Incubateurs

Un nouveau système d’intelligence artificielle (IA) a montré sa capacité à reconnaître les anomalies radiologiques sur des radiographies thoraciques, les images ayant pu être classées en fonction de leur degré d’urgence. Les résultats de cette étude* publiée le 22 janvier 2019 dans la revue Radiology montrent que cet outil basé sur le deep learning a permis de réduire considérablement les délais de consultation avec un radiologue.

Des centaines de milliers de radiographies à trier

Des radiographies thoraciques sont systématiquement effectuées pour diagnostiquer et surveiller un large éventail d’affections touchant les poumons, le cœur, les os et les tissus mous. Elles représentent à elles seules 40 % de l’imagerie diagnostique.

Au Royaume-Uni par exemple, on estime que plus de 300 000 radiographies sont en attente de rapport. Résultat : les patients attendent en moyenne 30 jours pour obtenir un compte rendu. Un délai considérable qui peut constituer une perte de chance.

« Il n’existe actuellement aucun moyen systématique et automatisé de trier les radiographies pulmonaires et de classer celles qui présentent des résultats critiques et urgents au sommet de la pile du radiologue », constate le Dr Giovanni Montana, de l’université de Warwick à Coventry, en Angleterre.

Pour combler ce manque et accélérer l’accès aux soins, ce chercheur a mené avec ses collègues du King’s College de Londres une étude sur le sujet dans laquelle ils ont testé une méthode d’intelligence artificielle (IA) permettant de hiérarchiser les radiographies thoraciques en fonction de la gravité des anomalies repérées.

L’IA pour hiérarchiser les images en fonction de l’urgence

Concrètement, les chercheurs ont extrait un jeu de données comprenant un demi-million de radiographies thoraciques anonymisées acquises de 2007 à 2017. Les rapports de radiologie ont été pré-traités à l’aide d’un système de natural language processing (NLP) modélisant le langage radiologique.

Le système de NLP a analysé le rapport en texte libre afin de hiérarchiser chaque radiographie comme critique, urgente, non urgente ou normale. Un système d’IA pour la vision par ordinateur utilisant un ensemble de deux réseaux de convolution profonds a ensuite été formé à l’aide de radiographies pour prédire la priorité clinique à partir d’apparences radiologiques uniquement.

La performance du système en matière de hiérarchisation des priorités a été testée dans une simulation en utilisant un ensemble indépendant de 15 887 radiographies.

Les résultats de cette étude ont été publiés le 22 janvier 2019 dans la revue Radiology.

Résultats : 8 jours de gagnés

• Le système de deep learning a repéré les radiographies thoraciques normales avec une valeur prédictive positive de 73 % et une valeur prédictive négative de 99 %.
• Le délai moyen de prise en charge par un radiologue a pu être réduit, passant de 11,2 jours à 2,7 jours pour les résultats d’imagerie critiques et de 7,6 jours à 4,1 jours pour les résultats urgents.

L’automatisation rend les professionnels plus efficaces

« Les rapports d’imagerie basés sur l’intelligence artificielle pourraient constituer un outil précieux pour améliorer le flux de travail des départements et l’efficacité des professionnels », ont déclaré les auteurs de cette étude. Ainsi, la charge de travail des radiologues pourrait être réduite et ils pourraient se consacrer davantage aux patients chez qui une anomalie grave a été détectée.

« Cependant, les retards moyens sont restés à 2,7 et 4,1 jours pour les radiographies critiques et urgentes, respectivement, ce qui resterait inacceptable pour la pratique nord-américaine », ont ajouté les chercheurs. Ils envisagent donc de poursuivre leurs recherches sur de plus larges échantillons et de complexifier les algorithmes. Enfin, ces technologies pourraient tout à fait s’appliquer également à de nombreuses autres modalités d’imagerie, y compris l’IRM et le scanner.

L’Agence nationale de sécurité du médicament et des produits de santé (ANSM) et la Caisse nationale de l’Assurance maladie (Cnam) créent conjointement Epi-Phare, « une structure d’expertise publique en pharmaco-épidémiologie et en épidémiologie des dispositifs médicaux« , soutenue par le ministère des Solidarités et de la Santé. Il s’agit d’un groupement d’intérêt scientifique (GIS) qui réunit depuis janvier 2019 les équipes du pôle épidémiologie de l’ANSM et du département des études de santé publique de la Cnam.
En décembre 2018, Dominique Martin, directeur général de l’ANSM, et Nicolas Revel, son homologue à la Cnam, avait signé une convention visant à créer un GIS.

