DM

Lire des images issues d’IRM cardiaques prend en moyenne 13 minutes à un expert. Ce temps d’analyse pourrait être considérablement réduit, sans perte de fiabilité, grâce à l’intelligence artificielle (IA) sous forme d’apprentissage automatique (machine learning). Il pourrait passer à seulement 4 secondes, soit une analyse 186 fois plus rapide, comme le montre une étude* menée par des chercheurs britanniques et dont les résultats ont été publiés le 24 septembre 2019 dans Circulation : Cardiovascular Imaging, une revue de l’American Heart Association.

L’apprentissage automatique pour repérer les anomalies cardiaques 

L’IRM cardiaque est un examen fréquemment utilisé pour mesurer la structure et les fonctions cardiaques. De nombreuses décisions cliniques importantes, notamment le choix du moment d’une chirurgie cardiaque, l’implantation de défibrillateurs et la poursuite ou l’arrêt de la chimiothérapie cardiotoxique reposent sur des mesures précises.

Or, alors que l’imagerie par résonance magnétique cardiovasculaire pour mesurer la fraction d’éjection ventriculaire gauche est réalisée à haute résolution, l’analyse du clinicien est remarquablement variable.

Les techniques automatisées utilisant l’apprentissage automatique (machine learning – intelligence artificielle) pourraient permettre de gagner du temps et d’améliorer la confiance mais elles doivent avoir démontré qu’elles sont précises et reproductibles avant d’être adoptées en clinique.

Un réseau de neurones formé à l’analyse d’IRM

Des chercheurs britanniques ont mené une étude pour évaluer la fiabilité et la rapidité d’analyse de l’intelligence artificielle (IA) pour des IRM cardiaques. Ils ont formé un réseau de neurones à la lecture des résultats de l’IRM cardiaque et des résultats de près de 600 patients. 110 patients (de 5 établissements différents) ont ensuite été soumis à un examen d’IRM. Les volumes, la masse et la fraction d’éjection de la chambre ventriculaire gauche ont été mesurés par un expert, un jeune clinicien formé et le réseau de neurones convolutifs entièrement automatisés.

Au Royaume-Uni, où l’étude a été menée, on estime que plus de 150 000 IRM cardiaques sont effectuées chaque année. Sur la base du nombre d’analyses par an, les chercheurs pensent que l’utilisation de l’IA pourrait potentiellement permettre d’économiser 54 jours-cliniciens par an dans chaque centre de santé britannique.

Les résultats de cette étude ont été publiés le 24 septembre 2019 dans Circulation : Cardiovascular Imaging, une revue de l’American Heart Association.

Résultats : 186 fois plus rapide

• L’expert, le jeune clinicien et le système automatisé d’IA parvenait à la même précision d’analyse.
• L’analyse de la fonction cardiaque sur les examens d’IRM prenait environ 13 minutes aux humains contre environ 4 secondes au système de machine learning.
• La formation des jeunes cliniciens à l’analyse d’image dure environ 1 mois contre seulement 9 heures pour le réseau de neurones.

L’IA au secours de l’erreur humaine

Cette étude a démontré pour la première fois qu’une technique d’analyse automatisée faisant appel à l’apprentissage automatique avait une précision équivalente à celle d’un expert et qu’elle permettait de gagner un temps supplémentaire de 13 minutes environ.

Bien que l’étude n’ait pas démontré la supériorité de l’IA par rapport aux experts humains, l’auteur principale de l’étude, Charlotte Manisty, estime que « l’IRM cardiovasculaire offre une qualité d’image inégalée pour évaluer la structure et la fonction cardiaques ; toutefois, l’analyse manuelle actuelle reste basique et obsolète ». Les techniques d’apprentissage automatique automatisées « peuvent changer la donne et améliorer radicalement l’efficacité, complète-t-elle. Nous attendons avec intérêt de nouvelles recherches susceptibles de valider sa supériorité par rapport à l’analyse humaine. »

Un potentiel « sur-humain »

« Notre ensemble de données de patients atteints de diverses maladies cardiaques et qui ont été soumis à des analyses nous a permis de démontrer que les principales sources d’erreur de mesure provenaient de facteurs humains », ajoute Charlotte Manisty. Cela indique que les techniques automatisées sont au moins aussi efficaces que celles utilisées par l’homme, avec le potentiel d’être bientôt « surhumain ».

La société Guerbet, spécialiste de l’imagerie médicale diagnostique et interventionnelle, annonce avoir conclu avec IBM Watson Health un accord de co-développement et de co-commercialisation d’une solution d’IA visant à aider au diagnostic et au suivi des patients atteints d’un cancer de la prostate. Ce partenariat fait suite à une première alliance signée entre les deux sociétés en juillet 2018 pour le suivi par IA du cancer du foie.

