Ci-dessus: Image © exdez, iStockPhoto.com

Imagine que tu fais du ski alpin dans une région éloignée de la Colombie-Britannique. Chaque nouvelle pente est plus difficile que la précédente. C’est formidable! Et puis soudainement, tu frappes une branche et tu tombes. Tu ne peux pas marcher... et tu penses que ta jambe est cassée.   

Les ambulanciers paramédicaux te conduisent à un tout petit centre médical à proximité. Un autre cas d’urgence occupe l’unique médecin de garde. Les infirmières aux urgences n’ont pas les compétences pour diagnostiquer tes blessures.

Un scénario effrayant, n’est-ce pas? Pourtant, un jour les ordinateurs et l’intelligence artificielle (AI) pourraient te permettre de recevoir des soins rapides et efficaces dans une telle situation.  

Le diagnostic des fractures osseuses

Il existe de nombreux types de fractures osseuses. Par exemple, l’os peut être fissuré ou brisé en plusieurs morceaux. Le diagnostic du type de fracture nécessite des compétences médicales. Les chirurgiens orthopédistes, des médecins spécialistes du système musculo-squelettique, suivent des années de formation afin de pouvoir diagnostiquer de telles blessures.  

Malheureusement, on trouve très peu de chirurgiens orthopédistes dans les régions éloignées. En revanche, le centre médical dispose peut-être d’une machine à rayons X, ce qui permettrait au personnel sur place de faire une radiographie de ta jambe blessée. Mais qui va analyser l’image? Aucun membre de l’équipe médicale locale n’a les compétences nécessaires.

Une possibilité serait de numériser l’image, de la convertir en langage binaire. Ainsi, le personnel médical pourrait envoyer la radiographie à un chirurgien orthopédiste qui travaille ailleurs. Mais tu attendras peut-être des heures avant d’obtenir une réponse.   

Une autre possibilité serait de faire analyser la radiographie par un ordinateur, ce qui serait beaucoup plus rapide. L’IA repose sur des systèmes informatiques capables d’accomplir des tâches qui, normalement, nécessiteraient l’intelligence humaine. Par exemple, il existe déjà des techniques d’IA qui permettent d’analyser et de catégoriser les données médicales.

L’IA et l’analyse d’imagerie médicale

Quand ils analysent des images médicales, les systèmes d’IA évaluent d’énormes quantités de données photographiques. Une seule image à haute résolution peut compter plus d’un million de pixels. Des programmeurs informatiques ont déjà formé des systèmes d’IA en leur montrant des millions d’images non médicales. On parle donc de milliers de milliards de pixels. Par conséquent, de tels systèmes peuvent reconnaître des fleurs, des bâtiments, des personnes, des animaux, etc. et classer des images selon ces catégories.  

Le savais-tu? Le mot « pixel » est une contraction des mots anglais « picture » (image) et « elements » (éléments).

Actuellement, les médecins et les chercheurs médicaux commencent à faire analyser l’imagerie médicale par des systèmes d’IA. Ces analyses peuvent aider au diagnostic.  

Le savais-tu? Wilhelm Röntgen, un professeur de physique allemand, a pris la toute première radiographie en 1895. L’image montrait la main de sa femme.

Un arbre de décision est un outil capable de former un système d’IA pour le diagnostic de blessures à partir d’imagerie médicale. En général, un arbre de décision décrit les diverses décisions, conséquences et actions relatives à une question particulière. Les « feuilles » correspondent à des choix possibles, tandis que les « branches » correspondent à des décisions.

Un système d’IA peut se servir d’un arbre de décision pour analyser des images médicales. Voici comment un tel système commencerait à analyser la radiographie d’une jambe :

Tout d’abord, le système doit déterminer le nombre de pixels dans l’image. Ensuite, il doit comparer des éléments de l’image avec des os normaux. Le système doit continuer de suivre des milliers de branches jusqu’à ce qu’il arrive au niveau des feuilles qui correspondent au diagnostic final. Chacune de ces feuilles correspondra à un différent type de fracture osseuse.

Le système d’IA peut même améliorer l’arbre de décision au fur et à mesure qu’il consulte un nombre croissant de radiographies.

