À quel point un algorithme doit-il être précis pour remplacer un médecin ? Dans le domaine de la radiologie, cette question n’est pas nouvelle. Depuis environ une décennie, l’intelligence artificielle (IA) améliore la précision et la rapidité dans l’interprétation des images médicales. Les avancées promettent un avenir où les IA pourraient détecter le cancer et d’autres maladies avec une exactitude surprenante, libérant ainsi les médecins pour se concentrer sur les aspects les plus gratifiants de leur travail.
Le Dr Ronald Summers, radiologue et chercheur aux National Institutes of Health, souligne que certaines de ces techniques d’IA sont si avancées qu’elles devraient être mises en œuvre immédiatement. Son laboratoire a développé des programmes d’imagerie assistée par ordinateur qui détectent des conditions telles que le cancer du côlon, l’ostéoporose et le diabète. Cependant, l’adoption de ces outils a été limitée, en partie en raison de la culture médicale conservatrice.
Les programmes d’IA ne se contentent pas d’améliorer la qualité des images, ils peuvent également les interpréter, suggérer des diagnostics potentiels et rédiger des rapports sur les constatations. Entraînés avec des millions de radiographies et autres images recueillies dans les hôpitaux, ces algorithmes transforment la radiologie. Dans l’ensemble de la médecine, la FDA a approuvé plus de 700 algorithmes d’IA pour aider les médecins, et plus de 75 % d’entre eux sont destinés à la radiologie. Malgré ces approbations, seulement 2 % des pratiques radiologiques utilisent actuellement cette technologie.
Mais pourquoi cette différence ? Une partie de la réticence provient de préoccupations concernant la transparence et l’applicabilité des algorithmes dans les environnements réels.
Les radiologues, comme le Dr Curtis Langlotz de Stanford, expriment des doutes sur l’efficacité de l’IA chez des patients divers et dans des contextes cliniques variés. Cette méfiance envers l’IA reflète une préoccupation plus large sur la fiabilité des nouvelles technologies dans la pratique médicale quotidienne.
Obstacles et réticences à l’adoption de l’IA
Malgré les avancées technologiques et les approbations réglementaires, l’adoption de l’intelligence artificielle en radiologie fait face à plusieurs obstacles. Les radiologues montrent un scepticisme considérable envers les programmes d’IA, principalement en raison du manque de preuves dans des environnements réels et de l’opacité de leur fonctionnement. Cette méfiance est amplifiée par les doutes concernant les données démographiques utilisées pour entraîner ces algorithmes. Comment les médecins peuvent-ils faire confiance à une technologie s’ils ne sont pas certains de son efficacité chez des patients aux caractéristiques diverses ?
Le Dr Curtis Langlotz, qui dirige un centre de recherche en IA à Stanford, note que sans informations claires sur les cas dans lesquels l’IA a été testée, il est naturel que les médecins questionnent son applicabilité. À ce jour, tous les programmes approuvés par la FDA nécessitent la supervision d’un humain, reflétant les précautions extrêmes que la communauté médicale maintient à l’égard de l’IA. En 2020, la FDA a organisé un atelier pour discuter de la possibilité d’algorithmes opérant sans supervision humaine. La réaction des professionnels de la radiologie a été claire : ils ont estimé qu’il était prématuré pour la FDA d’approuver de tels systèmes.
En revanche, l’Europe a pris des mesures plus audacieuses. En 2022, les régulateurs européens ont approuvé le premier logiciel entièrement automatique pour examiner et rédiger des rapports sur les radiographies thoraciques qui semblent saines et normales. Cette approbation reflète un besoin urgent dans certains hôpitaux européens, où le manque de radiologues a créé des retards de plusieurs mois dans l’examen des scanners. Cependant, aux États-Unis, l’acceptation de telles technologies semble encore éloignée, non pas par manque de préparation technologique, mais en raison de la résistance des radiologues à déléguer même des tâches routinières aux algorithmes.
Des entreprises comme Koios Medical, qui développent des outils d’IA pour les échographies de la thyroïde, soutiennent que les radiologues ont tendance à surestimer leur propre précision. Selon Chad McClennan, PDG de Koios Medical, des études ont montré que les médecins ne sont pas toujours d’accord entre eux ni avec eux-mêmes lorsqu’ils examinent les mêmes images à des moments différents. Cette variabilité dans l’interprétation souligne le potentiel de l’IA pour améliorer la cohérence et réduire les erreurs humaines.
De plus, la possibilité de réaliser des économies est significative. Les radiologues aux États-Unis gagnent en moyenne plus de 350 000 dollars par an, et l’IA pourrait alléger une partie de ce fardeau financier en assumant certaines tâches diagnostiques. Cependant, tant que les algorithmes ne seront pas extrêmement précis et fiables, les radiologues continueront de revoir chaque détermination de l’IA, éliminant ainsi de nombreux avantages prévus, comme la réduction de la charge de travail et de l’épuisement professionnel.
L’avenir de la radiologie avec l’IA : collaboration homme-machine
La radiologie pourrait être à la veille d’une transformation fondamentale impulsée par la collaboration entre humains et machines. Les experts prédisent que l’IA en radiologie fonctionnera comme les systèmes de pilote automatique dans les avions, réalisant des fonctions de navigation critiques mais toujours sous la supervision d’un pilote humain. Cette collaboration promet de rassurer à la fois les médecins et les patients, en offrant un double niveau de confiance.
Un exemple pratique de cette collaboration est l’utilisation de l’IA dans le réseau hospitalier Mount Sinai de New York, où le système d’imagerie mammaire utilise un outil d’IA pour obtenir une seconde opinion sur les échographies mammaires. La Dre Laurie Margolies mentionne que dire aux patients que la machine et elle sont d’accord sur les résultats augmente la confiance du patient. Cette dualité renforce non seulement la fiabilité des diagnostics, mais peut également accélérer le processus de détection et de traitement.
Les premières études rigoureuses comparant les radiologues assistés par IA à ceux travaillant seuls montrent des améliorations significatives. Une étude en Suède sur 80 000 femmes a révélé qu’un seul radiologue travaillant avec l’IA détectait 20 % de cancers en plus que deux radiologues sans la technologie. En outre, en Europe, les mammographies sont examinées par deux radiologues pour améliorer la précision, mais l’utilisation de l’IA comme deuxième lecteur pourrait réduire la charge de travail humain de 44 %.
Cependant, l’adoption complète de l’IA en radiologie n’est pas sans défis. Le Dr Saurabh Jha de l’Université de Pennsylvanie compare l’assistance de l’IA à un copilote qui signale tout sur la route sans prendre le contrôle du volant. Pour que les radiologues puissent vraiment se détendre, l’IA devrait être suffisamment précise et fiable pour assumer l’ensemble du processus diagnostique sans supervision humaine.
La question de la responsabilité légale est également délicate. Si un algorithme automatisé échoue à détecter un cancer, qui serait responsable ? C’est l’un des nombreux problèmes juridiques non résolus qui influenceront la mise en œuvre de l’IA en médecine.
En définitive, bien que l’IA ait le potentiel de révolutionner la radiologie, la complète automatisation semble encore lointaine. L’IA se développera probablement comme un outil complémentaire, améliorant la précision et l’efficacité tout en restant sous la supervision humaine. Cet équilibre pourrait offrir le meilleur des deux mondes : la rapidité et la précision de la technologie associées à l’expérience et au jugement critique des médecins.
