Des technologies de pointe pour un diagnostic précis et des soins de qualité

Aujourd'hui, les médecins sont à même de voir l'intérieur de corps humain en détail grâce aux différents procédés d'imagerie médicale, l'échographie et la scanographie (TDM) notamment. Les tests sanguins et les examens histologiques leur donnent également des informations précises sur l'état de santé des patients. Les examens génétiques sont venus récemment s’ajouter à cet arsenal d'outils de diagnostic. Ces progrès devraient permettre d’améliorer les traitements et surtout, de personnaliser les soins. Mais cette profusion de données présente également des inconvénients. Il est de plus en plus difficile pour les praticiens d’avoir une vue d'ensemble sur l’ensemble des données médicales et de proposer les traitements les mieux adaptés à leurs patients en se fondant sur les derniers résultats d’examen. Cette profusion d’informations est patente notamment en cardiologie. Le nombre de cas augmente aussi rapidement que le volume de données de diagnostic et que les connaissances disponibles sur les causes et les traitements possibles.

C'est la raison pour laquelle les médecins ont besoin de systèmes capables d’analyser de grandes quantités de données. Les déductions par dérivation logique à partir de ces données massives permettent en effet d’obtenir des informations précises sur l'état de santé des patients et de proposer des traitements adaptés. « Nous n'avons pas besoin de médecins supplémentaires, nous avons besoin de solutions intelligentes », déclare Ronak Rajani, cardiologue au King's College de Londres. Et ces solutions sont de plus en plus performantes, car elles se nourrissent en permanence des résultats des traitements mis en œuvre auprès des patients. La cardiologie n'est pas la seule spécialité concernée. D'autres domaines, notamment l'oncologie, peuvent profiter de l'intégration et de l'analyse des données des patients pour faciliter la prise de décisions. Le traitement du cancer du poumon en est un bon exemple. « Nous avons de grandes quantités de données sur cette maladie », témoigne Bram Stieltjes, de l'hôpital universitaire de Bâle, en Suisse. Mais l'interprétation des clichés de TEP (tomographie par émission de positons) est chronophage, sans compter les risques d'erreur d’interprétation. Dans ce cas, un système d'évaluation automatique capable d’analyser les images de TEP et de générer automatiquement des rapports médicaux fondés pourrait s'avérer grandement utile.

Ces systèmes d’information sont rendus possibles par l'intelligence artificielle (IA). Le principe consiste à disposer d'ordinateurs puissants capables de reproduire les facultés humaines, notamment l'apprentissage (apprentissage automatique). Depuis les années 1950, la recherche a œuvré à faire de cette ambition une réalité, et elle a récemment donné des résultats spectaculaires. Les assistants vocaux intelligents sont d'ores et déjà courants. Bientôt, l'intelligence artificielle permettra à des véhicules autonomes de nous transporter sans intervention humaine. Le secteur médical n'est pas en reste. Ainsi, en mai dernier, des chercheurs de l'université de Heidelberg (Allemagne) ont développé un programme capable de détecter des mélanomes malins plus efficacement que 58 dermatologues de 17 pays.

Siemens Healthineers travaille sur l'apprentissage automatique depuis les années 1990, et détient désormais plus de 400 brevets dans ce domaine. Si l'IA n'a pas fini de transformer le domaine de la santé, c'est pour deux raisons. D'abord, comme le veut la loi de Moore, la puissance de calcul des ordinateurs croît de manière exponentielle, de sorte que des algorithmes d'IA complexes peuvent désormais être intégrés aux appareils médicaux. Ensuite, la transformation numérique du secteur de médical a produit des quantités considérables de données, à partir desquelles l'IA peut apprendre et tirer des conclusions logiques. Toutefois, les données doivent être traitées par des humains avant de pouvoir servir à entraîner des algorithmes. Cette opération est assurée par des experts, qui analysent les résultats d'examens et y ajoutent des informations complémentaires. En la matière, Siemens Healthineers collabore avec les plus grands experts de la médecine. Médecins et patients du monde entier bénéficient ainsi des connaissances des meilleurs spécialistes.

