L’intelligence artificielle est plus performante couplée à un avis d’expert

La dermatologie, un beau terrain de jeu pour l’IA En 2020, une étude publiée dans Nature Medecine par Yuan Liu(1), incluant 1600 patients, montrait que l’intelligence artificielle (IA) était plus performante, pour le diagnostic des 26 maladies dermatologiques les plus fréquentes, que des médecins généralistes ou des infirmières spécialisées et aussi efficientes que des dermatologues. La même année, Google publiait son premier outil d’IA en dermatologie, couplant des images de dermoscopie et des informations sur l’histoire médicale et les caractéristiques du patient, pour donner les trois diagnostics les plus probables d’une lésion dermatologique. Une application dite « DermAssist » est désormais commercialisée par la firme ; elle est conçue pour être fiable, quelles que soient les carnations, et pour aider les praticiens à identifier 90 % des lésions dermatologiques (peau, cheveux, ongles). L’aide de l’IA diagnostique paraît donc avérée pour des praticiens non spécialistes pour l’identification de lésions suspectes. Mais que peuvent en attendre les dermatologues ? L’équipe de Philipp Tschandl publiait quelques mois plus tard, dans la même revue, une étude portant cette fois exclusivement sur le diagnostic de lésions dermatologiques malignes et montrait qu’une AI de bonne qualité associée à un avis d’expert faisaient mieux que l’AI seule ou l’expert seul(2). L’honneur était sauf pour les dermatologues !   Une limite : la qualité des images Si ces outils peuvent être très utiles pour le diagnostic et l’évaluation de la sévérité d’une lésion dermatologique, leur limite tient à la qualité des images requises : l’interprétation peut varier en fonction de la luminosité, de la perspective, de la distance de la lésion comme le montre une étude parue dans NPJ Digital Medicine(3) : une simple variation d’échelle ou de rotation de l’image prise en dermoscopie peut amener à des diagnostics totalement différents. « Leur utilisation systématique en pratique courante fait aussi courir le risque de réduire, au long cours, la compétence clinique de l’utilisateur », souligne le Pr Soyer. D’autres limites existent mais pourraient être dépassées par l’enrichissement des banques de données, dans la mesure où le deep learning s’éduque plus qu’il ne se programme, notamment en matière de reconnaissance des lésions sur peau cicatricielle et de la faible représentativité des minorités avec des phénotypes différents, comme le souligne une récente étude parue en août 2022 dans la revue l’American Academy of dermatology. Le projet ISIC (International Skin Imaging Collaboration) est destiné à améliorer le diagnostic du mélanome en fournissant pour chaque image du jeu de données un identifiant permettant de cartographier les lésions d’un même patient et de les comparer. C’est ce que font, en pratique, les praticiens pour diagnostiquer le mélanome. Ces informations contextuelles sont particulièrement utiles pour exclure les faux positifs chez les patients présentant de nombreux nævus atypiques.   Conserver le partenariat homme-machine Les systèmes d’imagerie médicale fondés sur l’IA sont donc des outils très utiles en pratique et dans les essais cliniques pour le diagnostic et l’évaluation de la sévérité d’une lésion de la peau. Améliorer les compétences et les subtilités de la machine de façon qu’elle rende de meilleurs services sans pour autant remplacer le médecin est un projet tout à fait réalisable. Plus les banques de données seront riches et les algorithmes performants, plus l’IA sera précieuse en dermatologie. En somme, une IA rendue plus intelligente par l’homme, capable de mémoire et de transversalité.