Cette structure, installée à Saint-Denis dans les locaux de l’Agence de sécurité du médicament, est chargée « de répondre à la demande croissante d’études basées sur l’exploitation des données complexes et de très grande ampleur du Système national des données de santé (SNDS), et ce de manière réactive », expliquent les deux organisations dans un communiqué publié le 22 janvier 2018. Ces études permettent notamment d’identifier de manière plus rapide et plus précise les risques liés aux produits de santé et d’éclairer les décisions des pouvoirs publics en matière de sécurité sanitaire.

L’entité pilotera et coordonnera des études épidémiologiques en vie réelle sur les produits de santé, « selon un programme de travail structuré », notent l’ANSM et la Cnam.

Le Pr Mahmoud Zureik, de l’université de Versailles Saint-Quentin-en-Yvelines est le directeur d’Epi-phare. Les Dr Rosemary Dray-Spira (ANSM) et Alain Weill (Cnam) ont quant à eux été nommés adjoints au directeur. Par ailleurs, le GIS nouvellement fondé s’appuie sur un conseil scientifique international, présidé par le Pr Bernard Bégaud, de l’université de Bordeaux, dont la première séance s’est tenue le 22 janvier.

Des études pour éclairer les décisions des autorités en matière de santé

Les informations issues des études basées sur l’exploitation des données du SNDS visent notamment à éclairer la prise de décision par les autorités de santé.

L’ANSM et la Cnam citent en exemple les travaux sur l’exposition in utero à l’acide valproïque (Dépakine et Dépakote), sur la survenue d’accidents thromboemboliques veineux liés à la prise de contraceptifs oraux combinés et sur les risques associés à la nouvelle formule du Lévothyrox.

Des études d’utilisation des produits de santé et sur les sécurités des dispositifs médicaux

Sur proposition de la direction du GIS, et validation de son conseil scientifique, le programme de travail a pour mission de mener :

• des études d’utilisation des produits de santé, axées notamment sur le mésusage, sur les populations considérées comme fragiles (personnes âgées, nourrissons et enfants, femmes enceintes, populations défavorisées…) ou sur les nouveaux médicaments ;
• des études sur la sécurité des médicaments et des dispositifs médicaux.

Fonctions principales du GIS

De manière générale, le GIS :

• « apportera son expertise dans l’évaluation d’études réalisées par d’autres acteurs (équipes académiques ou laboratoires pharmaceutiques) ;
• apportera un appui méthodologique à l’utilisation des données du SNDS ;
• développera une politique d’animation scientifique pour la communauté scientifique académique ;
•  financera des études réalisées par des équipes académiques sans lien d’intérêt », précisent l’ANSM et la Cnam.

 Le GIS s’appuiera également sur les plateformes de pharmaco-épidémiologie rassemblant des équipes universitaires indépendantes.

Un groupement d’experts en épidémiologie des produits de santé

Le groupement est composé d’environ 25 médecins, pharmaciens, statisticiens, etc, qui disposent d’une expertise dans le domaine de l’épidémiologie des produits de santé. Ces derniers ont en effet déjà réalisé une cinquantaine d’études en vie réelle, dont 10 en commun, ayant donné lieu à des publications dans les plus importantes revues médicales internationales.

« Dans un contexte d’ouverture large des données de santé, cette structure d’expertise publique (…) a vocation à monter en puissance, à être renforcée et à s’ouvrir à d’autres institutions ayant des activités dans le domaine des produits de santé », notent les deux établissements.

Des chercheurs danois de l’université d’Aarhus ont mené une étude* de cohorte d’une taille inédite. Afin d’établir avec précision les risques de comorbidité chez les personnes souffrant d’un trouble mental, ils ont analysé des données provenant des quelque 6 millions de personnes vivant au Danemark. Cette étude de grande envergure, publiée le 16 janvier 2019 dans le Jama Psychiatry, révèle que le risque de développer une comorbidité persistait pendant 15 ans. Les chercheurs ont également développé une page web interactive offrant aux professionnels et au grand public un accès à ces données en fonction de l’âge, du sexe et du type de trouble mental.

