Québec
Canada
Culture

La révolution de la radiologie diagnostique

L’intelligence artificielle révolutionnera sans doute toutes les sphères de la médecine, de la chirurgie à l’endoscopie en passant par la pathologie… et, en premier lieu, la radiologie diagnostique. Pourquoi ? On en discute avec Benoît Gallix, président du Département de radiologie diagnostique à l’Université McGill et chef de radiologie au Centre universitaire de santé McGill.

Par Martine Letarte

Pourquoi la radiologie diagnostique a-t-elle tant à gagner de l’intelligence artificielle ?

L’intelligence artificielle suscite beaucoup d’espoir – et de peurs aussi ! – parce qu’elle bouleversera cette spécialité. On produit de plus en plus d’images en radiologie. Lorsque j’ai -commencé dans la profession, à Montpellier, avant de venir faire un postdoctorat à l’Université McGill en 1995, je devais lire environ 15 examens comprenant chacun 50 images dans une journée. Aujourd’hui, on lit parfois jusqu’à 50 ou 60 examens comportant quelques milliers d’images. Il devient difficile de faire une lecture efficace d’autant d’images chaque jour. Certains outils classiques appuient l’analyse d’image, mais cela demeure complexe, surtout dans l’urgence. L’intelligence artificielle arrive donc à point nommé.

Quel est l’apport de l’intelligence artificielle dans le domaine de la radiologie diagnostique aujourd’hui ?

Nous sommes à l’étape recherche et développement. Les outils qui ont été développés en intelligence artificielle ont encore peu d’applications cliniques. On en est encore au stade des articles scientifiques.

Qu’est-ce qui s’annonce sur le marché en matière de science diagnostique ?

Ce qui s’annonce, je dirais d’ici 24 mois, ce sont des outils qui ne feront pas directement des diagnostics, mais qui permettront de quantifier de manière objective les données. Par exemple, l’outil pourra dire qu’une tumeur se situe à 10 sur l’échelle de malignité. Depuis toujours, les radiologistes le font manuellement… mais c’est un peu le côté artiste du métier ! Lorsqu’on regarde une photo, il y a une dimension de subjectivité. Or, l’objectivité est essentielle : si des radiologistes ont évalué des taux différents, on peut mal interpréter une réponse à un traitement. On peut penser que le traitement n’a aucun effet, alors qu’en réalité, la tumeur diminue, ou vice versa. Ces outils permettront d’assurer l’objectivité dans l’évaluation des données et, donc, la reproductibilité.

D’autres applications de l’intelligence artificielle devraient-elles arriver dans les hôpitaux prochainement ?

Oui. Un autre type d’outils permettra de prédire avec de fortes probabilités, en fonction de paramètres évalués lors de précédents examens et tests, quels patients prévus dans la journée risquent d’avoir une pathologie urgente, ce qui permettra de les trier. On établira ainsi le degré d’urgence de l’analyse des examens afin de pouvoir donner les résultats très rapidement.

L’intelligence artificielle permet aussi l’analyse de la pertinence des tests réalisés. Actuellement, les médecins prescrivent souvent plusieurs tests qui se révèlent négatifs et dont on peut se demander s’ils sont tous utiles. Les chiffres avancés concernant les tests qui seraient réalisés inutilement sont très contestés. L’intelligence artificielle permettra d’y voir plus clair parce qu’il est nécessaire de traiter énormément de données pour faire cette analyse.

En quoi l’intelligence artificielle révolutionne-t-elle aussi rapidement le monde de la radiologie diagnostique ?

Benoît Gallix, président du Département de radiologie diagnostique, Université McGill et chef de radiologie, Centre universitaire de santé McGill

L’intelligence artificielle a fait un bond ces dernières années dans le domaine de la reconnaissance d’images, utilisée notamment dans Google, explique Benoît Gallix. Or, les mêmes algorithmes peuvent être utilisés pour reconnaître des pathologies en radiologie diagnosti-que, puisque nous travaillons avec des images. De plus, la radiologie a été la première spécialité en médecine à tout numériser. Fini, la montagne de films à regarder avec des négatoscopes ! Tout passe par l’ordinateur depuis longtemps déjà. À McGill, par exemple, dès 1997, tout était déjà numérisé en radiolo-gie. Nous avons donc la chance d’avoir une importante base de données.

Pouvez-vous nous en dire plus sur l’importance d’avoir une vaste base de données pour développer des outils d’intelligence artificielle ?

Les bases de données permettent d’entraîner les ordinateurs. La grande difficulté, en intelligence artificielle, c’est de créer de solides bases de données, avec un grand volume d’images sur une pathologie donnée, afin d’entraîner la machine à reconnaître cette pathologie. Cet apprentissage profond nécessite une grande quantité d’images provenant de dizaines de milliers de patients différents pour une même pathologie. Cela nécessite aussi un important travail de préparation de ces bases de données, qui n’ont pas été traitées en vue de cet objectif.  L’humain ne pouvant jamais être efficace à 100 %, ce qu’il faut à tout prix éviter, c’est d’entraîner des machines avec des données qui ne soient pas exactes. Chaque hôpital a aussi ses propres données ; dans l’avenir, il faudrait mettre toutes les données en -commun. Car pour développer des outils vraiment fiables, il faut les entraîner sur des données qui proviennent d’environnements différents et de situations variées. C’est une tâche complexe à réaliser, qui exigera le respect des règles de l’éthique.

Quelles considérations éthiques implique le recours à l’intelligence artificielle en radiologie diagnostique ?

