Depuis que je tiens ce blogue et que j'échange avec les professionnels du milieu, j'ai tendance à me ranger derrière ces derniers en partageant leur prudence face à la technologie en terme de santé. Or, des chercheurs
ont démontré pour la première fois qu'une forme d'intelligence
artificielle ou d'apprentissage automatique connue sous le nom de réseau neuronal convolutionnel à apprentissage profond (convolutional neural network, CNN) était meilleure que
les dermatologues expérimentés dans la détection du cancer de la peau.
Selon une étude menée par l'European Society for Medical Oncology publiée dans Annals of Oncology, les chercheurs ont
formé un CNN afin d'identifier le cancer de la peau en montrant plus de
100 000 images de mélanomes malins (la forme la plus meurtrière de
cancer de la peau). ainsi que des grains de beauté bénins (ou naevi). Ils
ont comparé sa performance à celle de 58 dermatologues internationaux
et ont découvert que le CNN ignorait moins de mélanomes et de grains de
beauté bénins mal diagnostiqués que le groupe des dermatologues. Un
CNN est un réseau neuronal artificiel inspiré par les processus
biologiques au travail lorsque les cellules nerveuses (neurones) du
cerveau sont connectées les unes aux autres et répondent à ce que l'œil
voit. Le
CNN est capable d'apprendre rapidement à partir d'images qu'il "voit"
et d'apprendre lui-même de ce qu'il a appris pour améliorer ses
performances (un processus connu sous le nom d'apprentissage
automatique). Selon les chercheurs, le CNN fonctionne comme le cerveau d'un enfant. Afin de l'entrainer, les chercheurs lui montrent des
images de cancers de la peau malins et bénins et ont
indiqué le diagnostic pour chaque image.Seules les images dermoscopiques
ont été utilisées, ce qui est des lésions qui ont été imagées à un
grossissement 10. Avec chaque image d'entraînement, le CNN a amélioré sa
capacité à différencier et les lésions malignes.
Des dermatologues du monde entier ont été invités à participer, et 58 de 17 pays du monde entier ont accepté. Parmi
ceux-ci, 17 (29%) ont indiqué qu'ils avaient moins de deux ans
d'expérience en dermatoscopie, 11 (19%) ont dit qu'ils avaient de
l'expérience entre deux et cinq ans et 30 (52%) étaient experts avec
plus de cinq années d'expérience.
Les
dermatologues devaient d'abord faire un diagnostic de mélanome malin ou
de grain de beauté bénin juste à partir des images dermoscopiques
(niveau I) et prendre une décision sur la façon de gérer la maladie
(chirurgie, suivi à court terme ou aucune action nécessaire). Puis,
quatre semaines plus tard, ils ont reçu des informations cliniques sur
le patient (y compris l'âge, le sexe et la position de la lésion) et des
images de près des 100 mêmes cas (niveau II). Au
niveau I, les dermatologues ont détecté avec précision une moyenne de
86,6% des mélanomes, et ont correctement identifié une moyenne de 71,3%
des lésions qui n'étaient pas malignes. Cependant,
lorsque le CNN a été réglé au même niveau que les médecins pour
identifier correctement les taupes bénignes (71,3%), le CNN a détecté
95% des mélanomes. Au
niveau II, les dermatologues ont amélioré leur performance en
diagnostiquant avec précision 88,9% des mélanomes malins et 75,7% des
cancers non cancéreux.
Lorsque
les dermatologues ont reçu plus d'informations cliniques et d'images au
niveau II, leur performance diagnostique s'est améliorée, mais le CNN,
qui travaillait uniquement à partir des images dermoscopiques sans
informations cliniques supplémentaires, a continué à surpasser les
capacités diagnostiques des médecins. Les
dermatologues experts ont obtenu de meilleurs résultats au niveau I que
les dermatologues moins expérimentés et ont mieux réussi à détecter les
mélanomes malins.
Selon les chercheurs, l'incidence
du mélanome malin est en augmentation, avec environ 232 000 nouveaux
cas dans le monde et environ 55 500 décès dus à la maladie chaque année.
Il
peut être guéri si détecté tôt, mais de nombreux cas ne sont
diagnostiqués que lorsque le cancer est plus avancé et plus difficile à
traiter.
Les
chercheurs n'envisagent pas que le CNN prenne le relais des
dermatologues dans le diagnostic des cancers de la peau, mais qu'il
pourrait être utilisé comme aide supplémentaire. Mentionnons également que l'étude
comporte certaines limites, notamment le fait que les dermatologues se
trouvaient dans un milieu artificiel où ils savaient qu'ils ne prenaient
pas de décisions de «vie ou de mort» comme le rapportent les chercheurs. Les ensembles d'essai n'incluaient pas la gamme complète des lésions cutanées. Il y avait moins d'images validées provenant de types de peau non caucasiens et d'antécédents génétiques.
Les chercheurs soulignent
un certain nombre de questions qui devraient être abordées avant que
l'intelligence artificielle ne devienne standard dans les cliniques, y compris la difficulté
d'imagerie de certains mélanomes sur des sites tels que les doigts, les
orteils et le cuir chevelu, et comment former l'intelligence artificielle suffisamment pour
reconnaître les mélanomes atypiques que les patients ignorent.
Selon eux, rien ne peut remplacer un examen clinique
approfondi, mais la photographie corporelle totale en 2D et en 3D peut
capturer environ 90 à 95% de la surface de la peau et compte tenu du
développement exponentiel de la technologie d'imagerie envisagée. Il reste encore beaucoup à faire pour
implanter cette technologie en toute sécurité dans les
soins cliniques de routine.
Aucun commentaire:
Enregistrer un commentaire