Aller au contenu

Le savoir qui éclaire le monde

L'IA en médecine : de l'imagerie à la découverte de médicaments, quel est l'état des lieux et quelles sont les limites ?

L'intelligence artificielle a pénétré de nombreux domaines de la médecine, de l'analyse des radiographies et scanners à la prédiction des structures protéiques. Applications actuellement utilisées, processus d'approbation, changement apporté par AlphaFold, risques et ce que les patients doivent savoir.

L'IA en médecine : de l'imagerie à la découverte de médicaments, quel est l'état des lieux et quelles sont les limites ?

L'intelligence artificielle désigne des systèmes informatiques capables d'apprendre des modèles à partir de grandes quantités de données. La médecine est l'un des domaines les plus prometteurs pour cette technologie, mais aussi l'un de ceux qui exigent le plus de prudence : bien utilisée, elle peut accélérer le diagnostic et alléger la charge de travail des cliniciens ; mal utilisée, elle peut nuire aux patients.

Imagerie médicale

L'imagerie est le domaine où l'IA est la plus largement utilisée en médecine aujourd'hui. Des systèmes qui signalent des résultats suspects sur des radiographies, scanners, IRM et mammographies, qui priorisent les urgences telles que les hémorragies cérébrales, ou qui examinent les photographies de la rétine pour détecter la rétinopathie diabétique sont déjà en usage clinique. La liste des dispositifs médicaux dotés d'IA de la Food and Drug Administration (FDA) américaine a dépassé le millier de produits, la grande majorité d'entre eux relevant de la radiologie.

Découverte de médicaments et AlphaFold

Connaître la structure tridimensionnelle d'une protéine est crucial pour comprendre les maladies et développer des médicaments. AlphaFold, développé par Google DeepMind, a ouvert de nouvelles voies en prédisant les structures protéiques à partir de leur séquence d'acides aminés avec une grande précision. La moitié du prix Nobel de chimie 2024 a été décernée à Demis Hassabis et John Jumper pour ces travaux ; l'autre moitié a été attribuée à David Baker pour ses recherches sur la conception de protéines. L'IA est également utilisée pour cribler des molécules candidates à des médicaments et concevoir des essais cliniques.

Tâches cliniques quotidiennes

Les systèmes qui transcrivent les consultations des patients et rédigent des notes, les outils d'alerte précoce qui évaluent les risques, et les applications qui facilitent la gestion des rendez-vous et de la paperasse sont des utilisations de l'IA moins visibles mais de plus en plus courantes dans les hôpitaux.

Limites et risques

  • Biais des données : Un modèle entraîné sur un groupe de patients peut être moins performant pour des patients d'un âge, d'un sexe ou d'une origine ethnique différents.
  • Confidentialité : Les données de santé font partie des données personnelles les plus sensibles.
  • Dépendance excessive : Le fait que les cliniciens ou les patients acceptent sans questionner la suggestion d'un système peut entraîner des erreurs.
  • Responsabilité : La question de savoir qui est responsable en cas de problème fait encore l'objet de débats.

Dans des directives publiées en 2021, l'Organisation mondiale de la santé recommande que l'IA pour la santé protège l'autonomie humaine, soit transparente et explicable, et soit conçue de manière inclusive. L'IA Act de l'Union européenne traite également les systèmes d'IA à des fins médicales comme étant à haut risque et impose des obligations supplémentaires.

Une note pour les patients

Les chatbots polyvalents peuvent vous aider à comprendre des questions de santé, mais ils ne posent pas de diagnostic et peuvent commettre des erreurs. Consultez un professionnel de santé concernant vos symptômes et lisez les conditions de confidentialité des applications avec lesquelles vous partagez vos données de santé.

Dans quels domaines les dispositifs médicaux basés sur l'IA sont-ils utilisés ?

La Food and Drug Administration (FDA) américaine tient une liste publique des dispositifs médicaux dotés d'IA qu'elle a autorisés à la commercialisation. En 2025, le nombre de produits sur cette liste a dépassé le millier, et la répartition est assez inégale :

  • La radiologie loin devant : Environ les trois quarts des dispositifs sur la liste visent l'examen d'images de radiographie, de scanner, d'IRM et de mammographie.
  • La cardiologie en deuxième position : Des applications telles que l'interprétation des ECG et la détection des troubles du rythme cardiaque se distinguent.
  • Autres domaines : Il existe également des outils approuvés en neurologie, ophtalmologie, pathologie et gastro-entérologie, mais en plus petit nombre.

L'approbation d'un outil ne signifie pas qu'il sera tout aussi performant dans chaque hôpital et pour chaque groupe de patients ; l'approbation est accordée pour une utilisation spécifique prévue et des conditions précises.

Comment évalue-t-on la fiabilité d'une IA de santé ?

Lorsque les chercheurs et les hôpitaux évaluent un nouvel outil, ils examinent quelques questions fondamentales :

  • Validation externe : L'outil a-t-il été testé sur des données provenant de différents appareils et groupes de patients en dehors de l'hôpital où il a été développé ?
  • Étude prospective : A-t-il été testé non seulement sur des données passées, mais au sein du flux de travail clinique réel, et si possible dans le cadre d'essais randomisés ?
  • Rapports transparents : Les directives CONSORT-AI et SPIRIT-AI publiées en 2020 visent à standardiser la manière dont les essais cliniques impliquant l'IA sont rapportés.
  • Surveillance continue : Après le déploiement, vérifie-t-on si les performances diminuent avec le temps ?

En 2024, l'Organisation mondiale de la santé a également publié des directives distinctes sur l'utilisation de grands modèles multimodaux (y compris les systèmes basés sur le chat) dans la santé, offrant plus de 40 recommandations aux gouvernements, aux développeurs et aux institutions de santé.

Cet article est fourni à titre d'information générale et ne remplace pas un avis médical. Consultez votre médecin pour toute décision concernant votre santé.

Sources et lectures complémentaires

  1. Organisation mondiale de la santé (OMS), « Éthique et gouvernance de l'intelligence artificielle pour la santé » (2021).
  2. U.S. Food and Drug Administration, liste des « Dispositifs médicaux dotés d'intelligence artificielle ».
  3. Nobel Prize Outreach, communiqué de presse « Le prix Nobel de chimie 2024 ».
  4. Jumper, J. et al., « Highly accurate protein structure prediction with AlphaFold », Nature (2021).
  5. U.S. FDA – Dispositifs médicaux dotés d'intelligence artificielle (liste).
  6. Liu X. et al. – Extension CONSORT-AI, Nature Medicine (2020).
  7. OMS – Éthique et gouvernance de l'IA pour la santé : Orientations sur les grands modèles multimodaux (2024).
Partager
Suivez YulaHubRecevez en premier les informations les plus importantes du jour.
RSS

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont marqués *