Bien entendu, les bases de données sont anonymisées, mais il faut tout de même respecter plusieurs règles d’éthique. Par exem-ple, on ne va quand même pas donner 2 000 examens à Google pour créer une base de données ! Ces données doivent être confiées à un centre de recherche qui exerce un contrôle assez fort à l’égard de l’éthique. Il y a des enjeux de propriété intellectuelle aussi, parce que ces données serviront à créer de la richesse lorsque les algo-rithmes développés seront commercialisés à moyen terme.

Il y a également des contraintes réglementaires québécoises et canadiennes qui encadrent l’utilisation des images produites dans les hôpitaux et qui appartiennent aux patients. L’enjeu éthique est d’autant plus important que ces questions sont très présentes dans les pays occidentaux, mais complètement absentes ailleurs. C’est le cas notamment en Chine, pays aussi très actif dans ce domaine.

Faut-il s’en inquiéter ?

Il faudra trouver un équilibre afin de ne pas se laisser dépasser par ces pays qui n’ont aucun règlement fondé sur l’éthique en la matière. À l’heure actuelle, les règles sont très contraignantes au Canada, elles ne permettent pas un recours facile aux bases de données pour développer de nouveaux outils. Il faudra adapter les règles pour ne pas bloquer la recherche, tout en restant vigilants sur le contrôle de la sécurité des données et la façon dont on pourra utiliser ces outils. En effet, l’objectif essentiel est d’améliorer la prise en charge des patients et la qualité des soins, pas de fabriquer une nouvelle machine ! Nous souhaitons que les logiciels, qui seront garants de la sécurité de nos données de demain, soient développés en collaboration entre les secteurs public et privé, dans des pays qui partagent nos préoccupations à l’égard de l’éthique.

La machine risque-t-elle de remplacer un jour le radiologiste ?

Je ne crois pas que ce soit le cas à court terme, à moyen terme, ni sur le semi-long terme. Pour que l’intelligence artificielle permette de poser directement un diagnostic, il faudra des outils fiables, validés, approuvés, et nous ne sommes pas rendus à ce stade. Le processus d’approbation par les organismes de réglementation est complexe. Cela s’apparente à l’approbation d’un médicament, avec la nécessité d’avoir réalisé des essais cliniques. Par contre, pour un outil d’aide au diagnostic, le processus d’approbation est plus simple.

Ainsi, je crois que les radiologistes devront s’adapter très vite à l’arrivée de ces outils. Et je crois que, oui, les radiologistes qui ne voudront pas utiliser l’intelligence artificielle seront appelés à disparaître. Est-ce que je vois l’intelligence artificielle comme une menace ? Non ! Je la vois plutôt comme une occasion d’améliorer les soins donnés aux patients. Tant, bien sûr, qu’on encadrera l’utilisation de ces outils et qu’ils seront supervisés par des radiologistes qui auront une vision globale de la prise en charge des patients.

 

Les millions pleuvent à Montréal

Des investissements record sont réalisés à Montréal dans le secteur de l’intelligence artificielle depuis plus d’un an.

137,5 millions

Cette somme a été obtenue en juin par l’entreprise montréalaise Element AI, cofondée par Yoshua Bengio, sommité mondiale dans le domaine à l’Université de Montréal. C’est le plus grand investissement de série A jamais reçu dans le monde par une entreprise se consacrant à l’intelligence artificielle.

100 millions

Le gouvernement du Québec a annoncé en mai qu’il investissait 100 millions de dollars d’ici cinq ans pour créer une grappe québécoise en intelligence artificielle afin de favoriser la collaboration entre chercheurs, entreprises en démarrage, PME et investisseurs. Le gouvernement souhaite que le Québec entre dans le peloton de tête des 10 États de l’OCDE en recherche et en innovation en matière d’intelligence artificielle d’ici 2022.

 

94 millions

L’institut de valorisation des données (IVADO) créé conjointement par l’Université de Montréal, Polytechnique et HEC Montréal a obtenu cette somme l’an dernier à titre de financement du Fonds d’excellence en recherche Apogée du Canada.

Microsoft, Google et Facebook

Microsoft a annoncé qu’elle investirait 6 millions de dollars à l’Université de Montréal et 1 million à l’Université McGill pour soutenir la recherche en intelligence artificielle.

Google a annoncé un investissement de 4,5 millions de dollars sur trois ans pour soutenir les travaux de l’Institut des algorithmes d’apprentissage profond et mettre sur pied son propre groupe de recherche en apprentissage profond en intelligence artificielle à Montréal.

Facebook vient d’annoncer qu’il ouvrira un laboratoire d’intelligence artificielle à Montréal et investira 7 millions de dollars pour appuyer la recherche menée à Montréal, notamment via l’Institut canadien de recherches avancées et l’Institut des algorithmes d’apprentissage de Montréal dirigé par Yoshua Bengio.

Les milliards de Silicon Valley

Avec la présence de Google, Facebook et des nombreuses entreprises d’Elon Musk, dont Tesla et Neuralink, Silicon Valley est la Mecque de l’intelligence artificielle. L’industrie y investit des milliards de dollars chaque année.

Vers une industrie de 150 milliards de dollars en Chine

Le gouvernement chinois a annoncé cet été un plan de développement pour faire de l’intelligence artificielle une industrie de 150 milliards de dollars en Chine d’ici 2030 et, ainsi, devenir le plus grand joueur mondial dans ce domaine.

Partagez cet article




commentaires

Plain text

  • No HTML tags allowed.
  • Web page addresses and e-mail addresses turn into links automatically.
  • Lines and paragraphs break automatically.
Image CAPTCHA
Enter the characters shown in the image.