Laissez l’IA jeter un œil aux radiographies prises à l’hôpital !

Importer:

Dans la vie quotidienne, les gens doivent inévitablement se rendre à l’hôpital pour des examens de contrôle. Mais le sais-tu ? L’IA est entrée discrètement dans le processus de diagnostic médical et a participé à la bataille pour protéger la santé humaine.

Dans cette bataille défensive, l’IA s’est montrée particulièrement performante dans la reconnaissance d’images médicales. Ensuite, nous commencerons par la reconnaissance d’images par l’IA et verrons comment l’IA + les soins médicaux peuvent mettre la technologie en pratique et servir la société.

Difficultés de reconnaissance d’images médicales :

Lorsque nous allons à l’hôpital pour un traitement médical ou un examen physique, nous pouvons recevoir une grande radiographie, un scanner ou une IRM, mais il n’est pas facile d’interpréter ces images médicales de manière efficace et précise.

Lors de la prise d'images CT et d'images IRM, en réalité, ce n'est pas une seule image qui est prise, mais des dizaines ou des centaines d'images qui sont numérisées en même temps. Les radiologues sélectionnent ensuite les lésions les plus probables parmi de nombreuses images et les transmettent à d’autres médecins pour référence, ce qui prend énormément de temps.

Selon le « Livre blanc 2018 sur la technologie et les applications de l'IA médicale », les données d'imagerie médicale de mon pays augmentent de 30 % chaque année, tandis que le nombre de médecins en imagerie médicale n'augmente que de 4,1 % chaque année. Il n’est pas rare qu’un radiologue d’un hôpital tertiaire examine des dizaines de milliers d’images médicales chaque jour.

Avec une charge de travail aussi élevée, même les médecins bien formés sont susceptibles de commettre des erreurs.

Et même avec l’imagerie médicale, certaines maladies sont difficiles à diagnostiquer à leurs débuts. Prenons l’exemple du cancer du poumon. Selon les données du Centre international de recherche sur le cancer (CIRC) en 2022, le cancer du poumon est le cancer avec l'incidence et la mortalité les plus élevées en Chine.

Selon le « Consensus d'experts chinois sur le diagnostic du cancer du poumon précoce (édition 2023) », si le cancer du poumon peut être diagnostiqué à un stade précoce (stade I) et traité activement, le taux de survie à cinq ans peut atteindre 77 à 92 %. Cependant, si le diagnostic est posé aux stades III ou IV, le taux de survie à cinq ans n’est que de 10 à 36 %.

Cependant, le cancer du poumon de stade I ne présente aucun symptôme clinique évident et est difficile à identifier à partir de radiographies. Elle nécessite l’utilisation de scanners spiralés à faible dose, ce qui oblige les radiologues à distinguer soigneusement un grand nombre d’images CT. Aux premiers stades du cancer du poumon, certaines lésions sont mélangées à des nodules bénins et sont difficiles à distinguer.

L’IA peut faire mieux :

Après l’émergence des réseaux de neurones convolutifs (CNN), l’IA a fait des progrès rapides dans le domaine de la reconnaissance d’images. Parallèlement, grâce à des algorithmes d’apprentissage profond, l’IA peut utiliser des images médicales étiquetées pour l’apprentissage, aidant ainsi les médecins humains à établir des diagnostics. Lorsqu’il s’agit de diagnostiquer certaines maladies, leurs performances sont même comparables à celles des meilleurs experts humains.

Par exemple, une étude de 2019 a démontré les avantages de l’IA dans le diagnostic précoce du cancer du poumon.

Les chercheurs ont utilisé les données de plus de 45 000 scanners thoraciques étiquetés pour former l’algorithme. Après avoir terminé la formation, les scientifiques ont demandé au modèle d'IA d'analyser de nouvelles images CT et de comparer les résultats avec ceux donnés par six radiologues professionnels.

Les résultats ont montré que le taux de diagnostics manqués par l’IA était inférieur de 5 % à celui des médecins humains. Le taux de faux positifs de l’IA est également inférieur de 11 % à celui des médecins humains. Un faux positif peut être compris comme une situation dans laquelle une personne n’a pas de cancer du poumon mais est diagnostiquée à tort comme en étant atteinte. Cela montre que la précision de détection de ce modèle d’IA n’est pas inférieure à celle des médecins humains professionnels.