Le recours à l'apprentissage automatique est particulièrement prometteur dans le domaine de l'imagerie.  À ce titre, l'apprentissage profond, ou Deep Learning, qui vise à imiter les mécanismes perceptifs et de raisonnement logique du cerveau humain, joue un rôle majeur. Une couche externe de neurones artificiels reçoit des données d’entrée (par exemple, des clichés de TDM) et les transmet à une couche interne jusqu'à ce que le résultat du traitement de ces données (par exemple, l'identification d'une tumeur) puisse être appelé par la couche de sortie. Le réseau apprend à réaliser cette tâche à partir de données d'entraînement. Au début, le système est alimenté en données dont il connaît déjà l'interprétation. Puis, il ajuste graduellement sa structure interne de manière à obtenir les mêmes résultats. Une fois ce processus d'apprentissage terminé, le réseau de neurones ainsi créé est en mesure d'interpréter correctement des données nouvelles. Siemens Healthineers détient plus de 80 brevets dans ce seul domaine.

Pour analyser des images, les différentes couches d'un réseau de neurones procèdent étape par étape, comme dans le cerveau humain. D'abord, elles identifient des éléments fondamentaux (les coins et les contours, par exemple), puis des motifs plus complexes, et enfin, des objets complets. Par exemple, Siemens Healthineers a développé l'algorithme de détection automatique de points de repère et d'analyse de l'anatomie humaine ALPHA (Automatic Landmarking and Parsing of Human Anatomy) pour son logiciel de post-traitement 3D multimodalité syngo.via. Ce programme est capable d'identifier automatiquement les structures anatomiques et de numéroter chaque vertèbre et chaque côte d'un patient. L'appareil d’échographie ACUSON S2000 Prime de Siemens comporte également une composante d’intelligence artificielle. Son logiciel intégré distingue les différentes parties des valves cardiaques (par exemple, la cuspide septale et la cuspide latérale) et attire l'attention de l'utilisateur sur la présence éventuelle d’anomalies, notamment une valve qui ne ferme pas correctement. L'algorithme fournit également jusqu'à 80 mesures qui renseignent les médecins sur la taille et la forme appropriées de la prothèse en cas de remplacement valvulaire.

Siemens Healthineers utilise aussi l'IA pour la planification des opérations cardiaques. Lorsqu'un patient a besoin d'une nouvelle valve aortique, le logiciel CT TAVI Planning analyse les scanners thoraciques pour en extraire automatiquement l'aorte et ignore les autres parties du corps. En outre, il combine plusieurs couches d'images afin de générer une vue en 3D de l'aorte afin de mettre en évidence la présence de plaques aortiques. Les médecins peuvent ainsi déterminer précisément le type de valve de remplacement le mieux adapté au patient, avant de procéder à une intervention de chirurgie mini-invasive pour le remplacement valvulaire aortique par voie transcathéter (TAVI). Les informations ainsi obtenues permettent également de déterminer la taille et la forme de la prothèse, mais aussi son positionnement.

« L’intelligence artificielle est au cœur de nos domaines de recherche et de développement », explique Walter Märzendorfer, responsable de l’activité Diagnostic Imaging chez Siemens Healthineers. Pour lui, la collecte et l'analyse des données des patients permettront de trouver les traitements les mieux adaptés à chacun. Et il n'est pas seul à juger que l'IA offre un formidable potentiel. Selon une étude menée par le magazine The Economist en 2017, 54 % des cadres dirigeants du secteur de la santé estiment que le rôle de l'IA dans l'assistance aux décisions thérapeutiques est amené à croître considérablement dans les cinq prochaines années. Les experts s'accordent à penser que, si le recours à l'intelligence artificielle ira croissant dans les années à l'avenir, les médecins resteront irremplaçables.

09/08/2018

Christian Buck

Crédits photo (de haut en bas) : 1. shutterstock ; 2. Hannover Medial School ; 3. gettyimages