L’IA dans l’imagerie médicale, une révolution dans le diagnostic médical et les soins aux patients
Ces dernières années, avec les progrès techniques rapides, l’utilisation de l’intelligence artificielle (IA) dans plusieurs aspects de la vie quotidienne est discutée et depuis que ChatGPT a été mis à la disposition du public, l’IA est dans l’esprit de tout le monde.
L’imagerie médicale est l’un des nombreux domaines dans lesquels l’IA pourrait être déployée. En général, l’imagerie médicale fournit aux cliniciens des visualisations détaillées des structures internes du corps et aide au diagnostic et au traitement de diverses conditions médicales. Toutefois, le volume et la complexité croissants des données d’imagerie médicale posent des problèmes d’analyse et d’interprétation précises et efficaces de ces vastes informations.
L’intelligence artificielle offre donc de nombreuses opportunités pour l’imagerie médicale. Dans cet article, Alcimed, société de conseil pour l’industrie pharmaceutique, explore les différentes applications de l’IA en imagerie médicale, ainsi que les nombreux défis et limitations qui pourraient empêcher ces technologies d’être largement utilisées.
Qu’est-ce que l’intelligence artificielle en imagerie médicale ?
L’intelligence artificielle englobe diverses techniques, telles que l’apprentissage automatique et l’apprentissage profond, qui permettent aux ordinateurs d’apprendre à partir de données et de faire des prédictions ou des classifications intelligentes. L’IA s’est imposée comme un outil puissant pour soutenir et même améliorer l’analyse des images médicales, car les algorithmes d’IA peuvent extraire des informations significatives des images pour faciliter différentes tâches telles que la segmentation des images, l’identification des anomalies et la classification des maladies.
Comment l’IA est-elle utilisée en imagerie médicale ?
L’IA pour le dépistage du cancer du sein
L’utilisation de l’intelligence artificielle pour le dépistage du cancer du sein a été proposée pour améliorer l’analyse des images et la détection de tumeurs (par exemple, réduire le taux de faux positifs et augmenter le taux de détection).
Dans une étude de validation indépendante rétrospective d’un outil d’intelligence artificielle de DeepHealth agréé par la FDA, la lecture des mammographies numériques par l’IA est comparée à la lecture humaine dans un contexte réel de dépistage du cancer du sein au sein de la population. Dans cette étude, la lecture par l’intelligence artificielle a montré une spécificité inférieure à celle des radiologues et des taux d’identification de cancer inférieurs. Cependant, l’IA a identifié des cancers d’intervalle (cancer du sein qui se développe dans les 12 mois suivant une mammographie jugée « normale ») qui n’avaient pas été détectés par les radiologues. Dans une approche de double lecture, la discordance est résolue par un arbitrage ou une lecture supplémentaire. Dans cette étude, la double lecture de l’IA et l’arbitrage des radiologues humains ont augmenté, mais le nombre total de lectures par les radiologues a diminué d’environ 41 %.
Un autre exemple d’usage de l’IA dans le dépistage du cancer du sein est actuellement testé en Hongrie. Kheiron medical technologies travaille en collaboration avec des cliniciens de MaMMa Klinika en Hongrie pour tester sa plateforme d’IA Mammography Intelligent Assessment pour l’identification des cancers du sein. Dans le cadre de ce test, une mammographie est lue par deux radiologues indépendants, puis par l’outil d’IA de Kheiron, qui approuve ou signale les zones de l’image qui doivent être vérifiées à nouveau. Depuis 2021, 22 cas ont été documentés dans lesquels l’IA a détecté une tumeur cancéreuse du sein qui avait été négligée par des radiologues humains (et 40 cas sont actuellement en cours d’examen).
L’IA pour la détection de l’embolie pulmonaire
L’embolie pulmonaire est une maladie potentiellement mortelle qui, dans de nombreux cas, nécessite une action immédiate. Les outils d’intelligence artificielle pourraient aider à détecter l’embolie pulmonaire lors des tomographies assistées par ordinateur (CT) et alerter les radiologues en signalant les examens du patient qui nécessitent une lecture sur la liste des examens effectués. Le temps pour diagnostiquer une embolie pulmonaire et le temps de mise en œuvre d’un traitement ultérieur s’en trouveraient raccourcis.
Dans le cadre d’une étude portant sur des tomodensitogrammes thoraciques de patients oncologiques, l’outil d’IA d’Aidoc Medical, approuvé par la FDA, a été testé afin d’évaluer l’efficacité diagnostique du logiciel d’IA pour la détection des embolies pulmonaires fortuites dans la pratique clinique. Le logiciel d’IA a fait preuve d’une grande précision diagnostique, a réduit le taux d’embolie pulmonaire fortuite manquée d’environ 45 % à 2,6 % lorsque les radiologues humains étaient assistés par l’outil d’IA et le temps de notification de l’embolie pulmonaire fortuite a été réduit à 1,5 heure contre 129 heures (diminution de 99 %) pour le flux de travail habituel ou 83 heures (diminution de 98 %) pour le triage par un radiologue humain.