Le big data danois au service de la santé mentale

Les personnes traitées pour un trouble mental présentent un risque accru de développer ultérieurement d’autres troubles mentaux. Plusieurs études ont déjà démontré ce risque mais l’estimation de cette prévalence repose sur des enquêtes transversales qui sont connues pour sous-estimer le phénomène.

Celles basées sur des registres nationaux de santé permettent d’affiner cette estimation mais, à ce jour, les études de comorbidité basées sur des registres ont été limitées à des sous-ensembles de troubles mentaux. Elles ne donnent qu’une vision parcellaire du risque de comorbidité dans la santé mentale.

Une étude sur 6 millions de personnes

Une équipe internationale de chercheurs (danois, américains, australiens, néozélandais et néerlandais) a donc entrepris une étude approfondie en utilisant les registres danois de santé, une base de données de 5,9 millions de personnes, soit l’ensemble des habitants nés au Danemark entre le 1er janvier 1900 et le 31 décembre 2015 et résidant dans le pays pendant la période étudiée (du 1er janvier 2000 au 31 décembre 2016).

Depuis 1968, le système d’enregistrement civil danois conserve des informations sur tous les résidents, y compris le sexe, la date de naissance, des informations actualisées en permanence sur le statut vital, le tout relié à un numéro d’identification personnel unique. Il s’agit donc de l’étude la plus détaillée jamais réalisée sur la comorbidité dans le domaine de la santé mentale.

En raison de la taille de l’enquête, les chercheurs ont pu mesurer les risques absolus de développer plus d’une maladie mentale par la suite. Ils ont examiné le lien entre les 90 paires de troubles possibles.

Cette recherche s’inscrit dans projet psychiatrique national iPSYCH et le programme de recherche de Niels Bohr, professeur à l’université d’Aarhus, qui explore des méthodes novatrices liées à l’épidémiologie psychiatrique.

Les résultats ont été publiés le 16 janvier 2019 dans le Jama Psychiatry.

Résultats : un risque de comorbidité pour tous les malades

• Au total, les 5 940 778 personnes incluses dans l’étude (2 958 293 hommes ont été suivis pendant 83,9 millions personnes-années).
• Tous les troubles mentaux étaient associés à un risque accru de tous les autres troubles mentaux.
• Le risque de développer une comorbidité était plus important la première année après l’apparition d’un trouble mental mais il persistait pendant au moins 15 ans.
• Pour certains troubles, les risques de développer des troubles spécifiques étaient substantiels. 30,6 % des hommes et 38,4 % des femmes chez lesquelles un trouble de l’humeur a été diagnostiqué avant l’âge de 20 ans ont développé des troubles névrotiques au bout de 5 ans.

Un site web accessible aux patients 

« Nous savions déjà par des études de moindre envergure que certains types de troubles avaient tendance à se produire ensemble. Mais nous pouvons maintenant confirmer que la comorbidité est la règle et non l’exception », a déclaré Oleguer Plana-Ripoll, chercheur postdoctoral au Centre national de recherche basé sur les registres de l’université d’Aarhus et auteur principal de l’étude.

En outre, les chercheurs ont développé un site web interactif pour visualiser tous les résultats et guider les recherches futures. Ce site est également accessible au grand public. « Si les cliniciens et les personnes atteintes de troubles mentaux avaient facilement accès aux risques absolus de comorbidité, ces informations pourraient permettre des interventions plus adaptées et une meilleure éducation en matière de gestion autonome », ont-ils indiqué.

En conclusion, les chercheurs font le pari que la fourniture d’estimations du risque absolu facilitera la traduction clinique de leurs résultats et « jettera les bases des futures études relatives à la médecine personnalisée et à la prévention primaire de la comorbidité. »