Selon le communiqué daté du 24 septembre 2019, Guerbet et IBM prévoient de développer un outil utilisant l’intelligence artificielle pour «la détection, la segmentation, la caractérisation et le suivi des lésions dans le temps » avec pour objectif « un diagnostic plus rapide et plus précis » du cancer de la prostate.

« Dans le cancer de la prostate, l’enjeu principal du diagnostic est de distinguer les cancers nécessitant un traitement rapide de ceux qui ne nécessitent qu’une surveillance active »,  souligne le docteur David Gruen, directeur médical d’IBM Watson Health chargé de l’imagerie. Yves L’Epine, Directeur Général de Guerbet, poursuit : « l’intelligence augmentée devrait permettre aux médecins de diagnostiquer plus vite et plus précisément ces différents cas, et donc de réduire le nombre de biopsies inutiles tout en permettant de proposer la stratégie thérapeutique la plus adaptée à chaque patient ».

La société bisontine Archeon lance Eolife, dispositif d’aide à la ventilation pour la réanimation cardiaque. Selon le communiqué daté du 19 septembre 2019, l’intelligence artificielle (IA) intégrée à Eolife permet d’éviter le risque d’hyperventilation, en indiquant le juste volume d’air à administrer aux victimes d’arrêts cardiaques et la fréquence de ventilation optimale. Archeon vise la commercialisation de son dispositif en juin 2020, après tests en laboratoire et obtention du marquage CE.

La société estime que dans 80 % des cas les secouristes chargés de la réanimation administrent beaucoup trop d’air aux victimes avec « de très lourdes conséquences pour l’organisme » : réduction de l’efficacité du massage cardiaque, lésions et infections pulmonaires, barotraumatismes, pneumonie, séquelles neurologiques. Cette hyperventilation « impacte les chances de survie dans 70 % des cas », complète-t-elle, expliquant en partie que « le taux de survie résultant d’une tentative de réanimation reste inférieur à 5 % » et que l’arrêt cardiaque « demeure aujourd’hui la première cause de mortalité dans le monde ».

Eolife interprète par IA les variables de la ventilation prodiguée aux patients, en fonction de leur profil, de leur poids et de leur état, ainsi que du type de réanimation effectuée (invasive ou non) : il donne aux secouristes « un retour sonore et visuel ». Selon des tests réalisés auprès de médecins urgentistes, d’anesthésistes et d’ambulanciers, notamment au sein de la Croix-Rouge française et de la Brigade de sapeurs-pompiers de Paris, Eolife permettrait de passer de 15 % à 90 % de ventilation adéquate en conditions expérimentales.

Un système de localisation en temps réel (Real-Time Location System, RTLS) des patients va être testé au sein du nouveau Centre national des maladies infectieuses de Singapour (The National Centre for Infectious Diseases, NCID) : il devrait être déployé à la fin 2019. Cette annonce a été émise lors de l’ouverture officielle du NCID le 7 septembre 2019, en présence du ministère de la Santé singapourien Gan Kim Yong.

Le système RTLS permettra de suivre les patients, les visiteurs et le personnel de l’établissement lors de l’éclosion d’une maladie infectieuse mais aussi de localiser rapidement et de manière fiable les personnes concernées à contacter pour que les mesures nécessaires puissent être prises rapidement afin d’enrayer la transmission de la maladie.

La conformité des travailleurs de la santé aux règles relatives à l’hygiène des mains sera également surveillée par le biais de l’outil, un élément essentiel dans le contrôle des infections au sein d’un espace de soins. Le RTLS améliorera également le suivi des actifs, en facilitant la localisation et le rappel des équipements clés, tels que les lits et les fauteuils roulants en cas de situations extrêmes ou d’apparition d’une épidémie.

NCID : une approche globale et intégrée de la gestion des maladies infectieuses

Marqué par une utilisation importante des nouvelles technologies de santé, le National Centre for Infectious Diseases de Singapour (NCID) est un établissement construit par le ministère de la Santé et doté de 330 lits, répartis sur 14 étages, afin d’améliorer la gestion des éclosions de maladies infectieuses et la prévention auprès de la population par les organismes de santé publique de la cité-État.

Le NCID regroupe diverses activités (services cliniques, organismes de fonctions de santé publique, formation en matière d’éclosion des maladies, éducation du public et participation de la communauté à la prévention des épidémies) afin de permettre une approche globale et intégrée de la gestion des menaces de maladies infectieuses.

