Au-delà des performances techniques : quel impact concret de l’IA sur le terrain médical et l’organisation des soins ?
Deuxième lecture optimisée, algorithmes d’abstention et détection des cancers dits « de l’intervalle » : le Pr. Pierre Marès, président du CRCDC Occitanie, et Guillaume Jeannerod, CEO d’Epiconcept (Softway Medical), analysent la manière dont l’IA s’intègre dans le circuit de dépistage pour épauler les radiologues et optimiser le temps médical.
Cet article reprend les échanges menés lors de la Soirée Innovation du Groupe Softway Medical.
Pierre Marès : Le dépistage organisé comprend deux étapes : une mammographie chez le radiologue (aujourd’hui accompagnée d’une échographie), puis une relecture dite L2, effectuée par des experts sur les clichés où le radiologue initial n’a pas trouvé de cancer.
Nous nous sommes demandé comment améliorer ce dépistage, en particulier pour les cancers dits « de l’intervalle », qui représentent 2,4 pour 1 000 des cancers — il reste donc des progrès à faire. Dépister tôt change le pronostic : le cancer est devenu une maladie chronique, et non plus une issue fatale dans la plupart des cas. La bataille aujourd’hui, c’est de dépister le plus tôt possible.
Guillaume Jeannerod : Le projet a fait naître un travail dérivé, comme souvent en recherche : mené avec l’équipe data d’Epiconcept et un doctorant de l’INRIA, hébergé à Paris Santé Campus au sein du laboratoire HEKA, ce travail a produit un algorithme d’abstention, sur le modèle des véhicules autonomes qui rendent la main au conducteur quand ils ne savent pas décider. L’algorithme affiche une confiance très élevée mais s’abstient lorsqu’il ne sait pas trancher — ce qui ouvre la perspective qu’une partie des deuxièmes lectures soit effectuée par une IA avec un très haut taux de confiance.
Pierre Marès : La vraie question est de savoir où positionner l’IA dans le processus — en L1, après le L1, après le L2 ? Cela soulève l’enjeu du type de dépistage souhaité : plus personnalisé, ou laissé tel quel. On pourrait même envisager un dépistage massif tout en le personnalisant, ce qui serait assez original. Autre question centrale : qui vérifie l’IA ? Elle peut être remarquable, mais aussi ne pas être contrôlée — il faut garder un esprit critique. L’intérêt du SNDS au niveau national est justement de permettre de valider la pertinence des logiciels d’IA eux-mêmes : nous évaluons nos propres performances de professionnels de santé, sans être dupes des limites de l’intelligence artificielle.
Concernant ce positionnement de l’IA dans le dépistage organisé, avez-vous déjà des éléments de réponse ?
Guillaume Jeannerod : Pas de réponse complète — cela pourrait faire l’objet d’une deuxième thèse.
Aujourd’hui, la piste la plus solide est de positionner l’IA en complément du deuxième lecteur, pour filtrer une partie des deuxièmes lectures manifestement négatives, grâce à l’algorithme d’abstention qui réduit fortement le risque d’erreur.
Pierre Marès : De belles perspectives se dessinent à la suite de cette étude rétrospective. D’une part, la numérisation et la dématérialisation avaient déjà permis un gain de 15 à 20 % sur le dépistage. D’autre part, si l’IA est intégrée avant les L2, cela permettra de réduire cette étape, donc de réaliser des économies significatives au niveau national, et d’orienter ces ressources vers des activités plus cliniques.
Reste à déterminer dans quelles limites l’intelligence artificielle sera intégrée. Mais nous avons désormais la chance de disposer d’une base de données reconnue et acceptée au niveau européen et international. Et puisque nous sommes à Paris Santé Campus, ce n’est pas un hasard : merci de favoriser ces techniques et ces collaborations industrielles.
Guillaume Jeannerod : Ce n’est pas l’IA seule qui résoudra ce problème, mais peut-être l’optimisation des types de lecture. Elle pourrait aller chercher des éléments sur la mammographie permettant de sélectionner certains clichés : au lieu d’attendre deux ans, refaire un cliché dans un an, orienter vers une tomosynthèse, voire une IRM de contrôle ou une biopsie. C’est là que l’IA, couplée à l’intelligence humaine, pourrait permettre de dépister des cancers un peu plus tôt.
Pierre Marès : Oui, mais cela suppose qu’il y ait quelque chose à voir. Il existe des cancers d’intervalle où la mammographie précédente ne montre rien : c’est précisément l’objet du travail à venir — la troisième thèse évoquée. Je pense qu’il faut faire confiance à la fois au travail des radiologues et aux techniques d’analyse d’images, qui permettront peut-être de repérer des trames particulières. Nous connaîtrons sans doute la même évolution, d’ici quelque temps, avec la tomosynthèse ou l’IRM mammaire. Mais c’est l’IA qui permettra peut-être d’identifier qu’une patiente nécessite un examen complémentaire — et c’est là que nous gagnerons encore en efficacité.
Guillaume Jeannerod : Pour ajouter un point : avoir pu entraîner les IA en disposant, grâce au chaînage avec le SNDS, de l’information sur les cancers d’intervalle, les a rendues plus performantes pour détecter ces cancers potentiels — y compris des éléments qu’un radiologue ne percevait pas.