Le savais-tu? Il existe de nombreuses autres techniques d’intelligence artificielle qui pourraient servir à analyser des radiographies. Par exemple, les réseaux neuronaux sont des systèmes informatiques qui imitent le cerveau humain. Il existe également des programmes qui imitent le processus de sélection naturelle.

Assistance aux médecins

L’application des techniques d’intelligence artificielle en médecine, et plus particulièrement en chirurgie orthopédique, n’en est qu’à ses débuts. Mais les techniques progressent rapidement. Dans le cadre d’une étude, un système d’IA a analysé 256 000 images de poignets, de mains et de chevilles. Dans 83 % des cas, le système d’IA a bien diagnostiqué le type de fracture. Le taux de précision est environ le même chez les chirurgiens orthopédistes expérimentés.

Toutefois, les médecins demeurent essentiels, car ils peuvent faire des choses dont les systèmes informatiques actuels sont incapables. Par exemple, un médecin peut tenir compte des répercussions d’une blessure sur la santé globale d’un patient. Un médecin peut également analyser les risques possibles pour le patient.

Un jour, on saura peut-être élaborer des systèmes d’IA capables de fonder des recommandations de traitement sur une analyse de la santé globale et des risques. Mais en attendant, les systèmes actuels pourront certainement aider les médecins à économiser du temps en analysant les images provenant des stations de ski.

Qui plus est, ces systèmes peuvent aider les médecins à s’assurer que rien ne leur échappe. Ainsi, au lieu de faire le travail à partir de zéro, les médecins pourront vérifier l’analyse effectuée par le système d’IA. Après avoir évalué ta jambe à distance, un médecin pourrait même démarrer une conférence vidéo pour discuter de ta blessure, de ta santé globale et des différents traitements possibles.  

Tu pourrais alors rentrer chez toi en toute sécurité, guérir rapidement et commencer à planifier tes prochaines vacances de ski!

Parlons-en!

  • Au Canada, aux États-Unis et dans une grande partie du monde, les coûts des soins de santé sont très élevés. Comment les techniques d’IA discutées dans l’article pourraient-elles aider à résoudre ce problème?
  • Devrait-on obliger les personnes à divulguer leurs données médicales pour aider à former des systèmes d’IA? Crois-tu plutôt que les personnes devraient pouvoir tenir ces renseignements confidentiels? (Conseil : Avant de répondre, réfléchis aux avantages et aux risques associés à la divulgation des données personnelles.)
  • Devrait-on en arriver à permettre aux personnes de se diagnostiquer elles-mêmes, à l’aide des outils d’IA, ou crois-tu au contraire que le diagnostic devrait toujours impliquer l’intervention d’un médecin? Explique ta réponse.
  • Les sociétés pharmaceutiques et d’autres entreprises à but lucratif qui créent des produits médicaux devraient-elles avoir accès aux données médicales personnelles? Si oui, dans quelles circonstances?
  • Si les systèmes d’IA continuent d’améliorer leur capacité diagnostique, aurons-nous toujours besoin de médecins? Pourquoi ou pourquoi pas? Si tu as répondu « oui », penses-tu que le travail des médecins va changer d’une façon ou d’une autre? Si oui, comment?

Lawrence Ostroff

I have been with SAP for several years, working in consulting, solution management, operations, and other areas. I'm currently in a go-to-market role covering strategy, planning, and execution. Before joining SAP, I worked in information technology management positions at various companies, and I hold a BA in Applied Mathematics from UC Berkeley and an MBA from Wharton. I've had the good fortune to travel around the world for business, and I've developed an interest in learning foreign languages, including Chinese and Japanese.

Je travaille pour SAP depuis plusieurs années, dans des domaines tels que la consultation, la gestion des solutions et les opérations. Actuellement, je me concentre sur la commercialisation, y compris la stratégie, la planification et l’exécution. Avant d’être embauché chez SAP, j’ai travaillé pour diverses entreprises dans le domaine de la gestion des technologies de l’information. Je suis titulaire d’un baccalauréat en mathématiques appliquées de l’Université de Californie à Berkeley et d’une maîtrise en administration des affaires de la Wharton School. Dans le cadre de ma carrière, j’ai eu la chance de voyager partout dans le monde. J’ai également développé un intérêt pour les langues étrangères, dont le chinois et le japonais.