Publicité

L'intelligence artificielle au révélateur de l'imagerie oncologique

12/11/2019
De Propos recueillis par Bruno Benque

Dans notre série d’articles dédiés au prochain symposium Scanner volumique, nous allons à la rencontre des orateurs qui animeront cet événement. Aujourd’hui, le Pr Pierre-Jean Valette évoque pour nous l’intelligence artificielle appliquée à l’imagerie oncologique, un thème qu’il abordera lors du symposium.

L’Intelligence Artificielle (IA) est une notion désormais omniprésente dès lors que l’on évoque l’imagerie médicale. Elle est déclinée à toutes les sauces, souvent porteuse de réelles promesses mais aussi parfois de perspectives abusives. Il en sera question lors du IXème Symposium Scanner volumique qui se tiendra les 7 et 8 janvier 2019 à Nancy.

Pour le Pr Pierre-Jean Valette, spécialisé en imagerie diagnostique et interventionnelle digestive, il s’agit dès à présent d’un outil qu’il utilise dans le cadre de projets de recherche. « Je participe à un travail collaboratif de recherche, avec la société Philips notamment, dont l’objectif est de permettre l’identification de lésions, de métastases ou de polykystose hépatiques au travers d’un algorithme d’IA, précise-t-il. Nous sommes ainsi en passe d’élaborer des systèmes capables d’assurer un suivi RECIST automatique de métastases hépatiques sous traitement médical. Nous envisageons également des travaux sur la texture des tissus dans lequel le scanner spectral pourrait trouver une application intéressante ».

Quatre manières d’aborder l’intelligence artificielle appliquée à l’imagerie oncologique

Le Pr Valette a une vision un peu décalée de l’IA appliquée à la médecine. Il voit en effet quatre manières d’aborder cette thématique. L’approche technique tout d’abord, qui reste une affaire d’informaticiens, l’approche scientifique ensuite, par laquelle on étudie comment et à quel point l’IA pourrait devenir un outil collaboratif efficace pour les activités de routine ou de recherche en imagerie. Il évoque par ailleurs l’approche pratique, ou comment le métier des radiologues va évoluer avec le développement de l’IA, et enfin l’approche philosophique, qui est sans doute la plus intéressante pour lui, car elle conduit à se poser la question des limites de l’IA.

L’intelligence artificielle dépassera l’humain dans certains domaines mais ne pourra pas le remplacer

La grande force de l’IA vient certes, selon le Pr Valette, du fait qu’elle travaille vite, sans relâche et nourrie d’une mémoire infaillible. Mais les algorithmes sont entrainés de façon ciblée, par exemple pour repérer un type de lésion en oncologie, et ils trouvent rapidement leurs limites devant la diversité des diagnostics alternatifs possibles. Il convient également de considérer les particularités de l’IA du point de vue des théories de la connaissance. Les algorithmes peuvent être puissants, ils sont capables d’apprentissage, mais ils ne créent pas de savoir proprement dit. Les algorithmes raisonnent en effet de manière empirique et les raisons de leur décision restent impossibles à connaître, ce que certains désignent sous le terme de « boîte noire ».

Reste enfin, en pratique clinique, la comparaison entre l’intelligence humaine et l’IA en termes de processus décisionnel. « On entend, ça et là, des observateurs annoncer la disparition des radiologues, remarque le Pr Valette. Mais où cela nous mènera-t-il ? Un système sera sans doute capable d’identifier et d’analyser des lésions hépatiques, et ce faisant d’identifier un cancer du foie à partir d’images scanographiques ou d’IRM, mais la machine sera incapable de réaliser l’ensemble des activités humaines pour assurer un diagnostic de certitude. Les dimensions éthiques, esthétiques, émotionnelles, l’intuition du praticien, restent exclusivement humaines. Je prétends que le diagnostic du cancer du foie est le résultat d’images pathologiques, mais également des informations données par le patient, de son histoire, de ses antécédents. »

Le Pr Valette interviendra le vendredi 7 février 2020 lors du symposium Scanner volumique organisé au Centre de congrès Prouvé de Nancy. Les inscriptions sont accessibles ICI.