L’université de Strasbourg et l’Inria ont signé le 16 janvier 2019 un accord-cadre pour permettre de  structurer et de renforcer leurs projets communs de recherche scientifique.
Ce partenariat renforcé réside dans la mise en commun de ressources autour de trois équipes de recherche communes :
• Mimesis : cette équipe est dirigée par Stéphane Cotin et vise à créer une synergie entre chirurgiens et chercheurs. L’équipe-projet développe différents outils de réalité augmentée et de simulation au service de la formation médicale et de la planification d’opérations chirurgicales.
 • Tonus : cette équipe est dirigée par Philippe Helluy et développe des modèles pour prédire le comportement des plasmas, notamment en relation avec le projet ITER en construction au centre d’études de Cadarache (Provence-Alpes-Côte d’Azur). Ce dernier vise à produire une énergie renouvelable grâce aux réactions de fusion se produisant dans un plasma d’hydrogène.  
• Camus : cette équipe est dirigée par Philippe Clauss et s’attache à améliorer la performance, la correction et la productivité des processeurs multi-cœurs. Ces derniers sont indispensables pour produire des ordinateurs plus puissants.  

Cet accord-cadre s’inscrit dans la volonté d’avoir un impact fort pour la société et le territoire alsacien, en particulier au sein de Nextmed, le campus des technologies médicales de Strasbourg dirigé depuis 2017 par Nicolas Pellerin.

Pour aller plus loin :

• Équipe-projet Mimesis : https://mimesis.inria.fr
• Équipe-projet Tonus : https://www.inria.fr/equipes/tonus
• Équipe-projet Camus : https://www.inria.fr/equipes/camus
• Laboratoire ICube : https://icube.unistra.fr
• Laboratoire Irma : https://irma.math.unistra.fr

Dans le cadre de la Cité européenne de l’innovation en santé et des Vendredis de l’innovation en santé, la Métropole de Nice organise le 1er février 2019 une conférence sur l’intelligence artificielle (IA).

Les thèmes abordés :
• l’IA dans le parcours de soins du patient en Provence-Alpes-Côte d’Azur (PACA) ;
• une dynamique partenariale entreprise-donneurs d’ordre du secteur santé.

Cet événement vise à faciliter les rencontres entre les start-ups des secteurs de la santé et de la silver économie de la région et les industriels mais aussi les décideurs économiques et institutionnels. Un autre moment fort de la journée sera la présentation des feuilles de routes numériques et des besoins par les grands comptes industriels et institutionnels.

Les inscriptions, gratuites mais obligatoires, doivent être réalisées en ligne via ce lien ou par email à sophie.morgenstern@nicecotedazur.org.

Pour les start-ups, renseignements et inscription via sophie.morgenstern@nicecotedazur.org ou au 06 07 40 45 05.

Programme :

9h30 : Accueil café dans le showroom

10h : Ouverture et présentation des intervenants

10h10-10h30 : Présentation initiative 3iA/Centre de référence bien-être et vieillissement UCA

10h30-11h : Présentation Microsoft Santé France

11h-11h30 : Présentation agence régionale de santé (ARS) Provence-Alpes-Côte d’Azur (PACA)

11h30-12h30: 5 pitchs de startups

12h30-13h : Cocktail

13h-13h30 : Présentation CEA Tech, accélérateur

13h30-14h : Présentation IBM Health

En présence de :

• Antoine Denis, directeur « santé » de Microsoft France ;
• Ahmed El-Bahri, directeur de l’organisation des soins à l’ARS PACA ;
• Laurent Peillard, responsable du département « pharmacie et biologie »à l’ARS PACA ;
• Georges Uzbelger, ingénieur à IBM ;
• CEA Tech ;
• l’université Côte d’Azur ;
• 5 start-ups de la région Provence-Alpes-Côte d’Azur.

Proposer une stratégie d’accompagnement des métiers du secteur de la santé et des fonctions support aux soins face au développement de l’intelligence artificielle (IA), tel est l’objectif de la note « IA et emploi en santé : quoi de neuf docteur ? », publiée par l’Institut Montaigne et rédigée par David Gruson (auteur principal*), docteur en droit de la santé et fondateur de l’initiative Ethik-IA, qui vise au déploiement d’outils de régulation positive du déploiement de l’IA et de la robotisation en santé.

L’idée, à travers ce texte daté de janvier 2019, est de « contribuer à une prise de conscience quant à la nécessité de créer, dans les meilleurs délais, une méthodologie d’évaluation des effets du déploiement de l’IA et de la robotisation dans le secteur de la santé« , et ce dans l’optique de rendre effective la transformation des métiers du soin.

