Utiliser l’intelligence artificielle pour gérer et analyser les données issues des pratiques des spécialités de radiologie et pathologie afin de permettre aux praticiens experts de se concentrer sur leurs pratiques cliniques les plus pointues, c’est l’idée avancée par Saurabh Jha et Eric J Topol dans un point de vue publié dans JAMA le 29 novembre 2016.
Radiologues et pathologistes sont tous deux des extracteurs d’information à partir d’images médicales (scanner, IRM etc.).
Les auteurs suggèrent de déléguer cette tâche complexe, routinière et chronophage de par l’immensité de la masse de données collectées à l’IA et sa capacité de deep learning algorithmique. Ce transfert permettrait de fusionner les expertises des radiologues et pathologistes en une seule et même spécialité : « les spécialistes de l’information ».
Selon eux, cette discipline unifiée présenterait une meilleure capacité de direction de l’IA et de guidage de l’information médicale pour l’amélioration des soins aux patients.
Fusionner radiologues et pathologistes en spécialistes de l’information
Optimisation de l’expertise humaine & de l’IA : une redéfinition des rôles
Transférer certaines tâches de leurs expertises respectives à l’IA permettrait aux radiologues & pathologistes de fusionner & devenir des spécialistes de l’information, qui impliquerait :
- Gain de temps (l’IA traite rapidement & précisément les multiples données collectées).
- Ultra-spécialisation par conservation de leur formation initiale et focalisation sur leurs connaissances en statistique, data science, biométrie & génomique.
- Intégration des données de sources disparates avec l’état clinique d’un patient.
- Application de l’expertise scientifique à l’échelle d’une population &/ou individuellement.
- Conserver l’expertise humaine pour les challenges cognitifs (diagnostic différentiel pointu) & déléguer le traitement des données « simples » à l’AI.
De la perception subjective à la science objective
Il ne s’agit pas de remplacer les spécialistes par l’IA mais de déplacer leur expertise en automatisant certaines de leurs tâches (screening des radiographies par exemple).
- La gestion de la détection, de la mesure, & de la caractérisation est d’ores et déjà standardisée.
- Les radiologues sont sur-entraînés à l’interprétation des radiographies réalisées sur un appareil portable aux urgences, quant aux pathologistes, comptage cellulaire, typage & screening du sang sont déjà automatisés.
En redéfinissant le rôle de ces spécialistes, on leur permet de ne plus réaliser l’extraction de l’information mais de manager les données extraites par l’IA dans le contexte clinique du patient :
- Interprétation des données « importantes ».
- Conseil sur la valeur ajoutée de tests diagnostics (pertinence des examens complémentaires).
- Intégration de l’information pour guider le clinicien.
Une seule unité d’IA pourrait alors réaliser le travail de plusieurs radiologues, & un seul spécialiste de l’information pourrait manager plusieurs unités d’IA.
- L’économie globale de ressources humaines & moyens financiers ne présentent pas seulement un intérêt pour les pays développés mais également pour les pays en voie de développement qui pourraient avoir accès à des spécialistes.
- L’obstacle réside dans le fait que pédagogie, tradition, accréditation et remboursement sont propres à chaque spécialité.
Le concept pourrait être amené à être appliqué à d’autres spécialités.
