliqu\u00e9 PD Dr. med. Titus Brinker du Centre allemand de recherche sur le cancer (DKFZ) [1]. “Notre objectif \u00e9tait donc de d\u00e9velopper un syst\u00e8me de soutien adapt\u00e9 au point de vue des dermatologues lors du diagnostic du m\u00e9lanome et d’expliquer leur prise de d\u00e9cision”, explique le Dr Brinker [1]. <\/p>\n\n

<\/p>\n\n

\u00c9tude MELVEC \u00e0 l’Universit\u00e9 de B\u00e2le <\/strong>De nouveaux syst\u00e8mes de photographie 3D du corps entier bas\u00e9s sur l’intelligence artificielle, avec une analyse logicielle assist\u00e9e par ordinateur pour \u00e9valuer le risque d’une l\u00e9sion pigment\u00e9e de la peau, ont le potentiel d’am\u00e9liorer la d\u00e9tection pr\u00e9coce du cancer noir de la peau et donc d’influencer positivement le pronostic de la maladie. L’\u00e9tude MELVEC men\u00e9e \u00e0 l’Universit\u00e9 de B\u00e2le examine l’utilisation de la derni\u00e8re photographie 3D du corps entier pour le d\u00e9pistage du m\u00e9lanome. Plus pr\u00e9cis\u00e9ment, l’\u00e9tude analyse l’efficacit\u00e9 de l’utilisation suppl\u00e9mentaire de syst\u00e8mes de photo-analyse logicielle bas\u00e9s sur l’IA et leur utilisation chez les patients \u00e0 haut risque de m\u00e9lanome (suppl\u00e9mentaire) dans le cadre du d\u00e9pistage pr\u00e9coce par rapport \u00e0 la norme actuelle, les contr\u00f4les cliniques par un dermatologue. Outre les avantages potentiels et la pr\u00e9cision de cette nouvelle technologie dans le cadre du monde r\u00e9el, l’acceptation par les patients de cette proc\u00e9dure innovante et la charge \u00e9motionnelle li\u00e9e au cancer de la peau ainsi que les besoins de soutien psychologique \u00e0 diff\u00e9rents stades de la maladie seront \u00e9galement \u00e9valu\u00e9s. L’\u00e9tude MELVEC est en cours depuis 2020 et a d\u00e9j\u00e0 inclus plus de 400 patients. <\/td><\/tr>
vers [3 .4] <\/em><\/td><\/tr><\/tbody><\/table><\/figure>\n\n

“Une intelligence artificielle explicable”<\/h3>\n\n

“Dans la lign\u00e9e de travaux ant\u00e9rieurs, nous avons d\u00e9velopp\u00e9 notre IA explicable (XAI = intelligence artificielle explicable) <\/em>d\u00e9velopp\u00e9e de mani\u00e8re \u00e0 fournir des explications de type dermatologique, bas\u00e9es sur les caract\u00e9ristiques de zones sp\u00e9cifiques et individuelles de la l\u00e9sion”. [1]. L’\u00e9quipe du Dr Brinker a men\u00e9 une \u00e9tude en trois phases pour \u00e9valuer l’impact sur la pr\u00e9cision du diagnostic, la s\u00e9curit\u00e9 du diagnostic et la confiance des dermatologues dans le syst\u00e8me explicatif. [1,2]. Les chercheurs ont \u00e9galement voulu savoir quels facteurs favorisaient la confiance des m\u00e9decins dans cette technique. Plus d’une centaine de dermatologues de 33 pays ont particip\u00e9 \u00e0 l’enqu\u00eate. Les m\u00e9decins ont diagnostiqu\u00e9 un panel test d’images num\u00e9ris\u00e9es de diff\u00e9rentes l\u00e9sions \u00e0 trois reprises, sur la base de leur seule exp\u00e9rience, avec l’aide d’un syst\u00e8me d’IA classique et avec la XAI. Comme cela a d\u00e9j\u00e0 \u00e9t\u00e9 document\u00e9 dans des \u00e9tudes ant\u00e9rieures, l’utilisation d’un syst\u00e8me d’IA a augment\u00e9 la pr\u00e9cision du diagnostic du m\u00e9lanome, mais cette pr\u00e9cision n’a pas \u00e9t\u00e9 am\u00e9lior\u00e9e par l’utilisation de XAI. La confiance des dermatologues dans leur propre d\u00e9cision s’est \u00e9galement am\u00e9lior\u00e9e avec le soutien de l’IA – et a encore augment\u00e9 de mani\u00e8re significative avec l’utilisation du syst\u00e8me XAI. Les m\u00e9decins avaient une confiance particuli\u00e8re dans leur propre diagnostic lorsque leurs crit\u00e8res de d\u00e9cision correspondaient largement aux crit\u00e8res \u00e9num\u00e9r\u00e9s par la XAI. “Les r\u00e9sultats illustrent le fait que la XAI peut am\u00e9liorer la s\u00e9curit\u00e9 des diagnostics des cliniciens et a le potentiel d’augmenter l’acceptation par les professionnels de la sant\u00e9 de l’utilisation des m\u00e9thodes d’IA”, a d\u00e9clar\u00e9 le Dr Brinker, responsable de l’\u00e9tude. <\/p>\n\n