David Gruson et les co-auteurs de la note, Adrien Deudon (membre d’Ethik-IA) et Laure Millet (Institut Montaigne), émettent les 2 propositions clés suivantes :
• établir une méthodologie d’évaluation des impacts de l’IA sur l’emploi en santé : création, par les pouvoirs publics, d’une plateforme de dialogue entre les différents acteurs impliqués ;
• déployer une responsabilité sociétale des entreprises (RSE) digitale au sein des établissements de santé : en incitant ces derniers à étudier la transformation des métiers ainsi qu’à développer des méthodologies d’évaluation des compétences et des nouveaux besoins en formation des salariés.

La radiologie et l’ophtalmologie parmi les 1ers métiers impactés par l’IA

Les conditions d’exercice des spécialités médicales et des fonctions support aux soins « vont durablement changer » de par le déploiement de l’intelligence artificielle (IA) dans le secteur, analysent les auteurs de la note, précisant que les impacts vont néanmoins différer selon les métiers.

Ainsi, ils estiment qu’un impact « possiblement fort » est à attendre pour les disciplines reposant déjà sur du code numérique, comme la radiologie et l’ophtalmologie. « Leurs activités se déplaceront vers des actes à plus haute valeur ajoutée, tandis que les tâches les plus rébarbatives seront effectuées par la machine », avancent les trois experts.

Des effets plus lourds attendus sur les fonctions support aux soins

Par ailleurs, les effets de l’IA sont annoncés plus lourds sur les fonctions support aux soins dans la note. Ainsi, plusieurs solutions d’intelligence artificielle relatives à la gestion des tâches administratives ou logistiques ont déjà été instaurées dans d’autres secteurs, est-il souligné.

Proposition n° 1 : établir une méthodologie de chiffrage des impacts de l’IA sur les ressources humaines en santé

• Objectif : appréhender les effets de création et de transformation des métiers du secteur de la santé.
• Moyen : création, par les pouvoirs publics, d’une plateforme de dialogue entre les différents acteurs impliqués.

La méthodologie de chiffrage proposée s’articule autour de 6 étapes clés :

• 1. recenser les effectifs par catégories professionnelles du secteur de la santé, comme par exemple la gestion administrative ;
• 2. répertorier les métiers appartenant aux catégories professionnelles repérées, comme celui de secrétaire médical(e) ;
• 3. identifier les activités ou tâches correspondant à chaque métier ;
• 4. déterminer le taux de substitution de chaque activité identifiée ;
• 5. mesurer le taux de substitution pour chaque métier ;
• 6. réaliser des scénarios d’impact.

« Il apparaît essentiel que les pouvoirs publics puissent rapidement se saisir de l’enjeu de construire une méthodologie de suivi en continu des impacts de l’IA sur l’emploi en santé », commentent David Gruson, Adrien Deudon et Laure Millet, précisant que « la construction d’un cadre de dialogue associant les représentants des patients, les professionnels de santé, les partenaires sociaux et les acteurs économiques constitue un axe prioritaire ».

Proposition n° 2 : déployer une RSE digitale au sein des établissements de santé

« L’investissement dans l’anticipation du déploiement de l’IA et de la robotisation doit pouvoir être reconnu comme une nouvelle forme d’exercice de la responsabilité sociétale des entreprises (RSE) », expliquent les auteurs de la note.

L’idée est d’appliquer la notion de RSE à l’engagement des mesures d’accompagnement des effets sociétaux liés à la transformation numérique et donc à l’intelligence artificielle. Le développement des technologies d’IA dans un secteur d’activité donné « entraîne nécessairement des conséquences sur la société », est-il souligne dans la note, dans laquelle est ainsi proposé de les encadrer « de façon éthique et responsable ».

Inciter les établissements à développer des méthodologies d’évaluation des nouveaux besoin en formation des salariés

Les trois experts indiquent que la responsabilité sociétale des entreprises digitale peut être déclinée autour de diverses mesures, telles qu’encourager les établissements de soins :

• à étudier la transformation des métiers ;
• à développer des méthodologies d’évaluation des compétences et des nouveaux besoins en formation des salariés.

Ils ajoutent que les salariés doivent être sensibilisés et formés à l’utilisation des innovations en santé.