Le Programe:

SUR LE MÊME THÈME

IA & Données

Trouver le modèle qui puisse efficacement intégrer l'IA dans le flux de travail du radiologue

Le médecin-chercheur Eric J. Topol et le spécialiste en IA de Harvard, Pranav Rajpurkar plaident en faveur d'une séparation claire des rôles entre les systèmes d'IA et les radiologues dans un éditorial publié dans la Revue Radiology. Ils proposent un cadre que les radiologues doivent adapter à leurs...

28/08/2025 -

IA & Données
Un acteur français de l'IA propose deux outils TDM pour la détection du cancer

Un acteur français de l'IA propose deux outils TDM pour la détection du cancer

Gleamer, acteur française de l’IA médicale, a lancé en juillet dernier sa suite OncoView destinée à assister les radiologues dans la détection précoce du cancer par densitométrie (TDM).

22/08/2025 -

IA & Données
Un réseau de radiologues français conclut un accord avec un fournisseur d'IA pour le diagnostic

Un réseau de radiologues français conclut un accord avec un fournisseur d'IA pour le diagnostic

Gleamer a annoncé, le 10 Juillet 2025, la signature d’un partenariat stratégique avec le réseau France Imageries Territoires (FIT) pour le déploiement des solutions Gleamer Copilot® dans l’ensemble des centres d’imagerie du réseau FIT.

29/07/2025 -

IA & Données
Les comptes rendus radiologiques ne sont pas près de passer par GPT-4
Abonné(e)

Les comptes rendus radiologiques ne sont pas près de passer par GPT-4

Les grands modèles de langage multimodaux seraient-ils capables de réaliser des comptes rendus radiologiques ? Des résultats d’essais contradictoires troublent le ressenti sur les possibilités de GPT-4V, un modèle qui se concentre uniquement sur la précision diagnostique. Une étude publiée dans la R...

21/07/2025 -

IA & Données
Un nouvel outil d'extraction de données spécialisé en radiologie

Un nouvel outil d'extraction de données spécialisé en radiologie

Les méthodes d’élaboration des grands modèles de langage sont basées sur des règles qui ne traitent pas efficacement les données non standardisées. Des chercheurs britanniques présentent, dans un article publié dans la Revue European Radiology, RADEX, le nouvel outil d’extraction de données radiolog...

15/07/2025 -

IA & Données
Des grands modèles de langage sensés participer à l'annotation des images pour le deep learning
Abonné(e)

Des grands modèles de langage sensés participer à l'annotation des images pour le deep learning

Incontournables pour l’entrainement des modèles de deep learning, les annotations d’images radiologiques sont rébarbatives et chronophages pour les experts qui les créent. Des grands modèles de langage (LLM) pourraient remplacer les annotations humaines, comme l’indique un article scientifique publi...

23/06/2025 -

IA & Données
Les bonnes pratiques pour l'évaluation de la pertinence d'un outil d'IA en imagerie
Abonné(e)

Les bonnes pratiques pour l'évaluation de la pertinence d'un outil d'IA en imagerie

Radiologues, informaticiens et chercheurs présentent, dans un article publié dans la Revue Radiology, les pièges et les meilleures pratiques pour atténuer les biais des modèles d'intelligence artificielle (IA) en imagerie médicale. Ils présentent une sorte de feuille de route pour des pratiques plus...

13/06/2025 -

LETTRE D'INFORMATION

Ne manquez aucune actualité en imagerie médicale et radiologie !

Inscrivez-vous à notre lettre d’information hebdomadaire pour recevoir les dernières actualités, agendas de congrès, et restez informé des avancées et innovations dans le domaine.