MedUni Vienna : “Reinforcement Learning” pour un meilleur diagnostic du cancer de la peau <\/strong>Une \u00e9quipe de recherche internationale a explor\u00e9 l’apprentissage par renforcement (“Reinforcement Learning”) comme m\u00e9thode permettant d’obtenir une plus grande pr\u00e9cision dans les r\u00e9sultats de l’IA en int\u00e9grant des crit\u00e8res de d\u00e9cision humains. Les chercheurs ont int\u00e9gr\u00e9 des crit\u00e8res sous la forme de “tableaux de r\u00e9compense” dans le syst\u00e8me d’IA. Les tableaux de r\u00e9compenses sont des outils qui int\u00e8grent les cons\u00e9quences positives et n\u00e9gatives des \u00e9valuations cliniques dans le processus de prise de d\u00e9cision, tant du point de vue des m\u00e9decins que de celui des patients. Sur cette base, les r\u00e9sultats du diagnostic de l’IA n’\u00e9taient pas seulement \u00e9valu\u00e9s comme \u00e9tant corrects ou incorrects, mais \u00e9taient \u00e9galement r\u00e9compens\u00e9s ou p\u00e9nalis\u00e9s par un certain nombre de points positifs ou n\u00e9gatifs, en fonction de l’impact du diagnostic ou des d\u00e9cisions qui en d\u00e9coulaient. Cela a permis d’am\u00e9liorer consid\u00e9rablement la pr\u00e9cision : La sensibilit\u00e9 pour les m\u00e9lanomes, par exemple, est pass\u00e9e de 61,4% \u00e0 79,5% et pour les carcinomes basocellulaires de 79,4% \u00e0 87,1%. Globalement, le taux de diagnostics corrects \u00e9tablis par les dermatologues a augment\u00e9 de 12%. L’\u00e9tude a \u00e9t\u00e9 publi\u00e9e dans la revue Nature Medicine <\/em>.<\/td><\/tr>
d’apr\u00e8s [6]<\/em><\/td><\/tr><\/tbody><\/table><\/figure>\n\n

L’IA n’est plus une “bo\u00eete noire<\/h3>\n\n

Parmi les conditions propos\u00e9es par la Commission europ\u00e9enne pour les applications d’IA de confiance, la visibilit\u00e9, la transparence et la responsabilit\u00e9 jouent un r\u00f4le important. Si les algorithmes d’IA sont une “bo\u00eete noire”, cela peut avoir un impact n\u00e9gatif sur l’adoption par les utilisateurs. D’autant plus que la m\u00e9decine moderne promeut les diagnostics bas\u00e9s sur des preuves comme base pour les d\u00e9cisions th\u00e9rapeutiques. C’est pourquoi la technique de l’intelligence artificielle explicable (XAI )<\/em> a \u00e9t\u00e9 d\u00e9velopp\u00e9e afin d’accro\u00eetre la fiabilit\u00e9 des pr\u00e9dictions et des estimations g\u00e9n\u00e9r\u00e9es par l’IA en expliquant comment les conclusions bas\u00e9es sur l’IA ont \u00e9t\u00e9 obtenues. <\/p>\n\n

