L’intelligence artificielle pour la santé

L’intelligence artificielle ou IA est une technologie ayant pour objectif l’exécution de tâches, pour l’instant accomplies par le cerveau humain, par des machines.

Face aux échecs des premières heures, deux courants se sont fondés :

• L’intelligence artificielle dite “forte” dont le but est de concevoir une machine capable de raisonner comme l’être humain (objectif impossible selon de nombreux chercheurs). Le risque étant de créer une machine supérieure à l’homme. “L’intelligence artificielle pourrait mettre fin à l’humanité”, s’inquiétait en 2014 Stephen Hawking, grand physicien disparu en 2018.
• L’intelligence artificielle dite “faible” dont le but est de concevoir des machines capables d’aider les hommes dans leurs tâches quotidiennes.

Le dernier CES (Consumer Electronics Show) à Las Vegas a notamment été porté sur le sujet de l’IA dans le domaine médical. En effet, les possibles applications de l’intelligence artificielle sont nombreuses et donnent beaucoup d’espoirs aux chercheurs, professionnels de santé et patients.

Malgré ces impressionnantes avancées, des freins législatifs, juridiques et éthiques subsistent. Le gouvernement croit en ces sujets et a alloué à l’IA 1,5 milliard d’euros durant le quinquennat d’Emmanuel Macron.

Comment fonctionne l’intelligence artificielle ?

Il existe deux principales approches de l’intelligence artificielle. La première s’appuie sur le principe que l’être humain raisonne selon des règles logiques de déduction, de classification et de hiérarchisation. Cette méthode a permis aux premières machines d’accéder à un ensemble de connaissances ainsi qu’à des raisonnements de spécialistes pour aboutir à un diagnostic.

Les systèmes de gestion des connaissances ou d’e-santé actuels sont plus sophistiqués. En effet, leurs modèles de raisonnement et les connaissances médicales des experts sont bien meilleurs.

La seconde approche s’appuie sur le fait que la machine recherche des régularités dans les données à sa disposition pour en retirer des résultats. Ce modèle de médecine prédictive est en pleine expansion grâce aux ordinateurs surpuissants d’aujourd’hui et au big data. Ce deep learning (ou apprentissage profond) permet de reproduire le fonctionnement du cerveau humain et de son réseau de neurones. L’algorithme “apprend” en essayant et en faisant des erreurs avant d’agir en autonomie et de réussir la tâche qui lui a été attribué. Grâce à cette méthode, on peut par exemple, repérer de possibles mélanomes et tumeurs sur la peau ou des rétinopathies diabétiques. Des milliers d’images ont été nécessaires (50 000 pour les mélanomes et 128 000 pour les rétinopathies). Elles ont permis à l’IA d’apprendre quelles images correspondaient à des mélanomes ou non et lui permettre de les identifier sur des patients réels.

Les différents types d’algorithmes présents dans l’IA peuvent permettre d’autres applications dans le domaine de la santé (liste non exhaustive) :

• Chirurgie assistée par ordinateur dans les hôpitaux. Pour plus de précision et pour opérer à distance.
• Prothèses intelligentes pour réparer le corps humain (stimulateur cardiaque, organes et membres artificiels, etc.)
• Robots d’assistance aux personnes âgées ou fragiles.
• Stimuler les malades atteints de la maladie d’Alzheimer. Le robot est programmé pour dialoguer, faire réaliser des exercices de mémoire, montrer des gestes à accomplir, compter les mouvements et encourager les patients.
• Diagnostiquer des maladies pédiatriques comme la grippe, la varicelle ou la méningite bactérienne.

L’intelligence artificielle soulève de nombreux problèmes éthiques, notamment sur la protection des données personnelles et la vie privée.

Les données, fondations de l’intelligence artificielle

La France bénéficie d’un avantage considérable puisqu’elle dispose de la plus grande base de données au monde. Le SNIIRAM : Système National d’Information Interrégimes de l’Assurance Maladie. Cette base regroupe tous les actes hospitaliers, toutes les prescriptions de médicaments et la description des maladies. Il est nécessaire de croiser cette base avec d’autres données afin de corriger les possibles erreurs dans la description des pathologies associées aux maladies.

Autre problème, 80% des informations sur les patients sont textuelles. Il faut donc mettre en place des logiciels de traitement automatique pour analyser et extraire ces données.

Cette source inestimable de données n’est pas prête à être utilisée. En effet, il faudrait modifier la législation tout en conservant le secret médical. On doit également s’assurer que ces données soient utilisées à bon escient et dans le respect du règlement général sur la protection des données (RGPD). D’autres problématiques nécessitent la mise en place de réglementations. C’est le cas de la responsabilité en cas de préjudice causé par l’intelligence artificielle ou de l’impact sur l’emploi des professionnels de la santé.

Une intelligence artificielle pour aider le médecin et non le remplacer

Pour éviter que le médecin soit amené à endosser le choix d’une machine, il est nécessaire qu’il garde son pouvoir de décision. L’IA doit uniquement être une aide au diagnostic. Le médecin doit pouvoir comprendre et contourner les décisions amenées par la machine. Pour cela, il est primordial de concevoir des systèmes transparents et explicites. D’autre part, plus les médecins disposeront de robots dans leur travail, plus ils pourront libérer du temps pour se concentrer sur la partie relationnelle. De plus, l’intelligence artificielle peut permettre de démocratiser l’accès aux soins pour des millions de personnes dans les zones rurales et dans les pays en développement.

Et après ?

L’étape suivante pour l’intelligence artificielle sera de lutter contre les épidémies de grandes ampleur. Grâce aux données disponibles sur Internet, elle sera capable de repérer la propagation d’une maladie en temps réel. Les autorités sanitaires pourraient alors alerter les habitants d’une zone à risque.

Cette méthode d’utilisation des données est déjà utilisée par Facebook pour la prévention des risques de suicides. Tout comme Facebook, les autres membres des GAFA pourraient bien devenir des géants de la santé. Après son échec en 2012 avec Google Health (dossier médical en ligne), Google relance divers projets avec :

• sa filiale DeepMind Health, collecte et traite les données de patients d’hôpitaux.
• sa filiale Verily veut recueillir les données de santé de volontaires pour faire une cartographie de la santé humaine.
• la start-up Cityblock, souhaite offrir des services médicaux et faire de la prévention pour les minimas sociaux américains.

Amazon se lance dans l’assurance santé aux Etats-Unis et Apple a développé une version de sa montre connectée susceptible de détecter un incident cardiaque.

Des start-up sont également au coeur de ce marché florissant. Bpifrance compte plus de 60 startup utilisant le machine learning et le deep learning depuis 2010. La plus grande difficulté pour ces entreprises est l’accès aux données. Owkin est une start-up spécialisée dans le machine learning et la recherche en oncologie. Ils collaborent avec la recherche publique en apprentissage fédéré. C’est-à-dire qu’ils échangent leurs algorithmes pour les faire progresser sans avoir besoin de données. Owkin a récemment participé à la création d’une plate-forme de traitement sécurisé avec la collaboration d’une start-up (spécialiste de la fertilité) et de six grands instituts de recherche. L’objectif est de faire travailler et progresser leurs algorithmes prédictifs dans les domaines de l’anatomopathologie, la dermatologie et la fertilité.

Source : INSERM – Bpifrance