Si un tel modèle devient populaire, il allégera sans aucun doute considérablement la charge de travail des médecins et permettra à davantage de personnes de recevoir un traitement le plus tôt possible.

Et la popularisation de cette technologie a déjà commencé.

En 2021, certains hôpitaux tertiaires de notre pays ont introduit des systèmes de diagnostic assisté par IA pour les petits nodules pulmonaires. Ce système peut déterminer si les nodules sur les images CT sont des lésions cancéreuses du poumon et il peut identifier les petits nodules qui ne peuvent pas être distingués à l'œil nu, aidant ainsi les médecins à prendre des décisions plus précises.

Il convient de mentionner qu'en janvier 2024, ce système a été testé pour la première fois dans deux hôpitaux de base, l'hôpital Xinhua du district de Tongzhou, à Pékin, et le centre de services de santé communautaire de Yongledian. Si un tel système peut être popularisé dans les hôpitaux de base, cela atténuera considérablement le problème du déséquilibre des ressources médicales.

Bien entendu, nous n’avons cité jusqu’à présent que l’exemple du diagnostic précoce du cancer du poumon. L’IA peut faire bien plus que cela. Il peut jouer un rôle important dans le diagnostic du cancer du sein, l'examen de la rétinopathie diabétique, la photoreconnaissance des maladies de la peau, le diagnostic et le dépistage des maladies cardiovasculaires et cérébrovasculaires, etc.

L’émergence du diagnostic assisté par l’IA pourrait considérablement changer le secteur médical et de la santé et protéger la santé des personnes.

La reconnaissance d’images par l’IA présente encore des lacunes :

Il est indéniable que la précision de la reconnaissance de l’IA dépend de données étiquetées de haute qualité. L’étiquetage des données d’imagerie médicale est très différent de l’étiquetage général des données.

Par exemple, les gens ordinaires peuvent annoter l’ensemble de données de formation pour les voitures autonomes, car les gens ordinaires peuvent facilement distinguer des objets tels que les routes, les feux de circulation, les piétons, les vélos, etc. sur les images.

Cependant, l’étiquetage des données d’imagerie médicale repose sur des médecins expérimentés, ce qui rend plus difficile l’obtention de données de formation.

Cependant, la reconnaissance et l’analyse d’images médicales constituent un domaine de recherche relativement nouveau. Un grand nombre de scientifiques du monde entier sont engagés dans la recherche dans ce domaine. Des associations telles que MICCAI ont également intégré un grand nombre d’experts en informatique, en médecine, en ingénierie et en physique, et produisent des milliers d’articles universitaires chaque année.

Je crois qu’à l’avenir, la technologie de l’IA continuera de promouvoir le développement de l’industrie médicale et de la santé, permettant à davantage de personnes de bénéficier de meilleurs soins médicaux.

Références :

Han B, Zheng R, Zeng H et al. Incidence et mortalité du cancer en Chine, 2022[J]. Journal du Centre national du cancer, 2024, 4(1) : 47-53.

Société chinoise de médecine respiratoire. (2023). Consensus d'experts chinois sur le diagnostic du cancer du poumon précoce (édition 2023). Journal chinois de la tuberculose et des maladies respiratoires, 46(1), 1-18.

Liu Yunqin, Li Shengjin. Progrès de la recherche sur le diagnostic précoce du cancer du poumon[J]. Progrès en médecine clinique, 2024, 14 : 2406.

Ardila D, Kiraly AP, Bharadwaj S et al. Dépistage du cancer du poumon de bout en bout avec apprentissage profond tridimensionnel sur tomodensitométrie thoracique à faible dose[J]. Médecine de la nature, 2019, 25(6): 954-961.

Livre blanc 2018 sur la technologie et les applications de l'IA médicale

Auteur : Yunjiyu Science Creation Team

Examinateur : Qin Zengchang, professeur associé, École des sciences de l'automatisation et du génie électrique, Université Beihang

L'article est produit par le programme de vulgarisation scientifique de Chine-Création Cultivation. Veuillez indiquer la source lors de la réimpression.