Garantir une « supervision humaine de toute utilisation du numérique et de l’IA en santé »

« En ce qui concerne les patients, il s’agit de s’assurer du respect du principe de garantie humaine, soit la garantie d’une supervision humaine de toute utilisation du numérique et de l’IA en santé, pour toute décision médicale (pose de diagnostic, choix du traitement, etc.) », poursuivent-ils. 

Selon David Gruson, Adrien Deudon et Laure Millet, ces mesures concourent à la mise en place d’une intelligence artificielle « responsable », en valorisant l’innovation « à tous les niveaux ».

Dans le cadre de la stratégie nationale de recherche en intelligence artificielle (IA), présentée fin novembre 2018 à Toulouse par la ministre Frédérique Vidal (Recherche et Innovation) et le secrétaire d’État chargé du Numérique Mounir Mahjoubi, le gouvernement a signé le 8 janvier 2019 le marché d’acquisition de l’un des supercalculateurs les plus puissants d’Europe lors d’une cérémonie organisée en présence de Frédérique Vidal, a indiqué le ministère de lʼEnseignement supérieur, de la Recherche et de lʼInnovation dans un communiqué. Le dispositif vise à être exploité dans divers domaines, dont ceux de la santé et de la biologie.

Le montant de l’investissement n’a pas été communiqué.

Installé « début 2019 » au centre de calcul Idris du CNRS, sur le plateau de Saclay  dans l’Essonne, le supercalculateur a été élaboré par Hewlett Packard Enterprise et est financé par Genci, une société civile française en charge de l’équipement national en calcul intensif.
Doté d’une puissance de calcul supérieure à 14 pétaflops par seconde (14 millions de milliards d’opérations par seconde) et d’un millier de processeurs spécialisés (GPU), il permettra d’étendre « les modes d’utilisation classiques du calcul à haute performance à de nouveaux usages pour l’intelligence artificielle », indique le ministère.

L’un des six axes de la stratégie française de recherche en IA, qui sera financée par l’État à hauteur de 665 millions d’euros d’ici 2022, est de renforcer les moyens de calcul dédiés à l’intelligence artificielle : plus de 170 millions d’euros seront consacrés à ce projet. L’objectif de ce plan national est de faire du pays le leader européen de la recherche en IA.
Le ministère précise, par ailleurs, que la France envisage de se porter candidate à l’horizon 2022 à l’hébergement d’un des machines européennes de calcul dite « exascale » (1 milliard de milliard d’opérations par seconde), dans le cadre de la stratégie d’infrastructures de calcul intensif.

Renforcer les moyens de calcul : l’un des 6 axes de la stratégie de recherche en IA

Éléments clés :

• installation de l’un des plus puissants supercalculateurs en Europe début 2019 ;
• plus de 170 millions d’euros seront consacrés d’ici 2022 pour les moyens de calcul dédiés à l’intelligence artificielle, une somme versée par le gouvernement, conjointement avec la Commission européenne ;
• l’accès au calcul sera facilité pour l’ensemble de la communauté de recherche : une procédure d’accès aux moyens de calcul définie par Genci sur recommandation de l’alliance des sciences et technologies du numérique Allistene sera mise en place au cours de l’année et permettra de disposer de ressources de calcul à la volée.

« Un élément important de la stratégie d’infrastructures de calcul intensif »

« Plus généralement, [l]acquisition [de ce supercalculateur] est un élément important de la stratégie nationale d’infrastructures de calcul intensif », note le ministère de l’Enseignement supérieur, de la Recherche et de l’Innovation.

Elle va permettre de doubler « les moyens de calcul disponibles pour la simulation numérique qui, au-delà de l’intelligence artificielle, présente une importance majeure pour la plupart des champs scientifiques » et pour des domaines variés allant de la biologie et la santé à la sécurité et la défense, en passant par l’aéronautique, l’automobile, les matériaux, l’énergie, la simulation du climat et la prévision météorologique.

La France, candidate à l’hébergement d’un supercalculateur européen dit « exascale »

La stratégie d’infrastructures de calcul intensif s’inscrit dans le cadre de la stratégie européenne sur le sujet. La France prévoit dans ce contexte de se porter candidate à l’horizon 2022 à l’hébergement d’une des machines européennes de calcul dite « exascale », soit capable d’effectuer 1 milliard de milliard d’opérations par seconde, indique le ministère.

