Cet article d'opinion a été écrit par Alison Murray, professeur Roland Sutton et chaire de radiologie, Université d'Aberdeen et a été initialement publié par The Conversation. Pour en savoir plus, consultez notre fil d' actualité sur la santé et le bien-être .

Il y a plus de radiographies que jamais, mais trop peu de radiologues pour les interpréter. Le futurologue médical , CC BY

Cela fait presque 40 ans qu'une première machine d'imagerie par résonance magnétique du corps entier a été utilisée pour la première fois pour scanner un patient et générer des images de qualité diagnostique. Le scanner et les méthodes de traitement du signal nécessaires pour produire une image ont été conçus par une équipe de physiciens médicaux, dont John Mallard, Jim Hutchinson, Bill Edelstein et Tom Redpath à l'Université d'Aberdeen, ce qui a conduit à une utilisation généralisée du scanner IRM, désormais un outil omniprésent. dans les services de radiologie du monde entier.

L'IRM a changé la donne dans le diagnostic médical car elle ne nécessitait pas d'exposition aux rayonnements ionisants (tels que les rayons X), et pouvait générer des images sur plusieurs coupes transversales du corps avec une superbe définition des tissus mous. Cela a permis, par exemple, la visualisation directe de la moelle épinière pour la première fois.

Les radiologues courent pour ne pas bouger

Aujourd'hui, la plupart des gens auront subi une IRM ou connaîtront quelqu'un qui en a subi. Avec les autres outils disponibles pour les radiologues, l'IRM est devenue essentielle pour confirmer l'étendue de la maladie, identifier si le patient a répondu au traitement, pour démontrer les complications et, dans certains cas, guider l'intervention.

Mais la radiologie est devenue victime de son propre succès, avec une augmentation exponentielle du nombre d'examens d'imagerie demandés dans des systèmes de santé de plus en plus complexes au service d'une population vieillissante. La demande dépasse l'offre de radiographes et de radiologues disponibles pour produire ces scans dans les systèmes de santé publics tels que le NHS.

En Ecosse, en particulier, le nombre de radiologistes consultants a stagné au cours des dix dernières années, tandis que la gamme et la complexité des méthodes d'imagerie augmentent avec chaque génération de scanners. Les radiologues courent pour ne pas bouger, même les services les plus efficaces externalisent une partie de leur charge de travail à des agences externes.

L'interprétation des détails extraordinaires des examens IRM est quelque chose qui pourrait être automatisé à l'aide de l'IA. mgdtgd , CC BY-SA

Le potentiel et les problèmes de l'IA

Pendant ce temps, les innovateurs de l'industrie ont vu les opportunités potentielles que l'intelligence artificielle (IA) pourrait apporter aux soins de santé, en particulier la radiologie et la pathologie basées sur des images numériques. Les algorithmes d'apprentissage automatique alimentés avec de grandes quantités de diagnostics passés peuvent générer de nouvelles règles de classification des analyses basées sur des exemples passés. L'approche consistant à appliquer cette technique aux analyses diagnostiques est connue sous le nom de radiomique .

Un obstacle à une utilisation plus large est le manque d'accès sécurisé aux données sensibles des patients pour développer et tester des modèles d'IA. Un autre est le manque de confiance du public envers les nouvelles méthodes - même si la prise de décision informatisée dans les soins de santé remonte au début des années 1970 . Enfin, il y a le problème de l' évaluation de nouvelles méthodes basées sur des données réelles.

Nous pourrions nous demander si nous avons besoin de l'intelligence artificielle dans les soins aux patients. Mais la puissance de ces nouvelles techniques pourrait offrir d'énormes opportunités. Peu importe leur niveau de compétence, les humains sont sujets à la fatigue, à l'ennui et à des interruptions régulières, et c'est à ce moment que des erreurs peuvent survenir.

Les machines peuvent fonctionner sans se fatiguer, mais leur capacité à prendre des décisions intuitives ou à s'appuyer sur des années d'expérience pour reconnaître lorsqu'une anomalie pose un risque urgent est inconnue. Même sans dépendre de l'intelligence artificielle pour des questions complexes, il suffit de l'utiliser pour des tâches banales telles que la prise de rendez-vous, l'affectation du personnel et de l'équipement, la priorisation des travaux des radiologistes ou l'incorporation de données provenant des dossiers de santé libérerait du temps aux cliniciens pour d'autres tâches.

Un banc d'essai pour les futurs soins de santé

Au Royaume-Uni, iCAIRD , l'Industrial Center for Artificial Intelligence Research in Digital Diagnostics, rassemble des experts des universités d'Aberdeen, d'Édimbourg, de Glasgow et de St Andrews ainsi que le NHS et des partenaires de l'industrie tels que Canon et Phillips dans un centre de 15 millions de livres sterling basé à Glasgow.

Lancé l'an dernier, le projet testera la qualité des algorithmes d'intelligence artificielle par rapport à l'expertise humaine en fournissant un accès sécurisé à des données cliniques anonymisées dans des domaines tels que le dépistage du cancer du sein, le diagnostic et le traitement des accidents vasculaires cérébraux, les radiographies thoraciques A&E et la pathologie du cancer du col utérin et de l' endomètre . En utilisant une approche établie pour un accès sécurisé aux images, rapports et données cliniques pertinentes, les chercheurs en IA pourront développer et tester leurs méthodes. iCAIRD créera également une base de données nationale sur la pathologie numérique.

Tout comme les nouveaux médicaments doivent être correctement évalués avant utilisation, les nouvelles méthodes d'intelligence artificielle doivent

Les soins contre le cancer impliquent généralement des réunions d'équipe multidisciplinaires entre des cliniciens de différentes spécialités: de la même manière, l'objectif d'iCAIRD est que plusieurs applications d'intelligence artificielle puissent être intégrées pour créer une réunion d'équipe multidisciplinaire virtuelle basée sur l'IA, où les connaissances de la radiologie et de la pathologie peuvent diriger prise en charge personnalisée des patients cancéreux .

Tout comme les nouveaux médicaments doivent être correctement évalués avant utilisation, les nouvelles méthodes d'intelligence artificielle doivent l'être également. Nous avons la chance de pouvoir, grâce à iCAIRD, évaluer les performances de ces nouveaux algorithmes avec des données réelles. Il est clairement crucial d'amener le public dans ce parcours d'évaluation de l'IA en tant que solution potentielle.

Toute nouvelle façon de travailler a probablement un prix - que ce soit pour les entreprises développant l'IA, tout comme l'industrie pharmaceutique profite de nouveaux médicaments - ou pour le public en perdant la confidentialité absolue des données des patients. La manière de les équilibrer et d'assurer une bonne gouvernance de l'IA dans les soins de santé devrait faire l' objet d'un débat public , et non du rôle d'un seul secteur ou d'une poignée d'entreprises.

En fin de compte, les avantages seront maximisés si nous, en tant que personnel de santé, patients et membres du public, sommes impliqués dans la détermination de l'orientation du voyage. La responsabilité nous incombe à tous.

Cet article a été initialement publié par The Conversation . Pour lire l'article, cliquez ici .

(Crédit photo: Unsplash)