Imagerie: le Big Data est nécessaire pour faire progresser l’IA

Imagerie: le Big Data est nécessaire pour faire progresser l’IA
Chaque jour, des milliers d’images médicales sont produites autour du globe. Rassemblées en bases de données, elles permettent à l’intelligence artificielle de devenir un outil clé en radiologie.

L’intelligence artificielle est un outil de plus en plus présent en imagerie médicale, mais elle nécessite de collecter des données de qualité et en nombre suffisant. Trois questions à Guy Frija, professeur émérite et ancien chef de département à l’Hôpital européen Georges Pompidou, ancien président des sociétés européenne et française de radiologie.

Quelle place occupent les images médicales dans le Big Data de la santé?

Pr Guy Frija On estime qu’il y a 3,6 milliards d’examens d’imagerie par année dans le monde. Prenons l’exemple du cancer. Le dépistage, le diagnostic, le bilan et le suivi après traitement dépendent de l’imagerie. Pour les maladies du cœur, l’imagerie est centrale même si d’autres tests se rajoutent, comme l’électrocardiogramme. Dans le cas des maladies du cerveau, la recherche en imagerie vise à montrer des anomalies cérébrales qui seraient prédictives d’un Alzheimer par exemple. Pour l’accident vasculaire cérébral, le traitement est conditionné par l’imagerie.

L’imagerie fait actuellement partie de la médecine courante, et pas uniquement de la médecine de recherche.

Quelles sont les limites du partage de ces données?

Les limites ne sont pas techniques, mais de l’ordre de la préoccupation pour la vie privée. Dans le domaine médical, il y a une réglementation assez stricte qui stipule que les données appartiennent au patient. Pour utiliser ces données, même de façon anonymisée, on a besoin de son accord. Il faut s’organiser dans toutes les unités de radiologie, non seulement à l’hôpital mais aussi dans les services privés, pour recueillir cette autorisation du patient de façon systématique. Pourquoi? Parce que l’intelligence artificielle a besoin de bases de données très importantes. Il faut des images de qualité et qui soient reliées à un diagnostic, car certaines proviennent d’examens inutiles. Aux Etats-Unis, on estime qu’au moins 30% des examens ne sont pas nécessaires. Il y a donc besoin d’un tri pour créer de bonnes bases de données.

Comment l’intelligence artificielle va faire évoluer l’imagerie médicale?

Du côté technique, il y a déjà des avancées très intéressantes qui permettent de diminuer la dose d’irradiation. Des algorithmes permettent de reconstruire les images plus rapidement, ce qui est fondamental pour le confort du patient. Il y a aussi des techniques qui aident le radiologue dans l’organisation de son travail, par exemple en mettant en avant de façon automatique les examens à traiter en priorité. C’est également très important pour la gestion des urgences. De plus, des systèmes d’intelligence artificielle permettent de détecter des lésions, ce qui facilite le travail du radiologue.

Cela permet au médecin de gagner du temps qu’il peut investir dans le contact et la discussion avec le patient.

Mais le problème lorsqu’on conçoit un algorithme, c’est qu’il est valable pour la population qui a servi à le créer. C’est-à-dire que si on programme un algorithme en Chine, il risque de ne pas fonctionner en Europe. Donc cela pose un redoutable problème car avant d’utiliser un algorithme, il faut des validations cliniques. Et la validation clinique, on ne peut la faire que sur de grandes bases de données. Et pour faire des bases de données, on a besoin du Big Data.

Newsletter

Inscrivez-vous pour recevoir les actualités de la plateforme SantéPerSo et être invité aux événements consacrés à la santé personnalisée.

Top