Dans la santé, Watson, l'IA d'IBM, doit encore faire ses preuves

 |   |  1159  mots
Plusieurs analystes s'entendent pour dire que l'IA confirmera son potentiel dans l'imagerie médicale en particulier. Des initiatives ont déjà montré des avancées prometteuses.
Plusieurs analystes s'entendent pour dire que l'IA confirmera son potentiel dans l'imagerie médicale en particulier. Des initiatives ont déjà montré des avancées prometteuses. (Crédits : Capture d'écran / Verily - Project Baseline)
L'IA destinée à trouver des solutions afin de personnaliser les traitements en cancérologie est pour le moment décevante, en particulier dans les diagnostics. La technologie devrait toutefois faire rapidement ses preuves à grande échelle, dans l'imagerie médicale dans un premier temps.

Depuis quelques mois, un poids lourd de l'intelligence artificielle (IA) en santé vacille. En septembre, le site spécialisé Statnews a publié une enquête sur Watson, programme d'IBM spécialisé dans ce domaine technologique, et ses solutions en oncologie. Depuis plusieurs années, ce super-ordinateur est présenté comme une star de l'intelligence artificielle dans le domaine de la santé permettant aux soignants de passer « moins de temps sur la littérature, et plus de temps pour prendre soin du patient ».

Watson propose aux hôpitaux des recommandations pour des diagnostics et traitements dans plusieurs cancers. Mais, ce serait « un système qui ne crée pas de nouvelles connaissances » et « artificiellement intelligent dans le sens le plus rudimentaire du terme », est-il écrit dans l'enquête de Statnews. Cette dernière souligne une certaine opacité dans les suggestions de la machine, et des doutes sur leur pertinence.

« L'intelligence artificielle n'est pas mature dans la santé »

Pour Laurent Stefani, directeur de l'IA pour Accenture Technology en France, ces difficultés ne sont pas propres à IBM. « L'intelligence artificielle n'est pas mature dans la santé », juge-t-il. Quelles barrières doit-elle dépasser pour sortir de son stade primitif en santé, en particulier en cancérologie ? Premier écueil : les biais de l'utilisation de l'intelligence artificielle pour le recueil et l'analyse des publications scientifiques pour aider les médecins dans leurs décisions.

« On compte 700.000 articles en médecine par an. De plus en plus de publications n'ont pas de valeur, car des équipes publient pour publier, ce qui pollue énormément les résultats. La machine n'est pas capable aujourd'hui de faire la différence entre ce qui ne vaut rien et un article intéressant », analyse Guy Vallancien, chirurgien et auteur de La Médecine sans médecin ? (Gallimard).

Dans une étude synthétisant des enquêtes conduites auprès de chercheurs, la revue scientifique Plos One rapportait que 1,97 % des scientifiques ont admis avoir « fabriqué, falsifié ou modifié des données ou des résultats au moins une fois », et « jusqu'à 33,7 % ont avoué d'autres pratiques de recherche douteuses ».

Autre problème : les données médicales recueillies auprès des hôpitaux, et sur lesquelles IBM s'appuie également, peuvent entraîner d'autres biais. Si ces dernières sont issues d'hôpitaux des États-Unis, les analyses et les conseils seront façonnés par l'IA sur les modèles de protocoles de soins américains.

Un défi pour IBM

En clair, l'intelligence artificielle aurait du mal à s'adapter aux méthodes des différents pays, où les médicaments, traitements et protocoles peuvent différer.

Un défi pour IBM, qui propose son intelligence artificielle à 80 hôpitaux de dix pays différents, sur les continents américain et asiatique notamment. Pour Pirmin Lemberger, data scientist et directeur scientifique spécialiste de l'intelligence artificielle au sein du cabinet de conseil Weave, le niveau de l'intelligence artificielle d'aujourd'hui ne lui permet pas de contourner ces biais : « L'IA ne peut pas être plus neutre ou performante que les données dont elle dispose. »

Face au manque de connaissances

Cette difficulté de transcender les données dont elle dispose met l'intelligence artificielle face à un autre mur : celui des connaissances médicales actuelles, souvent limitées en cancérologie. L'IA d'IBM et de nombreuses startups ont pour prétention d'effectuer des analyses génomiques - c'est-à-dire le séquençage ADN -de la tumeur. Associé à la recherche dans la littérature scientifique et aux données médicales, cela permettrait de personnaliser au mieux les traitements. Mais la discipline doit relever d'importants défis face aux formes de cancers et de mutations extrêmement nombreuses. Comme le rappelle un article du journal scientifique Genome Biology, l'analyse d'une tumeur donne une liste importante d'allèles (variants d'un gène) mutés, amplifiés ou effacés « pour lesquels on manque d'informations fonctionnelles ». Ainsi, pour des raisons qui sont souvent inconnues, un traitement ciblant un allèle particulier ne fonctionnera pas forcément.

Même son de cloche pour prévenir l'apparition de cancer d'après les variations génétiques. Si cela s'avère particulièrement efficace pour les cancers du sein et de l'ovaire, avec la détection des mutations BRCA1 ou BRCA2 qui indiquent de façon fiable des prédispositions, un grand nombre de cancers réclament d'importantes avancées dans les connaissances médicales. La revue scientifique Cell explique ainsi que « la capacité de prédire si et pour combien de temps un cancer individuel répondra à la thérapie et quel génotype finira par évoluer pour conduire la résistance reste sous-optimale ».