Exploiter les technologies pour mieux protéger la population

« Les installations nouvelles et améliorées en cas d’épidémie, la recherche constante de l’excellence dans la prestation des soins, l’expertise de notre personnel ainsi que l’intégration des fonctions cliniques et de santé publique du NCID pour faire face à une épidémie de maladie infectieuse ont été mis à l’essai en quelques mois à peine après notre déménagement au sein du NCID, commente le Pr Leo Yee Sin, directeur exécutif du NCID (communiqué). Nous continuerons de renforcer notre volonté de faire face à une épidémie en formant du personnel soignant et en exploitant les technologies permettant de protéger la population de Singapour des maladies infectieuses. »

L’AP-HP s’engage dans un partenariat d’innovation afin de parvenir à l’automatisation du codage des diagnostics de séjours courts (zéro, une ou deux nuits, hors séances) de médecin, chirurgie et obstétrique (MCP) sur le base des documents médicaux produits par les professionnels à l’occasion de ces séjours.

L’idée est d’utiliser un système basé sur intelligence artificielle (IA) pour réduire le travail de codage nécessaire dans le cadre de ces séjours et « libérer des ressources humaines qui pourront notamment se concentrer sur les séjours longs au codage plus complexe », explique l’AP-HP dans un communiqué publié le 12 septembre 2019. Améliorer la qualité des données du programme de médicalisation des systèmes d’information (PMSI) pourrait avoir un impact positif sur la recherche biomédicale et le pilotage des organisations de soins, estime l’établissement.

La démarche concerne 600 000 séjours (en 2018), soit 43 % de l’activité « séjours » de l’AP-HP.

Pour concevoir une solution adaptée, l’AP-HP recherche des entreprises spécialisées en IA afin de l’épauler. Un appel à candidatures (AAC) va être lancé au cours du mois pour sélectionner ces sociétés partenaires :
• le démarrage de la recherche et développement avec les lauréats de l’AAC est programmé pour janvier 2020 ;
• 3 phases de développement sont ensuite prévues jusqu’à fin 2021, pour un objectif d’acquisition finale et de mise en place de la solution en 2022-2023.
La procédure sera pilotée par le pôle d’intérêt commun Achat de l’AP-HP.

Partenariat d’innovation : des collaborations encadrées entre acheteurs publics et opérateurs économiques

Le partenariat d’innovation, prévu à l’article L. 2127-3 du code de la commande publique, « a pour objectif de faciliter la passation de marchés publics à visée innovante et d’aider les acheteurs publics à faire une meilleure utilisation stratégique de leurs marchés pour stimuler l’innovation », synthétise le ministère de l’Économie (site web). Son but est de développer des collaborations encadrées entre les acheteurs publics et des opérateurs économiques sur des projets à élaborer.

Dans le contexte présent, il permet de structurer le projet d’automatisation du codage des séjours courts en travaillant sur plusieurs phases avec divers partenaires sélectionnées afin de développer à terme la solution la plus adaptée possible.

« Il s’agit d’une véritable démarche de recherche et développement »

« Il s’agit d’une véritable démarche de recherche et développement, car les produits informatiques existant actuellement ne sont pas encore adaptés à l’objectif de qualité du codage de ces séjours », commente l’AP-HP.

Dans le cadre de ce partenariat :

• les entreprises retenues à l’issue de l’appel à candidatures apporteront leur savoir-faire dans le domaine de l’intelligence artificielle (IA) ;
• l’AP-HP mettra à disposition son entrepôt de données de santé, le plus grand disponible actuellement en France, et l’expertise de ses équipes d’information médicale.

Les partenaires collaboreront en ces termes pour concevoir la meilleure solution possible de codage automatisé des diagnostics de séjours courts.

« L’intelligence artificielle (IA) est actuellement partout en santé comme ailleurs. Mais entre fantasmes et réalités : Où en est-on ? Qu’entend on par intelligence artificielle ? Quelles en sont les applications en santé ? Quels en sont les usages ? » Ces interrogations rythmeront les échanges du Tic Santé Meeting organisé le 26 septembre 2019 à partir de 18 heures à Bordeaux par Tic Santé Nouvelle-Aquitaine.

Les inscriptions pour participer à l’événement, gratuites mais obligatoires, doivent être réalisées par le biais d’un formulaire en ligne, accessible via ce lien.

Programme :

• 18h00 : accueil

• 18h30 : mot d’accueil

• 18h45 : Qu’entend-on aujourd’hui par « intelligence artificielle » dans le domaine de la santé ? Quelles applications, quelles thématiques, quelles évolutions ?

  • Dr Béatrice Falise-Mirat, de Health and Tech Intelligence (Care Insight)

• 19h15 : La médecine orientée par les données :

  • Thierry Colin, PhD, VP imaging applications à Sophia Genetics

• 19h30 : Quels usages, quelles enjeux ?