Litt\u00e9rature :<\/p>\n\n

    \n
  1. “L’assistance bas\u00e9e sur l’IA pour le diagnostic du cancer de la peau explique ses d\u00e9cisions”, DKFZ, 17.01.2024. <\/li>\n\n\n\n
  2. Chanda T, et al : Dermatologist-like explainable AI enhances trust and confidence in diagnosing melanoma. Nature Communications 2024,DOI: 10.1038\/s41467-023-43095-4<\/li>\n\n\n\n
  3. “Augmentation alarmante des cas de cancer de la peau : La photographie 3D du corps entier assist\u00e9e par l’IA \u00e0 la rescousse ?”, www.skincancer.ch\/newsletter-28,<\/a>(derni\u00e8re consultation 21.02.2024)<\/li>\n\n\n\n
  4. “Objectif de l’\u00e9tude”, www.hautkrebs-basel.ch,<\/a>(derni\u00e8re consultation 21.02.2024).<\/li>\n\n\n\n
  5. Smuha NA : The EU Approach to Ethics Guidelines for Trustworthy Artificial Intelligence. Computer Law Review International ; 2019 ; Vol. 20 ; iss. 4 ; 97-106. <\/li>\n\n\n\n
  6. Barata C, et al : A reinforcement learning model for AI-based decision support in skin cancer. Nat Med 2023 ; 29(8) : 1941-1946.<\/li>\n<\/ol>\n\n

    <\/p>\n\n

    <\/p>\n\n

    DERMATOLOGIE PRAXIS 2024 ; 34(1) : 29 (publi\u00e9 le 25.2.24, ahead of print)<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"

    L’intelligence artificielle (IA) peut aider \u00e0 d\u00e9tecter les cancers de la peau dans la pratique clinique quotidienne, mais un obstacle r\u00e9side dans le fait que les d\u00e9cisions prises par les…<\/p>\n","protected":false},"author":7,"featured_media":375802,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"pmpro_default_level":"","cat_1_feature_home_top":false,"cat_2_editor_pick":false,"csco_eyebrow_text":"Diagnostic du cancer de la peau bas\u00e9 sur l'IA ","footnotes":""},"category":[11362,11527,11546,11389,11482,11549],"tags":[72624,74605,20034,14160,51161],"powerkit_post_featured":[],"class_list":["post-375795","post","type-post","status-publish","format-standard","has-post-thumbnail","category-dermatologie-et-venerologie","category-etudes","category-gestion-du-cabinet-medical","category-oncologie","category-prevention-et-soins-de-sante","category-rx-fr","tag-algorithmes","tag-declarations","tag-diagnostic-du-cancer-de-la-peau","tag-intelligence-artificielle","tag-ki-fr","pmpro-has-access"],"acf":[],"publishpress_future_action":{"enabled":false,"date":"2026-04-23 13:23:39","action":"change-status","newStatus":"draft","terms":[],"taxonomy":"category","extraData":[]},"publishpress_future_workflow_manual_trigger":{"enabledWorkflows":[]},"wpml_current_locale":"fr_FR","wpml_translations":{"it_IT":{"locale":"it_IT","id":375807,"slug":"come-fanno-gli-algoritmi-a-prendere-decisioni-complesse","post_title":"Come fanno gli algoritmi a prendere decisioni complesse?","href":"https:\/\/medizinonline.com\/it\/come-fanno-gli-algoritmi-a-prendere-decisioni-complesse\/"},"pt_PT":{"locale":"pt_PT","id":375821,"slug":"como-e-que-os-algoritmos-tomam-decisoes-complexas","post_title":"Como \u00e9 que os algoritmos tomam decis\u00f5es complexas?","href":"https:\/\/medizinonline.com\/pt-pt\/como-e-que-os-algoritmos-tomam-decisoes-complexas\/"},"es_ES":{"locale":"es_ES","id":375831,"slug":"como-toman-decisiones-complejas-los-algoritmos","post_title":"\u00bfC\u00f3mo toman decisiones complejas los algoritmos?","href":"https:\/\/medizinonline.com\/es\/como-toman-decisiones-complejas-los-algoritmos\/"}},"_links":{"self":[{"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/posts\/375795","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/users\/7"}],"replies":[{"embeddable":true,"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/comments?post=375795"}],"version-history":[{"count":1,"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/posts\/375795\/revisions"}],"predecessor-version":[{"id":375805,"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/posts\/375795\/revisions\/375805"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/media\/375802"}],"wp:attachment":[{"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/media?parent=375795"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/category?post=375795"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/tags?post=375795"},{"taxonomy":"powerkit_post_featured","embeddable":true,"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/powerkit_post_featured?post=375795"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}