L'IA confirmera son potentiel dans l'imagerie médicale

Malgré toutes ces barrières, Guy Vallancien est convaincu que « l'IA sera de plus en plus utile. Les systèmes fonctionneront de mieux en mieux pour le diagnostic formulant des hypothèses qu'on ne connaissait pas ». Plusieurs analystes s'entendent pour dire que l'IA confirmera son potentiel dans l'imagerie médicale en particulier. Des initiatives ont déjà montré des avancées prometteuses. L'université de Stanford, par exemple, a signé des avancées dans la détection de mélanomes. Elle a testé une intelligence artificielle face à 21 dermatologistes expérimentés. Résultats : l'algorithme a obtenu des performances égales à ces derniers, dans un laps de temps plus court.

Pour Laurent Stefani, c'est le bon type d'approche car elle ne fixe pas une ambition trop grande, comme essaient de le faire d'autres institutions ou sociétés :

« Si avec 3 000 images d'un patient issues d'une radio on se demande s'il est malade ou non, et quel type de cancer il a ou n'a pas, cela est difficile. Il faut une énorme quantité de données au vu du nombre important de variabilités dans le diagnostic d'un cancer. En revanche, si l'on se demande s'il existe des caractéristiques qui sortent de l'ordinaire parmi ces 3 000 images, et si l'on peut les relever pour aider un radiologue à établir un diagnostic, cela devient une problématique adressable. »

Selon l'analyste, améliorer les capacités de l'IA en cancérologie devrait se faire pas à pas. « Il faut se focaliser sur une pathologie, puis élargir le champ pour bâtir la crédibilité de cette technologie. Il faut être humble par rapport à l'IA. »

___

ENCADRÉ

Un standard dans les essais cliniques

En oncologie, si l'intelligence artificielle doit encore faire ses preuves dans le diagnostic des patients, elle a toutefois atteint la maturité dans les essais cliniques. Ces dernières années les grands laboratoires pharmaceutiques - comme Roche et Novartis - se sont associés à des startups spécialisées dans l'IA pour sélectionner les meilleures molécules à développer, le but étant de mieux cibler les différents types de cancers ou d'améliorer les traitements-candidats existants. Les labos ont également fait appel aux startups pour faciliter, accélérer et améliorer le recrutement des patients. Novartis travaille, par exemple, avec Quantum Black dans ce domaine.

Réagir

Votre email ne sera pas affiché publiquement
Tous les champs sont obligatoires

Commentaires
a écrit le 08/12/2017 à 16:35 :
Il faut aussi admettre que le contexte est difficile, le champ d’application vaste et que médecine évolue vite. Probablement pas aussi vite que les maladies, ce qui obligera à un moment donné à privilégier la prévention ?

En attendant l'IA, on peut toujours faire du comparatif et enrichir les connaissances. L'exploitation des datas a certainement un rôle majeur à jouer dans la médecine prédictive.
a écrit le 08/12/2017 à 9:30 :
bien, bon article !
on commence a se rendre compte que l'intelligence artificielle, ca n'a rien d'intelligent, mais que c'est beaucoup de calculs........
ca veut pas dire qu'il faut jeter le bebe avec l'eau du bain, ca veut dire qu'il faut atterrir!
on reproduit actuellement des systemes neurologiques ( dernier en date le deep learning), ce qui fait parfois sens, parfois pas!!!
sans etre mechant et en prenant 30 ans d'avance sur la societe, on peut s'avancer et dire que quand la connaissance de l'homme etait insuffisante, elle s'est forgee de nouveaux outils.... dans 30 ans on va inventer la statistique, et ses modeles ( qui sont souvent repris de facon indirecte par l'ai, soit dit en passant.... how te reinvent the wheel), ce qui permettra d'affiner certaines choses.........
en attendant comme avec les erp, toute connaissance humaine est inutile, vu que 'l'ordinateur il sait'
suffit de voir comment ca s'est passe dans de nombreuses entreprsies.....
a écrit le 08/12/2017 à 8:53 :
L'IA sur un plan très concret, n'est aujourd'hui que capable de classifier suivant deux modalités, c'est à dire de faire une affirmation sur une information figée, comme une image.

Tous les problèmes sont donc ramenés à une représentation sous forme d'image, car les outils dont on dispose (TensorFlow et autres) ne savent que classifier des images.

Mais la "sauce secrète" en matière d'IA (que ce soit en apprentissage supervisé ou non) n'est pas là, la "sauce secrète", le savoir faire des sociétés spécialisées, c'est dans la capacité à définir et reconnaître les "features" dans une image, et pour ça jusqu'à maintenant il faut des humains. En fait on n'a fait que repousser la patate chaude, on avait du mal à classifier des images efficacement aussi on a automatisé avec succès ce problème. Maintenant on a de nouveau un problème, celui de définir et reconnaître les features.
Il se murmure dans l'industrie que le plan d'IBM c'était de vendre ses armées de consultant pour cela. Sauf que ses consultants ne seraient (apparemment) pas très doués pour ce nouveau travail, qui comme l'indique l'article, nécessite des connaissances très spécialisées. C'est exactement la même situation économique que pour les systèmes experts dans les années 70/80, qui se souvient des systèmes experts?

https://padiracinnovation.org/

https://padiracinnovation.org/

Merci pour votre commentaire. Il sera visible prochainement sous réserve de validation.

 a le à :