  • retour d’expérience du Pr Stéphane Lafitte, professeur de cardiologie au CHU de Bordeaux, aux cotés de Bertrand Moal, P.-D.G. de la start-up Deski (IA et imagerie médicale) ;
  • notion de confiance autour de l’IA par le Dr Jean-Arthur Micoulaud-Franchi, MCU PH en physiologie au CHU de Bordeaux/Sanpsy.

La start-up Insilico Medicine et des chercheurs canadiens de l’University of Toronto sont parvenus grâce à un système basé sur intelligence artificielle (IA) à concevoir, à synthétiser et à valider un nouveau candidat médicament contre la fibrose en seulement 46 jours, contre 2 à 3 ans en temps normal. L’étude*, publiée le 2 septembre 2019 dans Nature Biotechnology, démontre que l’IA a un véritable potentiel disruptif dans la recherche de nouveaux médicaments, accélérant considérablement le process et le rendant moins aléatoire.

Accélérer la recherche de nouveaux médicaments grâce à l’IA

La découverte de nouveaux médicaments nécessite des années de recherche. Ce processus long est donc aussi coûteux. Selon l’économiste Joseph DiMasi, directeur du Tufts Center for the Study of Drug Development, le coût moyen nécessaire pour amener une nouvelle molécule sur le marché a même été multiplié par 6 entre 1991 et 2013.

De nombreuses start-ups tentent donc de développer des outils d’intelligence artificielle (IA) pour raccourcir ce temps et permettre à des molécules prometteuses d’arriver plus vite au lit du patient. En 2012, le chercheur canadien, Georges Dalh, spécialiste en machine learning (apprentissage automatique), avait ouvert la voix en remportant le Merck Molecular Activity Challenge : il avait démontré l’efficacité de réseaux de neurones profonds – peu entrainés – pour prédire l’activité d’une molécule à partir de sa structure. À partir de là, le recours à des algorithmes de deep learning (apprentissage profond) pour dénicher de nouveaux médicaments se généralise. Les partenariats entre start-ups et laboratoires pharmaceutiques se multiplient.

2 techniques d’IA au service d’un médicament contre la fibrose

Une nouvelle étude, publiée le 2 août 2019 dans Nature Biotechnology, a été menée par la Fondation de recherche en biogérontologie. En combinant 2 techniques d’intelligence artificielle – les réseaux antagonistes génératifs (GAN) et l’apprentissage par renforcement (RL) -, l’équipe de chercheurs d’Insilico Medicine à l’origine de ces travaux a réussi à valider le pouvoir réel de l’IA. C’est-à-dire la réduction du temps dédiée à la découverte et au développement du médicament, ainsi que la transformation d’un processus aléatoire semé d’impasses en un processus intelligent, ciblé et dirigé, qui prend en compte les propriétés moléculaires spécifiques d’un produit compte tenu de la maladie.

46 jours au lieu de 3 ans

Ce système, appelé « GENTRL », a permis de trouver 6 traitements prometteurs contre la fibrose à partir de 30 000 modèles de molécules, et ce en seulement 21 jours. Ces 6 molécules ont ensuite été synthétisées et l’une d’entre elles a été testée chez la souris et a donné des résultats prometteurs. Au total, toutes ces étapes ont été menées à bien en 46 jours. En temps normal, l’ »Hit to Lead » (H2L), qui est la phase où les molécules sorties des campagnes de criblage à haut débit sont évaluées et identifiées comme prometteuses, requiert 2 à 3 ans de travail.

« Nous avons une stratégie d’intelligence artificielle combinée à une imagination d’intelligence artificielle », commente Alex Zhavoronkov, P.-D.G. d’Insilico, qui compare le fonctionnement de GENTRL au système d’apprentissage automatique AlphaGo mis au point par Google Deepmind pour mettre au défi les joueurs de Go.

Un algorithme en open source 

« Il est également intéressant de noter que l’équipe a publié le code de son algorithme dans un format open source, permettant à d’autres chercheurs d’appliquer leurs techniques et de s’appuyer sur leurs réalisations pour faire progresser tout le domaine de l’IA pour la conception de médicaments, la recherche sur le vieillissement et la longévité, » déclare Richard Siow, directeur de la recherche sur le vieillissement au King’s College de Londres et ancien vice-doyen de la Faculté des sciences de la vie et de la médecine du King’s College de Londres.

La Biogerontology Research Foundation espère, de son côté, que cette étude incitera d’autres chercheurs à exploiter le potentiel de l’IA dans la recherche sur la longévité, et poussera les départements R&D des grands laboratoires pharmaceutiques à intégrer l’intelligence artificielle dans leurs programmes « pour apporter des médicaments permettant de sauver des vies entre les mains de vrais patients ».