La société Viz.ai a mené une étude de validation d’algorithme à grande échelle en aveugle pour son application logicielle Viz Pulmonary Embolism Clot Detection algorithm (Viz PE), approuvée par la FDA et développée en collaboration avec la société Avicenna, pour l’identification de l’embolie pulmonaire et l’alerte des cliniciens à ce sujet. L’algorithme d’IA a analysé des angiogrammes pulmonaires par tomodensitométrie et son analyse a été comparée à celle de trois radiologues humains certifiés par le conseil d’administration. L’algorithme d’IA a démontré une sensibilité de 91 % et une spécificité de 95 % et pourrait être utilisé pour aider les radiologues humains à classer les patients par ordre de priorité et servir d’outil de lecture secondaire. Viz.ai affirme que l’intégration de cet outil d’intelligence artificielle pourrait accélérer le travail de dépistage et éventuellement réduire le temps d’exécution des rapports.
L’intelligence artificielle pour les accidents vasculaires cérébraux et les hémorragies intracrâniennes
Plusieurs outils d’IA ont été développés ces dernières années pour la détection et le traitement des accidents vasculaires cérébraux et des hémorragies intracrâniennes.
Les unités d’AVC de différents hôpitaux dans le monde travaillent déjà avec des outils basés sur l’IA pour détecter plus rapidement les AVC et réduire le délai avant que le patient ne reçoive un traitement, ce qui est crucial en cas d’AVC. Ainsi, les hôpitaux du système de santé américain à but non lucratif Banner Health, par exemple, ont déjà mis en œuvre une technologie d’IA pour identifier les accidents vasculaires cérébraux immédiatement après la réalisation d’une tomodensitométrie.
RapidAI a mis au point plusieurs outils d’IA, par exemple pour la reconnaissance des accidents vasculaires cérébraux et l’alerte ultérieure des cliniciens, ainsi que pour la détection des hémorragies intracrâniennes (saignements entre le tissu cérébral et la boîte crânienne). Dans une étude portant sur 308 tomodensitogrammes sans contraste, l’outil RapidAI ICH (hémorragie intracrânienne) a permis de détecter 151 cas d’HIC sur 158 et de qualifier de négatifs 143 cas d’HIC sur 150, soit une sensibilité de 96 % et une spécificité de 95 %.
Découvrez comment Alcimed peut vous accompagner dans vos projets d’IA en Santé >
Défis et limites de l’imagerie médicale améliorée par l’IA
Tous les exemples décrits ici démontrent le vaste potentiel de l’intelligence artificielle dans le domaine, comme l’amélioration de la lecture ou de l’organisation des images, ce qui permet d’accélérer le temps nécessaire pour qu’un patient reçoive la thérapie nécessaire, voire salvatrice. Le potentiel de l’IA pour soutenir et améliorer le dépistage ou les options de traitement va au-delà des exemples radiologiques décrits ici et l’intelligence artificielle pourrait également être appliquée à l’analyse des lames histopathologiques, à la lecture des échocardiogrammes ou à la détection précoce des maladies oculaires grâce à l’analyse des images rétiniennes, etc.
Cependant, l’usage de l’IA dans l’imagerie médicale présente également certaines limites. Les modèles d’IA nécessitent un entraînement adéquat pour éviter les biais d’analyse, d’où la nécessité de disposer d’ensembles de données importants, diversifiés et étiquetés avec précision. Les algorithmes d’IA doivent faire l’objet d’une validation clinique et de tests avec des données réelles pour garantir leur sécurité et leur fiabilité. En outre, l’utilisation de l’IA dans l’imagerie médicale, et plus généralement dans les soins de santé, soulève des questions éthiques concernant la sécurité et la confidentialité des données des patients. En outre, l’acceptation par les professionnels de la santé et les patients de l’usage de l’IA dans l’imagerie médicale est nécessaire pour poursuivre le développement de l’utilisation de l’intelligence artificielle dans le domaine. L’IA au service de l’imagerie médicale est de plus en plus acceptée par les radiologues, qui intègrent l’IA à leurs propres lectures et analyses. Toutefois, les professionnels de la santé et les patients sont encore plus sceptiques quant à la fiabilité de l’IA dans le domaine.
En conclusion, l’IA dans l’imagerie médicale a un grand potentiel. L’intelligence artificielle est déjà testée et déployée pour améliorer le diagnostic et le traitement, et son utilisation est appelée à se développer. Néanmoins, les limites techniques et les défis éthiques doivent être pris en compte pour le développement et l’usage d’outils basés sur l’IA dans les soins de santé.
Alcimed suivra de près les développements rapides dans ce domaine et est prêt à vous soutenir dans vos projets d’IA en santé ! N’hésitez pas à contacter l’équipe d’Alcimed !
Partager cet article : |