Le dispositif sera cofinancée par la Commission européenne à travers l’entreprise commune EuroHPC, qui rassemble la Commission et 25 pays. L’investissement représentera plus de 320 millions d’euros, dont la moitié contribuera à l’intelligence artificielle.

Une équipe de chercheurs australo-brésiliens, dirigée par le Royal Melbourne Institute of Technology (RMIT), a mis au point un algorithme de traitement d’images capable de détecter automatiquement l’un des principaux signes de la rétinopathie diabétique avec un taux de précision de 98 %. Les résultats de son étude*, publiés dans l’édition de janvier 2019 de la revue Computers in Biology and Medicine, montrent que ce dépistage précoce pourrait éviter à des millions de personnes de perdre la vue.

Les réseaux de neurones pour une détection automatisée

La rétinopathie diabétique est la principale cause de perte de vision chez les adultes. En outre, le nombre de malades ne cesse d’augmenter : 191 millions de personnes devraient être touchées d’ici 2030. La principale difficulté avec cette pathologie est liée au fait qu’elle se développe à bas bruit, sans symptôme dans la phase précoce. Le diagnostic de la rétinopathie diabétique est ainsi très souvent posé lorsque les personnes commencent à perdre la vue.

Un diagnostic et un traitement précoces pourraient avoir un impact considérable sur la part de vision conservée par le patient. Cependant, seulement la moitié des personnes atteintes de diabète subissent des examens de la vue réguliers et un tiers n’a jamais été contrôlé. De plus, les méthodes de référence en matière de diagnostic de la rétinopathie diabétique sont invasives, souvent coûteuses et indisponibles dans les régions éloignées ou en développement.

En alternative à l’angiographie et à la tomographie par cohérence optique, il est possible d’utiliser une méthode moins coûteuse qui consiste à analyser des images de la rétine pouvant être prises avec un rétinographe mais le processus est manuel, prend beaucoup de temps et est moins fiable.

Repérer le liquide sur la rétine

Face à un tel constat, l’intelligence artificielle (IA) semble un recours possible. Une équipe de chercheurs australo-brésiliens dirigée par l’Université RMIT a mis au point un algorithme de traitement d’image capable de détecter automatiquement l’un des principaux signes de la maladie : la présence de fluide provenant de vaisseaux sanguins endommagés ou d’exsudats à l’intérieur de la rétine. Le suintement d’un exsudat au niveau de la rétine est en effet un signe précoce de la rétinopathie diabétique.

Les réseaux de neurones convolutifs (CNN) ont été utilisés pour la détection automatique de l’exsudat mais avec des performances médiocres.

L’équipe internationale a donc testé différentes techniques d’apprentissage en profondeur afin de maximiser la sensibilité et la spécificité. Les expériences ont été menées sur deux bases de données d’images de fond d’œil, accessibles au public.

Les résultats de leurs travaux ont été publiés dans l’édition de janvier de la revue Computers in Biology and Medicine.

Résultats : précis à 98 %

• Le réseau de neurones convolutifs ResNet-50 a été le plus performant.
• L’outil a détecté le liquide sur la rétine avec une précision de 98 % et une sensibilité de 99 %.
• Le système d’intelligence artificielle a également obtenu de meilleurs résultats comparés à ceux des méthodes traditionnelles rapportées dans la littérature.

Une IA peu gourmande en données 

« Notre approche basée sur l’IA fournit des résultats aussi précis que les analyses cliniques mais repose sur des images rétiniennes pouvant être générées avec un équipement d’optométrie ordinaire, ont souligné les auteurs de l’étude. De plus, l’utilisation de Resnet-50 présente l’avantage de ne pas nécessiter un jeu de données d’entraînement volumineux.

Le fait de détecter cette maladie incurable plus rapidement et à moindre coût pourrait changer la vie de millions de personnes non diagnostiquées et qui risquent de perdre la vue. Ils espèrent donc que leur méthode sera utilisée pour le dépistage à grande échelle des populations à risque. « Pour chaque personne en Australie qui sait qu’elle est atteinte de diabète, une autre personne vit avec le diabète mais ne fait pas l’objet d’un diagnostic. Dans les pays en développement, le ratio est de un pour quatre non diagnostiqués. »

Les chercheurs ont entamé des discussions avec des fabricants d’appareils photo Fundus au sujet de collaborations éventuelles visant à faire progresser la technologie.